公开(公告)号：CN117974524A

公开(公告)日：2024-05-03

申请号：CN202410209728.9

申请日：2024-02-26

Applicant: 西安电子科技大学

Inventor： 王柯俨 ,  段跳楠 ,  卢洪磊 ,  许宁 ,  周培诚 ,  李云松

IPC: G06T5/90 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于Retinex多尺度融合的低光照图像增强方法，主要解决现有方法处理后图像效果不自然及纹理细节被噪声所淹没的问题。包括：1)对初始图像进行预处理，构建训练集；2)构建包含Retinex半解耦网络和自适应交叉融合模块的低光照图像增强网络，由三条支路并行处理提取特征，接着基于双边网格估计分量，通过不同尺度上并行解耦获得多级特征并融合；3)构建由半解耦平滑损失和重建损失组成的联合损失公式；4)利用训练集训练网络，直至收敛；5)将待处理图像输入到训练好的网络中，实现图像增强。本发明能够有效改善低光照图像效果，在亮度提升、色彩恢复上更为自然，同时增加对较暗区域信息恢复的完整性。

公开(公告)号：CN118570597A

公开(公告)日：2024-08-30

申请号：CN202410692906.8

申请日：2024-05-31

Applicant: 西安电子科技大学

Inventor： 王柯俨 ,  王智 ,  周培诚 ,  郑高翔 ,  吴雪岩 ,  李云松

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于数据级和特征级深度融合的三维目标检测方法，主要解决现有技术模型鲁棒性低且存在严重误检、漏检及检测精度低的问题。其实现方案是：选择带标注的数据集，将其预处理为尺寸统一的训练集和测试集；构建包括数据级融合模块、体素特征提取模块、图像特征提取模块、全局交叉注意力特征融合模块、局部自注意力特征增强模块和检测头的三维目标检测网络；将训练集及标注信息分为多个配对点云图像组，并依次循环输入至三维目标检测网络完成训练；将测试集输入至训练完成后的三维目标检测网络输出检测结果。本发明具有很高的鲁棒性，能在点云稀疏或目标被遮挡的情况下有效降低误检和漏检，提高检测精确度，可用于复杂环境下的3D场景感知。

公开(公告)号：CN118521511A

公开(公告)日：2024-08-20

申请号：CN202410610319.X

申请日：2024-05-16

Applicant: 西安电子科技大学

Inventor： 王柯俨 ,  宗星芃 ,  黄诗芮 ,  董鑫宇 ,  周培诚 ,  李云松

IPC: G06T5/77 ,  G06V10/764 ,  G06N3/096 ,  G06N3/045 ,  G06V10/774 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种两阶段蒸馏学习的恶劣天气退化图像的通用复原方法，主要解决现有通用恶劣天气图像复原方法模型参数量大、网络结构复杂的问题。其方案是：获取多种恶劣天气的数据并划分训练集和测试集；构建包括天气退化感知器、感知复原网络和天气分类器的一阶段网络；构建包括天气退化感知器和感知复原网络的二阶段蒸馏网络；利用训练集对一阶段网络进行训练，再利用训练集和一阶段网络训练后的结果训练二阶段网络；将测试集输入到二阶段网络训练后的模型中输出复原结果。本发明能高效地提取恶劣天气图像的不同特征，在极低参数量下能获得恶劣天气的高质量复原图像，且图像处理时间接近实时性标准，可应用于户外影像监控、雨雪天气下智能驾驶系统识别。

公开(公告)号：CN116912520A

公开(公告)日：2023-10-20

申请号：CN202310919325.9

申请日：2023-07-25

Applicant: 西安电子科技大学

Inventor： 王柯俨 ,  刘园 ,  周培诚 ,  麦兴国 ,  熊浩博 ,  刘凯 ,  张静 ,  李云松

IPC: G06V10/58 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80 ,  G06T9/00

Abstract: 本发明公开了一种基于空谱特征提取的高光谱端到端压缩方法，主要解决现有高光谱图像压缩方法不能充分利用高光谱图像光谱信息提取光谱特征的问题。其实现方案是：将现有高光谱数据集划分为训练集和测试集，并对训练集进行扩充；构建包括空谱特征提取模块、空谱特征融合编码模块、熵模型、空谱特征融合解码模块和空谱特征恢复模块组成的基于空谱特征提取的高光谱端到端压缩网络及其损失函数；将训练集按批量大小分别平分为多个图像组，并依次循环输入多次，直到损失函数收敛完成训练；将测试集输入到训练好的压缩网络，得到重建的高光谱图像。本发明能分别提取空间特征和光谱特征，有效提高高光谱图像压缩效率，可用于遥感高光谱图像的处理。

公开(公告)号：CN118608799A

公开(公告)日：2024-09-06

申请号：CN202410645443.X

申请日：2024-05-23

Applicant: 西安电子科技大学

Inventor： 王柯俨 ,  马豪逸 ,  周培诚 ,  贾佳 ,  唐苒 ,  熊浩博 ,  宋娟 ,  刘凯 ,  李云松

IPC: G06V10/44 ,  G06V10/54 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V20/10

Abstract: 本发明公开了一种基于多尺度非对称编解码网络的遥感图像压缩方法，主要解决现有方法不能充分提取遥感图像中多尺度细节信息的问题。其实现方案是：获取遥感图像数据集并划分为训练集和测试集；构建由多尺度残差模块、多尺度空洞注意力模块、多尺度非对称编解码器、自适应上下文熵模型和超先验编解码器组成的基于多尺度空洞注意力的非对称遥感图像压缩网络及其损失函数；将训练集按批量大小均分为多个图像组，依次循环输入到该网络，直至损失函数收敛；将测试集输入到训练好的压缩网络，得到重建的遥感图像。本发明能增强压缩模型对遥感图像中多尺度信息的特征提取能力，减少通道冗余，提高遥感图像压缩性能，可用于对纹理细节丰富、数据量大的图像进行处理。

公开(公告)号：CN115375668A

公开(公告)日：2022-11-22

申请号：CN202211086622.1

申请日：2022-09-07

Applicant: 西安电子科技大学

Inventor： 王柯俨 ,  吴雪岩 ,  周培诚 ,  杨丽鋆 ,  张铭津 ,  刘凯 ,  李云松

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的红外单帧小目标检测方法，主要解决现有技术模型泛化能力较差且存在严重误检、检测率较低及虚警较高的问题。其实现方案是：从公开数据集中选择带标注的数据集，对其预处理为尺寸统一的训练集和测试集；构建由编码端解码端交互引导模块、虚警注意模块和主干网络组成的多维度注意力感知网络；将训练集及其标注信息按批量大小分别平分为多个配对图像组，并依次循环输入多次至多维度注意力感知网络完成训练；将测试集输入至训练完成的多维度注意力感知网络，输出红外小目标检测结果。本发明对目标大小和场景变化具有很高的鲁棒性，能够在提高检测率的同时有效降低虚警率，可用于复杂背景下红外小目标的精确检测。