公开(公告)号：CN117152006A

公开(公告)日：2023-12-01

申请号：CN202311115149.X

申请日：2023-08-31

Applicant: 西安交通大学

Inventor： 贺丽君 ,  任祉涵 ,  张婉玥 ,  李凡

IPC: G06T5/00 ,  G06N3/0475 ,  G06N3/094 ,  G06T3/40 ,  G06V10/44 ,  G06V10/80 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明公开了一种基于双重循环一致性的无监督全色锐化方法，该方法针对现有有监督学习全色锐化方法依赖于真值，导致模型泛化性差的问题，以及无监督学习全色锐化方法简单堆叠卷积层，空间信息和光谱信息不能有效交互和融合，其次基于生成对抗网络与双重循环一致性的无监督全色锐化算法，设计了从源图像域到目标图像域的循环交互网络架构。其中，并行跨分辨率融合的生成器网络实现空间和光谱特征充分融合，同时保证高分辨率特征不丢失。基于跨域挖掘的空间信息提取预训练网络模块实现多光谱图像空间信息的精准表征。实验结果表明，该方法在定量和定性评价方面都优于现有的无监督全色锐化方法，提高了在全分辨率图像上的全色锐化性能。

公开(公告)号：CN118264763A

公开(公告)日：2024-06-28

申请号：CN202410400677.8

申请日：2024-04-03

Applicant: 西安交通大学

Inventor： 李凡 ,  雷敏 ,  贺丽君 ,  任祉涵

IPC: H04N5/265 ,  H04N23/73 ,  H04N23/74 ,  H04N23/84 ,  H04N23/88

Abstract: 本发明光线和运动物体自适应的多相机视频拼接方法、系统及装置，该方法包括特征点检测、特征点匹配、相机参数优化、图像投影、光照补偿、动态更新拼接缝和动态更新拼接缝；该系统包括特征点检测模块、特征点匹配模块、相机参数优化模块、图像投影模块、光照补偿模块、动态更新拼接缝模块和图像融合模块；该装置，包括：至少一个存储器和至少一个处理器；所述至少一个存储器，用于存储机器可读程序；所述至少一个处理器，用于调用所述机器可读程序，执行所述的光线和运动物体自适应的多相机视频拼接方法。本发明实现了不同曝光强度下图片的亮度均衡，通过引入块状增益补偿实现了对多张带拼接图片的亮度补偿，使得拼接结果过渡更加自然。

公开(公告)号：CN118247146A

公开(公告)日：2024-06-25

申请号：CN202410262767.5

申请日：2024-03-07

Applicant: 西安交通大学

Inventor： 贺丽君 ,  任祉涵 ,  李凡

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T7/11 ,  G06T7/194 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/042 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种基于专家知识监督的遥感图像超分辨率学习方法及装置。该方法针对现有超分辨率学习方法通过双三次插值制作的数据集学习无法学习到对于遥感图像实际应用中起关键作用的信息，导致模型无法应对严重退化和包含不同物体的遥感图像，超分辨率图像在实际应用中无法取得满意的效果。将专家知识纳入超分辨率模型的学习过程中，使用粗粒度注释在细粒度任务中取得了显著改进。同时，提出了区域损失、特征损失和归因性损失，从三个角度利用专家先验信息，以指导超分辨率模型实现更加精确的多尺度物体重建，尤其是小物体。该装置包括初始化模块、图像处理模块、第一计算模块、第一判断模块、第二判断模块、第二计算模块和第三判断模块。本发明可以在不增加参数和推理时间的情况下提高实际任务的性能，为资源有限的遥感边缘设备提供了一种新的解决方案。

公开(公告)号：CN117217997A

公开(公告)日：2023-12-12

申请号：CN202311115220.4

申请日：2023-08-31

Applicant: 西安交通大学

Inventor： 贺丽君 ,  任祉涵 ,  李凡

IPC: G06T3/40 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094 ,  G06N3/0464 ,  G06V10/82

Abstract: 本发明公开了一种基于上下文感知边缘增强的遥感图像超分辨率方法，该方法针对现有超分辨率方法无法准确恢复物体边缘的问题，建立了一个边缘增强模块，通过双向加权融合的方法增强上下文语义特征和边缘特征，同时使用上下文特征指导边缘特征。边缘恢复模块旨在融合由边缘特征增强模块增强的多尺度边缘特征，并重构精细的边缘图。同时，由于现有损失函数仅在像素域对生成图像进行约束的问题，设计了一个边缘损失函数来约束生成的超分辨率图像和高分辨率图像在边缘域上的相似性。在UCMerced数据集上的测试结果显示了本发明取得了最佳的LPIPS值，可以获得更加符合人类视觉习惯的重建图像，同时，本发明取得了最佳的分类准确度，具有较高的实际应用价值。

公开(公告)号：CN222104899U

公开(公告)日：2024-12-03

申请号：CN202420852148.7

申请日：2024-04-23

Applicant: 西安交通大学

Inventor： 任祉涵 ,  贺丽君 ,  雷敏 ,  刘秋杨 ,  李凡

IPC: G01J5/48 ,  G01C21/20 ,  H04N7/18

Abstract: 本实用新型一种高架式棉田数据采集设备，包括移动平台，设置在移动平台上的路径规划及导航系统、数据传输单元、图像采集装置、通信模块、电源管理和控制装置；移动平台，能够根据预设的巡检路线进行自动导航，或者根据实时环境信息进行动态调整；路径规划及导航系统，用于移动平台的定位、导航及巡航路线控制；图像采集装置采集棉田的高清可见光图像和红外热图像；数据传输单元对图像采集装置采集的图像数据传输到服务器；通信模块将数据传输单元处理后的数据发送到中央管理系统或用户的移动设备上；电源管理为高架式棉田数据采集设备供电；控制装置对移动平台和图像采集装置进行控制，实现自动巡检和决策。本实用新型提高了巡检效率，减少了人力成本。