本发明公开了一种基于月相图形函数化拟合的过采样校正方法及系统，所述方法包括以下步骤：基于对比度或边缘识别，提取预获取月球图像在卫星扫描方向与卫星运动方向的像素长度；根据星历计算卫星参数与月球参数；其中，卫星参数与月球参数分别为遥感器沿卫星运动方向的扫描速度与月球‑卫星‑太阳的相对位置；基于提取获得的像素长度计算月相角与轨道角，构建获得卫星视角的理论月相图形函数；通过函数拟合，确定预获取月球图像与理论月相图形函数的转化系数，获得过采样系数；基于所述过采样系数修正由于卫星观测月球图像的时间序列重组造成的月球形状拉伸，实现过采样校正。本发明能够较准确地剔除过采样对月球辐射校正的影响。
📄 2020112005552
📂 G06T3_40
👤 青岛科技大学
📅 2020-10-30
本发明公开了一种图像超分辨率重建方法，包括：获取训练数据集并对训练数据集进行增广处理；构建图像超分辨率重建网络模型；通过增广处理后的训练数据集对构建好的图像超分辨率重建网络模型进行训练；将待重建的图像输入训练好的图像超分辨率重建网络模型得到重建的超分辨率图像，本发明在不改变成像系统硬件设备的前提下，能够有效提升获取图像的边缘清晰度。
📄 2022115299928
📂 G06T3_4053
👤 南京信息工程大学
📅 2022-11-30
一种用于煤场的红外-可见光双光图像拼接与融合方法，先使用SIFT检测算子检测图像的特征点，然后使用HOG进行特征描述，将获得的描述子使用最近邻比次近邻匹配，接着使用RANSAC进行外点移除，然后计算单应矩阵，之后使用Bundle Adjustment进行微调，此时对于可见光图像可以进行拼接得到煤场全景图，接着，对于红外图和煤场全景图进行配准，最后送入深度学习模块进行融合得到红外-可见光融合图像。本发明能够适应煤场的恶劣环境，提供红外-可见光双光拼接融合图像，有利于煤场工作人员进行现场监控以及为后续热源检测提供数据依据。
📄 2019105105002
📂 G06T3_40
👤 浙江工业大学
📅 2019-06-13
一种基于类高斯模糊核的图像正则化超分辨重建方法，综合考虑畸变和扰动因素即现有模型与实际退化的匹配误差，采用类高斯函数模型对实际退化所造成的模糊效应进行建模，并以最小均方误差为准则对图像进行超分辨重建。本发明采用四个参量来具体描述客观的模糊过程会更加逼近于模糊的实际情况，通过理论分析及实验结果得到，该模型用于去模糊算法中，提高了图像重建的效果。
📄 202011391482X
📂 G06T3_4053
👤 浙江工业大学
📅 2020-12-02
本发明涉及一种时变体数据的空间超分辨率重建模型及其训练方法，模型包括依次连接的第一卷积层、基础模块、第一上采样模块、第二卷积层、第一InstanceNorm层、第一LeakyReLU激活函数层、第三卷积层、第一Sigmoid激活函数层；基础模块包括N个依次连接的基础单元，相邻两基础单元之间创建有低分辨率体数据的跳跃连接以及高分辨率体数据的跳跃连接；基础单元包括通道注意力层、空间注意力层、第二InstanceNorm层、第二上采样模块、下采样模块、第二LeakyReLU激活函数层，通道注意力层、空间注意力层、第二InstanceNorm层依次连接，第二上采样模块、下采样模块、第二InstanceNorm层依次连接，第二InstanceNorm层与第二LeakyReLU激活函数层连接。本发明考虑时变体数据时序变化信息对模型进行训练，以得到超分辨率重建效果好的模型。
📄 2022108056508
📂 G06T3_4053
👤 浙江工业大学
📅 2022-07-08
本发明提供了一种货架商品图像拼接方法及系统，本发明先将两张货架商品图像A和B输入至一训练好的深度单应性估计网络，获得估计的单应性矩阵H；依据单应性矩阵H对货架商品图像B进行形变，得到对应的形变图像C；再将得到的形变图像C与货架商品图像A进行拼接融合，最后进行特征优化，增强图像质量，得到高分辨率的拼接图像E。本发明采用了一个由特征提取模块、特征相关层、回归模块组成的深度单应性估计网络来对两幅图像之间的单应性进行预测，大大减少了拼接图像中的伪影现象，提高了图像质量。本发明模型具有拼接任意尺寸输入图像的功能，解决了货架输入图像尺寸多样的难题。
📄 2022109765592
📂 G06T3_40
👤 浙江工业大学
📅 2022-08-15
一种基于多注意力残差特征融合的医学图像超分辨率重建方法，联合了通道注意力机制和空间注意力机制两个模块，让网络对输入图片的特征进行加权重处理，从而解决输入特征被平等处理而导致网络表征能力不足的问题；提出了残差注意力特征融合模块(RAFF)，将神经网络中局部的特征进行融合，再加上全局的特征融合，可以更充分地利用整个网络中的局部残差特征，从而解决深度神经网络过深而网络学习能力不足的问题。本发明有效地对医学图像进行超分辨率重建，可以提高较深的超分辨率网络的图像超分重建性能。
📄 2021106360354
📂 G06T3_40
👤 浙江工业大学
📅 2021-06-08
一种基于改进faster R‑CNN的物流车辆特征定位的方法，包括：步骤一，物流车辆图像增强处理；引入数据增强的手段对物流车辆图像进行处理；步骤二，构建基础网络模型；采用VGGNet‑16基本网络作为特征提取网络；同时为了实现对物流车辆的定位，在VGGNet‑16的第五个卷积层第三个卷积分层中的特征提取模块后加入了一个RPN网络的目标检测定位模型；步骤三，使用非极大值抑制算法对物流车辆目标的筛选；步骤四，对物流车辆目标特征进行统一归一化；将得到的固定维度数据的特征图传入到基本网络模型的第七阶段即可求得精确的物流车辆定位边界框及其对应车型的概率。本发明在不同环境、场景下对物流车辆的特征定位性能良好。
📄 2020106901789
📂 G06T3_4084
👤 浙江工业大学
📅 2020-07-17
本发明涉及一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，通过将待重建图像分为训练数据集与测试数据集并分别进行增强和预处理，构建拉普拉斯金字塔结构的团网络并输入训练数据集进行训练，将测试数据集输入到训练好的拉普拉斯金字塔结构的团网络中，逐级重建超分辨率图像。本发明采用拉普拉斯金字塔结构，通过渐进式重建高分辨率图像的方式，逐步地优化重建结果，更好解决超分辨率图像重建，将残差学习应用到网络中，减少网络参数，避免网络复杂度增加引起的梯度爆炸等问题，在每个构建模块中，任意两个卷积层之间既有前向又有反馈连接，层间信息交替更新，使层间信息流和反馈机制最大化，层间连接更加密集，提取到更多细节的特征。
📄 2018113310767
📂 G06T3_40
👤 浙江工业大学
📅 2018-11-09
一种基于改进生成对抗网络的图像超分辨率重建方法，包括如下步骤：1)收集大量2k像素高质量图片，从中截取大量HR块，通过4倍下采样的方式得到对应的LR块，以此构建训练数据集。2)建立生成对抗网络模型，生成器网络G采用残差网络，条件判别器D同样采用残差网络。3)用相对判别器的思想改进生成对抗网络的训练损失函数，并在生成器损失函数中加入内容损失，在判别器损失函数中加入基于假数据的梯度惩罚项，再使用处理好的的训练数据集并采用Adam优化器对网络进行对抗训练，直到其收敛。4)由训练好的生成器网络完成对低像素图像的4倍超分辨率重建。
📄 2019103047430
📂 G06T3_40
👤 浙江工业大学
📅 2019-04-16
一种洛伦兹拟合模糊核的图像超分辨重建方法，针对图像超分辨过程中现有的点扩散函数形式无法有效近似实际退化过程，即与实际退化函数模型有着较大的近似误差，直接影响了超分辨重建的最终效果。该方法充分考虑实际退化所形成的模糊效应，采用洛伦兹函数的线性组合对实际退化所造成的模糊效应进行建模，并以最小均方误差为准则对图像进行超分辨重建。本发明采用四个参量来具体描述客观的模糊过程会更加逼近于模糊的实际情况，通过理论分析及实验结果得到，该模型用于去模糊算法中，提高了图像重建的效果。
📄 202011361613X
📂 G06T3_40
👤 浙江工业大学
📅 2020-11-27
本发明公开了一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强方法，实施方式为对工业相机采集的原始图像数据按照图像类别进行标定，并通过降采样调整图像尺寸，生成各类别图像的灰度直方图，通过最大似然估计法拟合灰度直方图，获得原始图像像素值分布的概率密度函数f(x)，根据Box‑Muller算法或马尔可夫链蒙特卡洛采样算法生成近似符合概率密度函数为f(x)的二维随机噪声，最后结合WGAN‑GP和SRCNN搭建数据增强模型，通过逐层训练的方式避免生成对抗网络直接向高分辨率图像映射困难的弊端，进而得到高分辨率的生成图像，完成对原始图像数据集的增强。本发明有效降低了模型参数的冗余性，相比传统方法，生成图像的峰值信噪比提高13.07％，结构相似性提高32.40％。
📄 2023101889869
📂 G06T3_4076
👤 浙江工业大学
📅 2023-03-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台