-
公开(公告)号：CN115908199A
公开(公告)日：2023-04-04
申请号：CN202211700123.7
申请日：2022-12-28
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度去噪器的压缩红外图像复原方法，首先原始红外图像经过编码测量后获得原始测量值，复原原始红外图像时在传统基于优化的算法中插入深度网络学习获得的深度去噪器，然后通过设计基于空间注意力和通道注意力的特征提取网络得到深度去噪器，最后迭代求解两个子过程得到复原的红外图像，从而同时具有基于模型的优化算法的可解释性和基于卷积神经网络的鲁棒性和快速性，提高了图像复原的质量。
-
公开(公告)号：CN115345909A
公开(公告)日：2022-11-15
申请号：CN202211271914.2
申请日：2022-10-18
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度空间光谱卷积融合特征的高光谱目标跟踪方法，确定归一化后的第t帧高光谱图像的目标区域Tt和搜索区域St；将Tt进行降维得到Xp；提取Xp的深度特征E；确定搜索区域x、y、z方向的边缘特征；确定融合后的三维边缘特征、深度空间光谱卷积融合特征Z、八邻域的干扰因子；获得排序前四个干扰因子和其对应的背景区域；确定对应的抑制权重以及滤波器模板；输入第t+1帧图像，以第t帧目标区域为基础，生成不同尺度的目标区域，并且将其输入，提取特征送入滤波器，得到响应值，将响应值最高的尺度确定为当前帧的目标尺度并跟新滤波器；依次读入高光谱图像序列内每一帧高光谱图像完成目标跟踪。
-
公开(公告)号：CN115457286B
公开(公告)日：2024-09-24
申请号：CN202211235788.5
申请日：2022-10-10
Applicant: 无锡学院
IPC: G06F17/16 , G06V10/32 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/50 , G06V10/58 , G06V10/60 , G06V10/80
Abstract: 本发明公开了一种基于全局和局部光谱加权的高光谱图像序列降维方法，载入高光谱图像序列中的第t帧高光谱图像，并对第t帧高光谱图像进行灰度归一化得到归一化后第t帧高光谱图像，确定归一化后第t帧高光谱图像的目标区域Tt；确定所述归一化后第t帧高光谱图像的目标区域Tt的第i个波段图像Tit的光谱平均值；根据所述Tt的第i个波段图像Tit的光谱平均值确定归一化后第t帧高光谱图像的目标区域Tt的全局光谱；确定Tt的局部光谱；将所述Tt的全局光谱与局部光谱加权融合成最终光谱；根据所述最终光谱确定降维之后的高光谱图像；依次载入高光谱图像序列中的所有帧高光谱图像完成高光谱图像序列降维。
-
公开(公告)号：CN116228524A
公开(公告)日：2023-06-06
申请号：CN202310113352.7
申请日：2023-02-14
Applicant: 无锡学院
IPC: G06T3/00
Abstract: 本发明公开了一种基于光谱差异的高光谱图像序列降维方法,载入的高光谱图像序列中的第1、t帧高光谱图像进行灰度归一化，分别获得归一化后的第1、t帧高光谱图像并且确定第1帧高光谱图像中的选定局部区域通过中每个像素的光谱曲线确定最大、最小光谱曲线Cmax、Cmin；确定中第i个像素在16个波段上的灰度平均值通过获得中第i个像素的去均值光谱曲线Ci；确定光谱差异图通过确定第t帧高光谱图像第b个波段第i个像素的量化偏差通过确定第t帧高光谱图像16个波段的总差异图通过确定重构总差异图通过确定的降维结果图K；通过K获得降维结果重复上述步骤，依次处理高光谱图像序列中每一帧高光谱图像获得高光谱图像序列降维结果。
-
公开(公告)号：CN115965553B
公开(公告)日：2023-12-19
申请号：CN202310003338.1
申请日：2023-01-03
Applicant: 无锡学院
IPC: G06T5/00 , G06T5/20 , G06T5/40 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/764 , G06T7/11 , G06T7/62 , G06T7/60
Abstract: 本发明公开了一种基于多特征融合的人脸图像局部增强方法，建立人脸图像训练集；对所述人脸图像训练集中的每张图像进行人脸检测、人脸对齐和人脸分割，获得每张分割后的图像；获得分割后的偏正脸图像集、并且确定分割后的偏正脸图像集中每张图像的面积比例相近度、分割后的偏正脸图像集中每张图像的长宽比相近度、分割后的偏正脸图像集中每张图像的方脸相近度；将三个特征加权融合，获得多特征融合模板系数；根据其确定平均人脸轮廓模板，并且结合待识别人脸的图像，获得局部图像增强后的人脸图像。本发明能够取代人脸图像增强中的人脸分割步骤，在不改变人脸图像增强准确性的前提下，提高了人脸图像增强的效率和质量，简化冗繁的操作过程。
-
Patent Agency Ranking
公开(公告)号：CN116091545A
公开(公告)日：2023-05-09
申请号：CN202310060920.1
申请日：2023-01-13
Applicant: 无锡学院
Abstract: 本发明公开了基于深度光谱级联纹理特征的高光谱视频目标跟踪方法，获得第t帧高光谱图像局部区域的光谱曲线，将未知区域像素的光谱曲线与局部区域的光谱曲线做差，将图像分割为目标区域与背景区域，导入第t+1帧，获得搜索区域每个像素点的光谱曲线，对其进行降维处理得到降维后一波段图像，提取该图像的深度特征与纹理特征，根据图像信噪比曲线获得每个光谱通道的权重，与对应纹理特征相乘进而获得光谱级联特征，将其覆盖上设置好的掩膜，获得光谱级联纹理预测特征，将其与深度特征进行逐像素卷积获得深度平均光谱级联纹理特征Uk，将第一帧图像的Uk送入DCF滤波器训练好模板，将t+1帧图像的Uk送入滤波器模板获得响应图，根据分布策略估计目标尺度，确定预测框位置，获得跟踪的目标。
-
公开(公告)号：CN116012403A
公开(公告)日：2023-04-25
申请号：CN202310079879.2
申请日：2023-01-13
Applicant: 无锡学院
Abstract: 本发明公开了一种基于目标和背景分割的高光谱图像序列降维方法，确定归一化后第t帧高光谱图像的目标局部区域Lt和搜索区域St；确定光谱平均值；确定局部光谱曲线Cl，并确定局部光谱平均值Cli；利用St减去Lt获得未知区域Rt；确定Rt内的未知像素的光谱曲线Cu，并确定灰度值Cuij；利用Cuij减去Cli获得误差εij；利用误差εij和灰度阈值β确定问题波段，并统计问题波段的数量；将问题波段数量小于带宽阈值η的像素标记为目标像素，并将目标像素的集合定义为目标区域Ot；计算Ot的目标平均光谱曲线Co，并确定目标平均光谱值Coi，载入第t+1帧搜索区域St+1，获得St+1上各像素点的光谱曲线Cs，并确定光谱值Csi；计算Csi和Coi的欧氏距离Dj，Dj即为降维后St+1上各像素点的灰度值，依次处理高光谱图像序列中的每一帧高光谱图像序列。
-
公开(公告)号：CN115965553A
公开(公告)日：2023-04-14
申请号：CN202310003338.1
申请日：2023-01-03
Applicant: 无锡学院
IPC: G06T5/00 , G06T5/20 , G06T5/40 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/764 , G06T7/11 , G06T7/62 , G06T7/60
Abstract: 本发明公开了一种基于多特征融合的人脸图像局部增强方法，建立人脸图像训练集；对所述人脸图像训练集中的每张图像进行人脸检测、人脸对齐和人脸分割，获得每张分割后的图像；获得分割后的偏正脸图像集、并且确定分割后的偏正脸图像集中每张图像的面积比例相近度、分割后的偏正脸图像集中每张图像的长宽比相近度、分割后的偏正脸图像集中每张图像的方脸相近度；将三个特征加权融合，获得多特征融合模板系数；根据其确定平均人脸轮廓模板，并且结合待识别人脸的图像，获得局部图像增强后的人脸图像。本发明能够取代人脸图像增强中的人脸分割步骤，在不改变人脸图像增强准确性的前提下，提高了人脸图像增强的效率和质量，简化冗繁的操作过程。
-
公开(公告)号：CN116128925B
公开(公告)日：2025-03-14
申请号：CN202310086475.6
申请日：2023-02-09
Applicant: 无锡学院
IPC: G06T7/246
Abstract: 本发明公开了基于自适应权重和置信度的高光谱图像目标跟踪方法，获得归一化后第一帧、第t帧和相邻帧高光谱图像，再通过主成分分析法对图像降维分别获得三张单波段的灰度图像Z1、Zt和#imgabs0#根据双孪生网络以第一帧和相邻帧为模板图像，第t帧为搜索图像，分别提取它们降维后图像的深度特征，将模板图像与搜索图像的特征俩俩朴素相关，获得初始响应图R1和相邻响应图#imgabs1#采用自适应权重w1和w2将俩个响应图融合获得融合响应图#imgabs2#分别对其进行置信度确定和尺度估计并获得当前帧高光谱图像的跟踪目标，再依据置信度确定来判断是否让第t帧的相邻帧高光谱图像对第t帧高光谱图像进行更新。
-
公开(公告)号：CN119399621A
公开(公告)日：2025-02-07
申请号：CN202411384831.3
申请日：2024-09-30
Applicant: 无锡学院
IPC: G06V20/10 , G06V10/764 , G06T7/11 , G06T7/136 , G06T7/90 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明公开一种基于自适应波段加权聚合的高光谱目标跟踪方法，在第t、t‑1帧高光谱灰度图像上确定目标区域的形心为中心的3×3像素区域Lt，确定Lt内的局部光谱曲线Cl，遍历St中每个像素，确定其对应的光谱曲线Cj，根据Cl和Cj生成光谱先验掩膜Mj，确定每个波段之间的相似性系数Sm,n，得到光谱相似系数矩阵图，通过Sm,n确定自适应波段阈值ThB，通过ThB对光谱相似系数矩阵图进行二值化处理和分类，得到分类波段图像，再通过光谱权重进行加权聚合，获得最后的降维单通道灰度图R，将R送入ResNet50进行特征提取，将提取到的目标特征向量和搜索特征向量通过融合光谱先验掩膜得到融合特征向量XD，根据XD得到分类向量和回归向量，由此确定预测框位置，获得跟踪的目标。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
