-
公开(公告)号：CN119887527A
公开(公告)日：2025-04-25
申请号：CN202411950656.X
申请日：2024-12-27
Applicant: 西安电子科技大学
IPC: G06T3/4069 , G06T3/4046 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于混合卷积的自注意力红外图像超分辨重建方法，对初始的待重建红外图像进行像素嵌入，获取其浅层特征F0；利用级联的N个Swin Transformer混合卷积组和1个卷积层，对浅层特征F0进行深层特征提取，获取深层特征FDF；其中每个Swin Transformer混合卷积组由级联的L个Swin‑CNN融合处理块和1个卷积层组成；基于浅层特征F0和深层特征FDF，利用重建函数进行红外图像超分辨重建。本发明融合了Swin Transformer和CNN的优势，从融合处理全局和局部信息的层面上提高了对红外图像细节及特征的重建性能，在准确性和鲁棒性方面展现出了显著优势，并最终实现了高质量的红外图像重建。
-
公开(公告)号：CN117522815A
公开(公告)日：2024-02-06
申请号：CN202311491758.5
申请日：2023-11-09
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于光谱约束和逆距离协同表示的高光谱异常检测方法，使用相应的高光谱图像数据集进行训练，采用本发明研究的一种基于光谱约束的堆叠自编码器来有效重构背景样本；其后利用重构背景与输入的重构误差进行异常检测获得初步检测结果；本发明研究了逆距离协同表示方法，将堆叠自编码器最中间隐藏层的特征输入至逆距离协同表示模块得到异常分数估计结果，最后，将异常分数估计结果转化为自适应的异常权重矩阵，以优化初步检测结果，在抑制背景时保留异常，提高算法的异常检测性能。
-
公开(公告)号：CN117522689A
公开(公告)日：2024-02-06
申请号：CN202311489787.8
申请日：2023-11-09
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/42 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度亚像素联合卷积残差网络的图像超分辨方法。该方法以基于深度卷积网络的图像超分辨方法为基础框架，并进行一些改进：在网络正式训练前，通过亚像素卷积放大图像分辨率，以此解决基于深度卷积网络的图像超分辨方法中插值法引起的计算量过大问题。此外，基于深度亚像素联合卷积残差网络的图像超分辨方法还引入联合卷积结构，在减少网络层数的同时提升了特征提取的准确率和效率。本发明能够实现图像的高清重制，提升图像分辨率，并且有效降低了网络的训练难度。
-
公开(公告)号：CN120032245A
公开(公告)日：2025-05-23
申请号：CN202510043019.2
申请日：2025-01-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于联合特征与三边滤波引导的高光谱异常检测方法，包括：构建AE网络；通过所述基于三边滤波的引导模块对待检测图像进行进行背景纯化，获得引导特征图；通过基于空谱联合的注意力机制模块将所述引导特征图与学习到的通道权重进行逐元素相乘，得到经过通道注意力加权后的特征图；通过基于空谱联合的注意力机制模块将所述引导特征图与学习到的空间权重相乘，得到经过空间注意力加权后的特征图；将所述经过通道注意力加权后的特征图和经过空间注意力加权后的特征图相乘获得最终的特征表示；对所述最终的特征表示进行差分检测，获得检测结果图像。
-
-
-
Search Results
4
records
(took 0.019 seconds)
