-
公开(公告)号：CN113096053B
公开(公告)日：2024-02-09
申请号：CN202110287389.2
申请日：2021-03-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度引导滤波的高动态红外图像细节增强方法，对输入的高动态红外图像进行多尺度引导滤波分解，获得不同尺度的图像细节层；对所述不同尺度的图像细节层进行加权融合，获得多尺度融合的细节层，并通过与原始图像作差，获得相应的基本层；对所述多尺度融合的细节层和相应的基本层分别进行非线性压缩映射，获得增强的细节层和低动态的基本层；最后，叠加所述增强的细节层和低动态的基本层并进行归一化，获得细节增强的低动态红外图像。本发明能够快速高效地提取更多细节信息，也避免出现梯度翻转问题，细节增强性能和整体视觉效果较优。
-
公开(公告)号：CN112435177B
公开(公告)日：2023-12-08
申请号：CN202011242885.8
申请日：2020-11-10
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于SRU与残差网络的递归红外图像非均匀校正方法，将原始非均匀噪声图与原始非均匀噪声图进行通道数拼接，进行初步特征提取；其次，将初步特征提取结果经过简单递归单元(SRU)完成特征提取；经过多层残差块与卷积层处理，获得一阶段的红外图像非均匀校正结果；将所述一阶段的红外图像非均匀校正结果与原始非均匀噪声图进行通道数拼接，进行下一步特征提取，如此进行共N个阶段，获得最终的红外图像非均匀校正结果。本发明通过残差模块和简单递归单元共同作用，在以6个阶段作为递归的情况下，网络共享每个阶段的参数，大大降低了整体网络参数量，对大多数场景的红外图像都具有良好的非均匀性校正效果。
-
公开(公告)号：CN111157114B
公开(公告)日：2022-01-28
申请号：CN201911361649.5
申请日：2019-12-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于波长转换的长波红外多光谱成像方法及装置，将原始长波红外光谱图像进行分光获得不同光谱通道的长波红外光谱图像；再将所述不同光谱通道的长波红外光谱图像转换成近红外光谱图像；通过基于随机高斯矩阵设计的编码模板对近红外光谱图像完成编码获得光谱图像；通过压缩感知原理从所述光谱图像恢复出原始长波红外光谱图像；通过基于深度学习的SRCNN网络对恢复出的原始长波红外光谱图像WP×Q×l进行超分重建，获得高质量的具有目标长波特性的近红外光谱图像WNP×NQ×l。本发明利用基于深度学习的算法对光谱进行重构和超分，基于深度学习的神经网络能更好的提取光谱图像的空间相关性和谱间相关性，得到更高分辨率和信噪比的光谱图像。
-
公开(公告)号：CN108663118B
公开(公告)日：2020-10-16
申请号：CN201810050205.9
申请日：2018-01-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种红外宽波段高光谱计算成像装置，其包括前置红外镜头、编码模板生成加载、反射式空间光调制器、红外中继透镜组、单元型光谱辐射计、红外光谱计算成像模块、硬件同步控制器；还公开了红外宽波段高光谱计算成像方法。本发明利用单元型光谱辐射计具有较宽的光谱响应范围和较低的系统噪声的优势，不仅避免机械扫描弊端、减小数据采集量、缩短成像所需要的时间，而且提高光谱分辨率和空间分辨率；本发明不仅具备傅里叶光谱辐射计的实时、快速、准确、灵敏度高等特点，还有效地克服了传统单元非成像型红外成像光谱计存在的机械扫描速度慢，数据冗余量大等不足。
-
公开(公告)号：CN111091495A
公开(公告)日：2020-05-01
申请号：CN201910952609.1
申请日：2019-10-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于残差网络的激光图像高分辨率压缩感知重构方法，通过测量矩阵W与真实激光图像块xi相乘获得压缩感知测量yi；所述压缩感知测量yi通过基于凸优化的线性映射网络Ff(·)输出全连接层输出重构图像的初始估计图像块 所述初始估计图像块通过残差网络Fr(·)输出预估残差图像块 对所述初始估计图像块和预估残差图像块进行重构，并且将所有重构图像块拼接得到期望的高质量激光图像重构结果。本发明通过跳跃连接适当增加网络的深度，使得网络模型更易优化，训练过程收敛更快稳定，重构质量更好。
-
Patent Agency Ranking
公开(公告)号：CN119126252A
公开(公告)日：2024-12-13
申请号：CN202411305181.9
申请日：2024-09-19
Applicant: 西安电子科技大学
Abstract: 本发明实施例公开了一种基于超构表面的多光谱识别装置、方法、介质及设备，装置包括：分孔径成像镜组，用于采集目标物体的多光谱信息，并进行分孔径会聚以平行光形式输出分孔径会聚光；超构表面调制器件，用于通过微纳结构超表面生成预设个数的超表面原子，根据超表面原子对分孔径会聚光进行多光谱调制，获取已调制多光谱信息和未调制光谱信息；电荷耦合器件，用于采集已调制多光谱信息和未调制光谱信息，获取多光谱图像和全波段图像。目标检测模块，用于对多光谱图像和全波段图像进行特征融合后，进行softmax归一化处理，输出最终目标识别结果。通过在深度学习方法下结合超构表面多光谱成像，从而小型化成像设备，提高目标识别准确率。
-
公开(公告)号：CN118298144A
公开(公告)日：2024-07-05
申请号：CN202410359706.0
申请日：2024-03-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进贝叶斯优化广义回归神经网络的多光谱辐射测温反演方法，包括以下步骤：对红外多光谱图像序列进行预处理，并将预处理后的数据与目标真实温度对应起来，构建为数据集；建立用于目标测温区域真实温度回归反演的广义回归神经网络模型；基于数据集，采用仿生优化算法作为贝叶斯优化的采样方法，并利用改进的贝叶斯优化算法对广义回归神经网络模型中的超参数进行优化，以便于利用优化好的广义回归神经网络模型反演目标真实温度。该方法无需假设发射率模型，具有较高的测温效率和测温精度，且具有更广泛的适用性。
-
公开(公告)号：CN112561838B
公开(公告)日：2024-01-30
申请号：CN202011392344.3
申请日：2020-12-02
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于残差自注意力和生成对抗网络的图像增强方法，通过残差自注意力模块对低质量红外图像进行红外图像特征提取，获得低级红外特征图；通过增强模块对提取到的低级红外特征图进行多尺度深层次细节特征提取，获得高级红外特征图；低级特征图与高级特征图进行卷积合并生成增强红外图像，将增强红外图像和与低质量红外图像配对的高质量红外图像输入判别器，在生成对抗网络的生成器和判别器的训练过程中，确定两幅图像的纹理损失、内容损失、全变分损失，对比度损失，引导生成器与判别器的参数更新方向，不断提高增强红外图像的细节特征，获得质量相对最优的增强红外图像。
-
公开(公告)号：CN111157114A
公开(公告)日：2020-05-15
申请号：CN201911361649.5
申请日：2019-12-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于波长转换的长波红外多光谱成像方法及装置，将原始长波红外光谱图像进行分光获得不同光谱通道的长波红外光谱图像；再将所述不同光谱通道的长波红外光谱图像转换成近红外光谱图像；通过基于随机高斯矩阵设计的编码模板对近红外光谱图像完成编码获得光谱图像；通过压缩感知原理从所述光谱图像恢复出原始长波红外光谱图像；通过基于深度学习的SRCNN网络对恢复出的原始长波红外光谱图像WP×Q×l进行超分重建，获得高质量的具有目标长波特性的近红外光谱图像WNP×NQ×l。本发明利用基于深度学习的算法对光谱进行重构和超分，基于深度学习的神经网络能更好的提取光谱图像的空间相关性和谱间相关性，得到更高分辨率和信噪比的光谱图像。
-
公开(公告)号：CN108665479A
公开(公告)日：2018-10-16
申请号：CN201710428155.9
申请日：2017-06-08
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于压缩域多尺度特征TLD的红外目标跟踪方法，获取视频图像的多尺度特征并且将每一个多尺度特征级联成列向量，构建高斯稀疏测量矩阵并利用其对多尺度特征列向量进行降维处理以减少数据量，根据贝叶斯分类器对所有已降维的多尺度特征进行分类，通过多尺度的最大后验概率获取目标位置，根据所述目标位置确定跟踪目标。本发明能够在目标旋转、快速移动及目标被遮挡等情况下对目标进行稳定跟踪，具有较好的鲁棒性能。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.028 seconds)
