-
公开(公告)号：CN117793538A
公开(公告)日：2024-03-29
申请号：CN202410200816.2
申请日：2024-02-23
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
Abstract: 本申请提出了一种图像自动曝光矫正与增强方法及装置，该方法包括：根据正常曝光Raw图像数据中的线性关系，构造有监督的异常曝光图像数据集；构建全局亮度调整网络与频率增强重建网络，将异常曝光图像数据集输入全局亮度调整网络，得到亮度矫正图像，将亮度矫正图像输入频率增强重建网络，得到矫正增强图像；基于矫正增强图像与正常曝光Raw图像数据，计算损失值，并基于损失值对其网络模型参数进行优化，得到优化模型；将其他图像输入优化模型得到优化图像，根据图像质量评价指标评价优化图像，得到客观评估指标。基于本申请提出的方案，能够对原始Raw图像数据达到自动曝光矫正与增强的效果，从而应对复杂环境下成像质量低的问题。
-
公开(公告)号：CN118967450B
公开(公告)日：2025-05-06
申请号：CN202411452810.0
申请日：2024-10-17
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明涉及一种基于结构信息的不对齐多源数据的光谱图像融合超分方法及系统，属于计算摄像技术领域。本发明首先使用梯度计算对输入的高光谱和多光谱图像提取梯度图，再使用纹理编码器和结构编码器分别对图像和梯度图进行编码，获取纹理特征金字塔和结构特征金字塔，然后使用结构注意力引导的特征融合对齐模块在各个层级进行特征融合获得对齐特征，最后使用解码器网络对对齐特征进行解码，生成高分辨率高光谱图像。本发明使特征对齐效果更加鲁棒，使超分辨率效果更好，在真实数据集和仿真数据集的各个倍率的超分任务中均取得很好的结果，在高倍率超分任务中具有优势，易于推广。
-
公开(公告)号：CN117793538B
公开(公告)日：2024-06-25
申请号：CN202410200816.2
申请日：2024-02-23
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
Abstract: 本申请提出了一种图像自动曝光矫正与增强方法及装置，该方法包括：根据正常曝光Raw图像数据中的线性关系，构造有监督的异常曝光图像数据集；构建全局亮度调整网络与频率增强重建网络，将异常曝光图像数据集输入全局亮度调整网络，得到亮度矫正图像，将亮度矫正图像输入频率增强重建网络，得到矫正增强图像；基于矫正增强图像与正常曝光Raw图像数据，计算损失值，并基于损失值对其网络模型参数进行优化，得到优化模型；将其他图像输入优化模型得到优化图像，根据图像质量评价指标评价优化图像，得到客观评估指标。基于本申请提出的方案，能够对原始Raw图像数据达到自动曝光矫正与增强的效果，从而应对复杂环境下成像质量低的问题。
-
公开(公告)号：CN118967450A
公开(公告)日：2024-11-15
申请号：CN202411452810.0
申请日：2024-10-17
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明涉及一种基于结构信息的不对齐多源数据的光谱图像融合超分方法及系统，属于计算摄像技术领域。本发明首先使用梯度计算对输入的高光谱和多光谱图像提取梯度图，再使用纹理编码器和结构编码器分别对图像和梯度图进行编码，获取纹理特征金字塔和结构特征金字塔，然后使用结构注意力引导的特征融合对齐模块在各个层级进行特征融合获得对齐特征，最后使用解码器网络对对齐特征进行解码，生成高分辨率高光谱图像。本发明使特征对齐效果更加鲁棒，使超分辨率效果更好，在真实数据集和仿真数据集的各个倍率的超分任务中均取得很好的结果，在高倍率超分任务中具有优势，易于推广。
-
公开(公告)号：CN119048831A
公开(公告)日：2024-11-29
申请号：CN202411176202.1
申请日：2024-08-26
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种通过不确定性检测OOD样本的方法，首先进行数据集获取及预处理；然后构建并训练用于OOD检测的图像分类模型；设计OOD检测器，通过计算OOD样本的拒绝域R进行对OOD样本的检测；最后将待检测的图片输入训练好的骨干网络中提取特征，通过设计的OOD检测器实现OOD样本检测。本发明通过特征空间中的距离作为计算不确定性的参数，提供了不同视角下的OOD检测算法；不局限于通过单个类的距离来检测OOD样本，本算法对于信息的利用更加全面，充分利用了模型对于OOD样本的敏感性。
-
Patent Agency Ranking
公开(公告)号：CN117176323A
公开(公告)日：2023-12-05
申请号：CN202311190771.7
申请日：2023-09-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于同态加密技术的平均值共识方法。本发明引入同态加密，利用同态加密可以使各节点除自己所拥有数据外仅能接收来自邻居节点的统一公钥加密后的数据，各节点对自己得到的密文进行计算之后，再由受信人(私钥持有者)收集各节点计算后的密文并用自己的私钥解密。由于同态加密下除密钥持有者外的所有节点均无法获得明文信息，保证了信息安全性。只要受信人是可信的，就可以确保好奇的节点无法确定特定节点的值是多少，而仅能知道初始值的平均值。
-
公开(公告)号：CN117104225A
公开(公告)日：2023-11-24
申请号：CN202311179386.2
申请日：2023-09-13
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 陈曦妍 , 翟春杰 , 陈慧勤 , 尹克 , 王博 , 陈楚翘 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 张继勇 , 李宗鹏
Abstract: 本发明公开了一种基于参数在线辨识的智能汽车协同编队节能控制方法。首先基于无迹卡尔曼滤波辨识获取车辆惯性参数；然后基于辨识参数建立电动汽车的三阶动力学模型和功率模型并设计分布式自适应滑模控制器；再确定控制目标，最后构建基于模型预测控制的车队参考轨迹优化问题，实现巡航节能控制。本发明相比于其他控制方法，考虑了惯性参数的实时辨识，能够有效地保证数据的实时性和准确性，主要利用模型预测控制，能够有效地提高车辆队列的燃油经济性，并保证车辆队列的内部稳定性和弦稳定性。
-
公开(公告)号：CN117002501A
公开(公告)日：2023-11-07
申请号：CN202311026031.X
申请日：2023-08-15
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 陈曦妍 , 翟春杰 , 陈慧勤 , 尹克 , 王博 , 陈楚翘 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏
IPC: B60W30/14 , B60W50/00 , G06F30/15 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种基于逆最优控制的智能汽车自适应巡航控制方法，包括步骤如下：步骤一：基于多输入多输出离散时间非线性无模型系统建立智能车辆纵向动力学模型；步骤二：构建最优问题，确定最优控制器；步骤三：验证所提出的控制器保证车辆李雅普诺夫稳定性；步骤四：验证所提出的控制器能够满足性能指标的最优性。本发明相比于其他控制方法，考虑了不确定的非线性离散时间系统，在应用上更为广泛。本发明方法能够有效地保证车辆的安全性，避免了HJB方程，并最小化一个有意义的代价函数。
-
公开(公告)号：CN117097997A
公开(公告)日：2023-11-21
申请号：CN202311052724.6
申请日：2023-08-21
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 曾龙健 , 吴旭 , 金颖杰 , 江涛 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成
Abstract: 本发明公开了一种反向图像信号处理的噪声图像合成方法，首先构建噪声形成模型；然后估计噪声参数。记录两个原始图像序列即平场帧和偏置帧来估计由模拟和数字增益组成的整体系统增益K和噪声源；为了噪声形成模型能模拟多种ISO设置下的真实情况，对联合参数分布进行建模，以便以耦合的方式对噪声参数进行采样；最后完成噪声图像合成。本发明能够合成真实的噪声原始数据，更好地匹配噪声形成的潜在物理过程。本发明极大地提升了合成数据集地真实性；噪声参数校准方法可以校准多种相机的噪声参数，使合成数据集能模拟不同相机拍摄的真实图片，使通过该数据集训练的模型能具有很好的泛化性。
-
公开(公告)号：CN117058400A
公开(公告)日：2023-11-14
申请号：CN202311018632.6
申请日：2023-08-14
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 曾龙健 , 金颖杰 , 吴旭 , 江涛 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵
IPC: G06V10/40 , G06V10/82 , G06V10/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种微光RAW图像端到端训练的特征提取方法。首先构建包含具有基本像素对像素对应关系的图像对的大规模数据集；然后构建基于L2‑Net网络的深度学习框架(LowerFeat，确定损失函数；再通过构建的大规模数据集对LowerFeat进行训练；最后通过训练好的LowerFeat实现特征提取。本发明提出了LowerFeat框架，该框架以端到端的方式输出RAW格式图像的局部特征检测和描述，能可靠地提取足够的关键点，同时抑制具有不显著和噪声敏感特征的区域。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
