公开(公告)号：CN118229601A

公开(公告)日：2024-06-21

申请号：CN202410335322.5

申请日：2024-03-22

Applicant: 西安理工大学

Inventor： 金海燕 ,  陈雨佳 ,  左逢源 ,  肖照林 ,  苏浩楠 ,  张园林

IPC: G06T5/94 ,  G06T5/50 ,  G06T7/90 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了自校准机制的无监督弱光图像增强方法，采用亮度自校准子网络和颜色自校准子网络，使网络同时关注低光照图像的局部亮度信息和颜色信息，采用递归的方式实现网络架构，然后将网络输出特征经过大尺度U‑Net网络关注图像的全局亮度信息，最终得到亮度重构图像，通过动态调整损失函数的权重，以约束网络达到最优的融合结果，从弱光环境中的可见光图像出发得到最终增强图像。本发明解决了现有技术中存在的增强方法并不容易得到一个清晰、细节轮廓结构明显和颜色恢复自然的图像的问题。

公开(公告)号：CN117218018A

公开(公告)日：2023-12-12

申请号：CN202311075351.4

申请日：2023-08-24

Applicant: 西安理工大学

Inventor： 金海燕 ,  李龙 ,  苏浩楠 ,  张园林 ,  肖照林 ,  王彬

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/0464

Abstract: 本发明公开了基于多曝光多尺度递归融合的弱光图像增强方法，提出了多曝光特征递归融合模块块以及相应的融合策略，保留原始图像中的特征信息以及对不同曝光分支的输出进行自适应融合；通过多曝光产生块制造多种不同曝光的输出，统计正常光图像的亮度信息，构成一个概率分布，每次从中随机抽取一个全局比例因子来对每次的原始输入进行随机的曝光度的增强。通过多曝光产生块来得到原始图像不同曝光程度的输出，将不同曝光程度的输出利用多尺度特征增强网络进行从低分辨率到全分辨率的递归增强，将增强后的结果进行微调，得到高质量的增强输出。还能解决图像增强过程中由于亮度增强不充分、对比度较低、颜色偏淡、在恢复过程中将噪声放大的问题。

公开(公告)号：CN119904382A

公开(公告)日：2025-04-29

申请号：CN202510086884.5

申请日：2025-01-20

Applicant: 西安理工大学

Inventor： 孙璐 ,  石程 ,  张园林 ,  赵映程 ,  都双丽

IPC: G06T5/70 ,  G06T5/60 ,  G06T5/10 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于频域学习的轻量化视频去噪方法、模型训练方法及系统，属于视频处理技术领域，该方法获取清晰视频集和对应的噪声视频集，以噪声视频集作为轻量化视频去噪模型的输入，清晰视频集作为清晰视频集的标签，对轻量化视频去噪模型进行训练；在特征域获取噪声视频集中各视频帧的特征，在频率域计算各视频帧特征对应的幅值分量和相位分量的融合权重，然后对所有视频帧的幅值和相位进行融合，并将融合结果转换到特征域，得到融合视频帧；将融合视频帧和对应的方差图级联并输入加性Transformer结构，得到去噪后的视频帧特征，将去噪后的视频帧特征转换到像素域，得到去噪的视频帧，该方法显著提高了计算效率，提升了视频去噪质量，能够应用于算力受限设备，保障后续的视频分割、目标检测、目标识别等任务的性能。

公开(公告)号：CN119762953A

公开(公告)日：2025-04-04

申请号：CN202411826765.0

申请日：2024-12-12

Applicant: 西安理工大学

Inventor： 张园林 ,  金海燕 ,  苏浩楠 ,  石俊飞

IPC: G06V20/00 ,  G06V10/25 ,  G06V10/75 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于目标尺度显式调节的遥感多尺度目标检测网络方法，包括计算输入图像I的特征图F1；生成锚框A；为提案生成网络分配显式放大锚框A*；显式放大学习层生成G2*；生成区域提案P；为检测网络分配显式放大提案P*；感兴趣区域采样FP；显式复原学习层生成G4*；检测网络预测目标检测结果D。该基于目标尺度显式调节的遥感多尺度目标检测网络方法及移驾方法，解决了由于标对边界框偏移更加敏感、目标像素较少导致信息量少，不利于判别的原因，导致现有方法对小目标难以进行显示研究的问题。

公开(公告)号：CN118982472A

公开(公告)日：2024-11-19

申请号：CN202411050045.X

申请日：2024-08-01

Applicant: 西安理工大学

Inventor： 金海燕 ,  王静 ,  左逢源 ,  张园林 ,  王彬

IPC: G06T5/60 ,  G06T5/10 ,  G06T5/70 ,  G06T5/90 ,  G06V10/42 ,  G06V10/52 ,  G06V10/54 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于软门控融合机制和自适应频域感知的弱光图像增强方法；设计基于扩散模型的频域感知模块对输入的低光图像进行频域分析，在图像与特征层面处理不同的频域信息，提取图像的外观特征；设计细节保留模块，利用多尺度卷积块捕捉图像不同尺度的细节信息，得到输入图像的细节特征；设计特征融合模块，通过软门控融合机制，将图像的外观特征和细节特征融合在一起，并使用多层卷积块对融合结果进行特征重建，得到增强结果；设计自适应的损失函数，多个损失通过共享信息相互补充，使得模型收敛，最终得到最优增强图像的深度网络。本发明构建的模型能有效解决现有方法存在的图像纹理差、噪声大与颜色偏差等问题，更加符合人类感知的增强效果。

公开(公告)号：CN117115058A

公开(公告)日：2023-11-24

申请号：CN202311082633.7

申请日：2023-08-25

Applicant: 西安理工大学

Inventor： 金海燕 ,  杨越 ,  苏浩楠 ,  张园林 ,  肖照林 ,  王彬

IPC: G06T5/50 ,  G06T7/90 ,  G06T5/00 ,  G06V10/42 ,  G06V10/44 ,  G06V10/56 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了基于轻量特征提取和颜色恢复的弱光图像融合方法，通过轻量的特征提取模块(LFE)轻量化提取图像的局部特征和全局特征，可以最大限度地保留图像特征；使用融合模块(FB)进行图像融合和重建，得到能够准确描述输入图像对细节特征的灰度融合图像；使用颜色恢复网络(CR)对灰度融合图像进行着色，得到更符合人类视觉感知的彩色融合图像；再加上权重自适应的损失函数，自适应地调整损失函数的权重，以约束网络达到最优的融合结果。

公开(公告)号：CN117058041A

公开(公告)日：2023-11-14

申请号：CN202311107766.5

申请日：2023-08-30

Applicant: 西安理工大学

Inventor： 金海燕 ,  张锦 ,  苏浩楠 ,  张园林 ,  肖照林 ,  王彬

IPC: G06T5/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06T7/40 ,  G06N3/0464

Abstract: 本发明公开了一种高频纹理重建的弱光图像增强方法，采用SGHFP集成CNN模块和Transformer模块，使网络同时关注图像高频信息的局部和全局信息，最终将网络输出特征融合为高频信息重建图像，通过动态调整损失函数的权重，避免手工赋值，以约束网络达到最优的融合结果，从弱光环境中的可见光图像出发得到最终增强图像，且增强图像具有更加丰富的细节信息和更加清晰的结构轮廓。本发明解决了现有技术中存在的增强算法并不容易得到一个清晰、边缘轮廓结构明显和去噪结果优异的图像的问题。

公开(公告)号：CN119338684A

公开(公告)日：2025-01-21

申请号：CN202411374581.5

申请日：2024-09-29

Applicant: 西安理工大学

Inventor： 金海燕 ,  张锦 ,  苏浩楠 ,  张园林

IPC: G06T5/10 ,  G06T5/60 ,  G06T5/94 ,  G06T5/70 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/0464

Abstract: 本发明的目的是提供小波变化的弱光图像增强方法，首先设计小波变化模块，通过对输入的低照度图像Input进行小波变化和噪声去除得到重建特征信息Y1；然后设计深度细节感知模块，通过对重建特征信息Y1进行深层细节的提取，得到细节特征信息M_FSD；设计特征融合模块，将图像的重建特征信息Y1和细节特征信息M_FSD融合在一起，得到增强后的重建图像Yw等，将现有公开的弱光数据集LOL作为测试集，输入到训练好的网络模型中，之后对测试的结果进行保存，得到增强图像。本发明解决了现有技术中存在的增强算法不容易得到一个局部细粒度纹理清晰和大尺度纹理连续的图像的问题。

公开(公告)号：CN118967475A

公开(公告)日：2024-11-15

申请号：CN202411032024.5

申请日：2024-07-30

Applicant: 西安理工大学

Inventor： 金海燕 ,  于世豪 ,  苏浩楠 ,  张园林 ,  王彬

IPC: G06T5/50 ,  G06T5/60 ,  G06V10/143 ,  G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于vgg16和目标检测的轻量化红外与可见光图像融合方法，具体按照以下步骤实施：步骤1、设计以DenseNet为基础的红外和可见光图像融合网络；步骤2、通过红外和可见光图像融合网络产生最终的图像融合结果；步骤3、使用vgg16网络和yolo v5网络设计损失函数，训练基于视觉增强的红外与可见光图像融合算法；步骤4、设计交替式循环学习策略，通过多次交替训练后，使用目标检测损失指导融合网络，最终得到最优的融合图像。本发明解决了现有技术中存在的融合图像前景目标不突出，图像不符合人眼感知的问题，并显著改善了在高级视觉任务中的整体效果。

公开(公告)号：CN117132500A

公开(公告)日：2023-11-28

申请号：CN202311178208.8

申请日：2023-09-13

Applicant: 西安理工大学

Inventor： 金海燕 ,  帅奕帆 ,  左逢源 ,  苏浩楠 ,  张园林 ,  肖照林 ,  王彬

IPC: G06T5/00 ,  G06V10/771 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于稀疏变换网络的弱光增强方法，通过特征选择块STB进行特征选择，加入空间重建单元SRU和通道重建单元CRU减少模型中的冗余，使用NRetinex模块去除掉图像中不适当的特征，加入有效的混合尺度前馈网络MSFN补充信息，再加上两个相互补充的损失函数，以约束网络达到最优的弱光图像增强的结果。本发明解决了现有技术中存在的基于稀疏变换网络的弱光增强方法的问题。