-
公开(公告)号：CN117522739A
公开(公告)日：2024-02-06
申请号：CN202311749203.6
申请日：2023-12-19
Applicant: 重庆邮电大学
IPC: G06T5/73 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/762 , G06N3/0464 , G06N3/08
Abstract: 本发明属于遥感图像去雾领域，具体涉及一种基于物理和频域指导的两步高光谱图像去雾方法，包括：构建训练数据集；构建用于第一步训练的去雾模型和构建用于第二步训练的改进的RGB去雾模型；为第一步和第二步的模型设计损失函数并进行两步模型的训练；通过训练好的两步模型进行图像去雾。本发明引入了来自RGB图像去雾领域的丰富经验，并可以通过物理和频域指导有效的提升深度学习模型的可解释性和弥补CNN为基础的模型的局部性。
-
公开(公告)号：CN116894977A
公开(公告)日：2023-10-17
申请号：CN202310865372.X
申请日：2023-07-14
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/42 , G06V10/25 , G06V10/82 , G06N3/0499 , G06N3/0464 , G06N3/09
Abstract: 本发明属于遥感目标检测领域，具体涉及一种基于轻量型Transformer的遥感目标检测方法，包括：将一个阈值可学习的token剪枝策略应用于视觉Transformer，以自适应地在不同编码器层级上减少冗余的token；通过一种注意力传播策略来重用前一层多头自注意力模块中的自注意力矩阵，进而绕过大量的自注意力计算；通过建立分类损失、回归损失以及剪枝损失，对整个网络进行优化，利用优化后的网络进行目标检测。本发明采用全自动的token剪枝策略与高效的注意力传播策略，能够有效地降低固定数量的token和各层自注意力矩阵之间的高相似性所带来的冗余，提升了模型的计算效率和推理速度。
-
公开(公告)号：CN106597408B
公开(公告)日：2019-12-06
申请号：CN201611169629.4
申请日：2016-12-16
Applicant: 重庆邮电大学
IPC: G01S7/41
Abstract: 本发明请求保护一种基于时频分析和瞬时频率曲线拟合的高阶PPS信号参数估计方法，属于信号处理技术领域。该方法先将接收到的高阶PPS信号进行采样处理，通过平滑伪Wigner‑Ville变换来抑制时频交叉项干扰，然后将得到的时频分布通过提取极大值的方法获取信号的瞬时频率，并利用最小二乘法进行瞬时频率曲线拟合，同时进行曲线拟合阶数的判定，通过多组试验可实现高阶PPS信号参数精确估计的目的。本方法能有效抑制高阶PPS信号的交叉项干扰，在低信噪比下估计出未知阶次的PPS信号相位参数，具有较好的参数估计性能，克服了传统方法受时频交叉项干扰的影响，对非平稳信号的后续处理以及特征分析具有重要意义。
-
公开(公告)号：CN109410258A
公开(公告)日：2019-03-01
申请号：CN201811120633.0
申请日：2018-09-26
Applicant: 重庆邮电大学
IPC: G06T7/40
Abstract: 本发明请求保护一种基于非局部二值模式的纹理图像特征提取方法，属于图像处理、模式识别领域。本发明的实现步骤为：首先提取输入图像的像素及其邻域像素；然后计算各分辨率下的非局部中心像素Cmn，同时进行不同分辨率下的非局部二值模式编码，生成各像素点的NL_BPmn码值；再对各分辨率级别下的NL_BPmn码值进行直方图统计，并将同一分辨率级别下的非局部直方图级联；最后级联各分辨率下的非局部特征直方图构成最终的非局部特征直方图。本发明的应用能够有效地提取对噪声干扰、旋转和光照变化鲁棒的纹理特征。
-
公开(公告)号：CN119445619A
公开(公告)日：2025-02-14
申请号：CN202411566435.2
申请日：2024-11-05
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06T7/73 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于视觉Transformer的头部姿态估计方法，包括：构建头部姿态估计模型；获取待检测的图像，将图像输入到训练后的头部姿态估计模型中，得到头部姿态估计结果；所述头部姿态估计模型包括视觉Transformer预训练网络模块、多尺度Transformer编码器模块、CNN模块以及预测头模块；本发明通过图像翻折操作引入翻折图像，能够为原图像提供自监督信息，通过这种方式，模型可以学习到姿态变化的反向特征，使得模型能够捕捉到不同姿态下的相似性，进一步提升头部姿态估计的准确度和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN117522702A
公开(公告)日：2024-02-06
申请号：CN202311753953.0
申请日：2023-12-19
Applicant: 重庆邮电大学
IPC: G06T5/00 , G06V10/80 , G06V10/764 , G06V10/774 , G06T3/4038 , G06T5/10 , G06N3/0464 , G06N3/08
Abstract: 本发明属于低光照图像增强领域，具体涉及一种基于频谱交互的低光照图像增强方法，包括构建低光照图像增强模型，该模型包括空域特征提取模块、频谱实部交互模块和亮度感知融合模块，对该模型进行训练，并利用完成训练的低光照图像增强模型对低照度图像进行增强；本发明采用两个分支进行融合的策略可以有效地利用两个分支的优势，避免各自的不足，进一步提高图像的质量和清晰度。
-
公开(公告)号：CN108876832A
公开(公告)日：2018-11-23
申请号：CN201810540860.2
申请日：2018-05-30
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于分组‑次序模式的鲁棒纹理特征提取方法，属于图像处理、模式识别领域。主要思路是：首先采用双线性插值获取待处理图像每个中心像素及其近邻像素，并对插值所得像素进行均值滤波。然后通过对近邻像素进行分组以降低特征维度，并对分组后各组中的近邻像素值间的大小次序进行编码。最后对图像中所有像素在不同分组中所得编码值进行直方图统计，并将各组的直方图级联构成最终的纹理特征直方图。
-
公开(公告)号：CN106126479A
公开(公告)日：2016-11-16
申请号：CN201610531374.5
申请日：2016-07-07
Applicant: 重庆邮电大学
IPC: G06F17/15
CPC classification number: G06F17/15
Abstract: 本发明请求保护一种基于遗传变异优化的二阶振荡粒子群盲源分离方法，属于盲信号处理技术领域。该方法克服了传统盲源分离算法非线性激活函数选取难题，可在源信号先验知识未知情况下有效分离混合信号。以分离信号负熵作为目标函数，利用固定惯性权重均衡局部和全局搜索能力；学习因子二阶振荡环节的加入可在粒子数目不变情况维持种群多样性；引入遗传变异机制，有利于处改善由二阶振荡的加入而造成收敛速度降低的情况。对模拟振动信号和混沌映射信号的分离说明该方法能应用到机械信号故障检测领域以及处理确定的类噪声信号等方面。本方法为智能算法盲源分离的改进型理论研究提供了补充，对工程应用中未知混合信号的分离具有重要意义。
-
公开(公告)号：CN119963898A
公开(公告)日：2025-05-09
申请号：CN202510023366.9
申请日：2025-01-07
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06T7/11 , G06N3/0455 , G06N3/08
Abstract: 本发明属于高光谱图像分类领域，具体涉及一种基于频率提示和空谱Transformer网络的高光谱图像分类方法，包括：将高光谱图像通过离散余弦变换取出低频部分和可学习的高频提示组成频率提示，来利用高光谱图像中丰富的频域信息；通过多阶段策略来充分挖掘高光谱图像中蕴含的空间信息和光谱信息；通过空谱交叉自注意力设计出空谱融合Transformer和多阶段融合Transformer，促进每个阶段的空间信息和光谱信息之间的有效交互和增强不同阶段融合特征之间的互补效果；通过建立分类损失，对整个网络进行优化，利用优化后的网络进行图像分类。本发明采用端到端的训练策略，能够充分地挖掘高光谱图像中蕴含的空间信息与光谱信息和有效地利用高光谱图像中丰富的频域信息。
-
公开(公告)号：CN117764862A
公开(公告)日：2024-03-26
申请号：CN202311814325.9
申请日：2023-12-26
Applicant: 重庆邮电大学
IPC: G06T5/70 , G06T5/00 , G06N3/0464 , G06N3/08 , G06T5/60
Abstract: 本发明属于编码孔径快照光谱成像系统中高光谱重建领域，具体涉及一种基于空谱双先验频域增强的高光谱图像重建方法，包括：根据编码孔径快照光谱成像系统获取高光谱图像、高光谱图像的系统测量值和成像掩码，将系统测量值和成像掩码输入训练好的高光谱图像重建模型，得到重建高光谱图像；所述高光谱图像重建模型包括成像掩码预处理模块、空间先验降噪重建模块以及卷积层；本发明采用了空间先验降噪重建模块利用空间学习和频域学习两条分支从不同角度对空间信息进行恢复，频域学习分支使用成像调制掩码作为空间先验辅助恢复空间细节特征，提高了模型的高光谱重建质量。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.016 seconds)
