本申请公开了图像处理的方法、装置、设备以及存储介质，涉及人工智能、深度学习、图像处理技术领域。实现方案为：将掩膜图像和第一图像输入编码网络；利用编码网络的各卷积层对第一图像下采样；至少一层卷积层通过输入本层的掩膜图像确定输入本层的第一图像进行卷积时每个卷积窗口的卷积核；将第二图像输入解码网络；利用解码网络的各反卷积层对第二图像上采样，并输出对目标区域进行填补后的图像。本申请实施例通过掩膜图像确定同一层中第一图像进行卷积时每个卷积窗口的卷积核，因此能够利用动态计算的卷积核更好地自适应不同卷积窗口中有效像素的特征提取，提高了特征提取的敏感度，从而使得最终对图像缺失区域的填补修复更加合理。
📄 2020105993139
📂 G06T5_77
👤 北京百度网讯科技有限公司
📅 2020-06-28
本申请公开的基于自注意力机制的循环特征推理的图像修复方法，包括：构建SA‑RFR网络结构：包括预处理模块、特征推理模块和自适应重影融合模块；将破损图像和对应的蒙版输入网络结构中，先经过预处理模块处理，进行特征图的提取以及蒙版的判定并更新；后将预处理模块的输出输入到特征推理模块，合成破损图像的部分内容；将前面两个模块交替迭代共6次，每一次都对修复的特征图进行保存；最后一次修复完成后，将修复过程中生成的所有特征图合并为一个通道的固定特征图，最后经过自适应重影融合模块完成修复，生成最终结果。本发明涉及的技术方案，其能够针对大区域缺失图像进行修复，使修复后的内容细节更加清晰，边缘更加平滑，结构更加合理。
📄 2021112307754
📂 G06T5_77
👤 长沙理工大学
📅 2021-10-22
本发明涉及图像增强技术领域，具体涉及一种用于矿山安全作业的监控视频数据处理方法及系统。该方法包括：对采集到的视频图像进行处理得到静态图像；基于第t帧和第t+1帧静态图像，确定第t帧和第t+1帧静态图像的特征点丢失连通域；基于第t帧静态图像和第t+1帧静态图像的特征点丢失连通域，确定第一特征点丢失连通域和第二特征点丢失连通域；基于第一特征点丢失连通域和第二特征点丢失连通域之间的灰度变化程度，确定第一特征点丢失连通域的光照影响程度；以光照影响程度为增强系数，对第一特征点丢失连通域内的像素点的灰度值进行增强处理。本发明提供的方法能够有效的改善安全作业监控的视频图像的质量。
📄 2025111526659
📂 G06T5_77
👤 大连通翼科技有限公司
📅 2025-08-18
本发明公开了一种图像处理技术领域的基于立方体投影格式的双生成器全景图像修复方法，旨在解决现有技术中图像修复后会有伪影、失真和过度平滑等问题，其包括获取待修复全景图像，并将其格式转换为立方体贴图投影格式；将待修复全景图像的前、后、左、右四个面进行拼接，得待修复矩形图像；利用四面生成器对待修复矩形图像进行修复，得重构矩形图像；将重构矩形图像与上、下两面按通道拼接，得多通道的待修复图像；利用六面生成器对多通道的待修复图像进行修复，得重构全景图像；将重构全景图像的格式转换为等距柱状投影格式，即为修复后的全景图像。本发明在保证修复区域的内容合理的同时，减少修复区域的伪影、失真和过度平滑的现象出现。
📄 2023109376781
📂 G06T5_77
👤 南京信息工程大学
📅 2023-07-28
本发明公开了一种基于重启策略与近似交替惩罚算法的图像补全方法，包括获取待补全的自然图像数据输入低秩全变分修复模型；利用近似交替惩罚算法迭代求解所述低秩全变分修复模型，并在迭代次数达到N的倍数时利用重启策略重置近似交替惩罚算法中的变量，直至迭代至预设的最大迭代次数；输出求解得到的补全后的自然图像数据。本申请建立的低秩全变分修复模型从多维度考虑图像修复，并且采用近似交替惩罚算法对低秩全变分修复模型进行求解，以应用于自然图像修复，求解速度快，同时使用了重新策略，即迭代到一定次数，重新给参数赋初值，以显著提高近似交替惩罚算法的性能，在提高修复效率的同时达到较优的修复效果。
📄 2020107496751
📂 G06T5_77
👤 浙江工业大学
📅 2020-07-30
一种基于近端交替惩罚算法的低秩全变分模型求解及其在高光谱图像修复领域的应用，包括以下步骤：步骤1)获取待去噪的高光谱图像数据#imgabs0#其中m、n、p分别表示高光谱图像的宽度、高度，及谱带的数量；步骤2)构建LRTV修复模型模型；步骤3)使用近端交替惩罚算法求解步骤4)输出修复后的高光谱图像。本发明可以有效的修复损失大量像素点的高光谱图像，并且其求解效率高。
📄 2020106738077
📂 G06T5_77
👤 浙江工业大学
📅 2020-07-14
本发明公开了一种基于双流卷积神经网络的镜面高光检测和去除方法，将输入的原始带高光图像求取像素点在x方向和y方向上的梯度，提取得到第一高光特征映射图，将第一高光特征映射图经过第一卷积块注意力模块CBAM处理后，与预处理后的图像相减，输出第一级无高光图像；对第一高光特征映射图进行逐级降采样缩小尺寸，将降采样缩小尺寸后的各级高光特征映射图分别经过各级卷积块注意力模块CBAM处理后，与前一级输出的无高光图像相减，最终得到粗略无高光图像。然后通过高光提取模块，提取细化高光信息，进行高光细化去除，得到最终的无高光图像。本发明可以有效地解决镜面高光造成的图像信息退化问题，从而降低高光对目标检测等视觉任务的干扰。
📄 2022108548432
📂 G06T5_77
👤 浙江工业大学
📅 2022-07-18
本发明公开了一种基于类特征修复融合的图像取证对抗性攻击防御方法，包括：将含有对抗扰动的原始图像输入至基于卷积神经网络构建的分类模型中，并对提取特征图进行类特征可视化，基于可视化结果获取重构区域后，对重构区域进行特征修复，获得修复图像；原始图像去噪处理后得到去噪图像，融合修复图像和去噪图像，得到融合图像，依据融合图像的像素分布特征，选择图像质量高的若干个分类区域输入至分类模型中，将分类模型输出的最高分类概率作为防御后的类标。该方法能够提高深度学习模型鲁棒性并准确还原取证信息。
📄 2020111751122
📂 G06T5_77
👤 浙江工业大学
📅 2020-10-28
本发明公开了一种基于结构化张量的分簇多光谱图像修复方法及装置，首先将受损的多光谱图像分成多个张量块，同时进一步地将张量线性映射到汉克尔结构中，然后将相似的张量聚类到同一个簇中，充分利用图像的非局部相似性，最后使用采用交替方向乘子法算法对每个簇进行优化修复。本发明充分挖掘图像的低秩性，修复效果更佳显著，计算代价小。
📄 202110401327X
📂 G06T5_77
👤 浙江工业大学
📅 2021-04-14
基于光滑塔克分解与高阶张量汉克化的图像修复方法，包括以下步骤：1)输入待修复图像#imgabs0#确定图像待修复区域；2)构建高阶张量汉克化与离散全变分模型；3)结合步骤2)构建光滑塔克分解与高阶张量汉克化的图像修复模型，对彩色图像进行修复，最终重构输出高质量视觉数据图像#imgabs1#本发明的优点是：兼顾了图像处理的效率和图像还原的精确性。
📄 2020108469408
📂 G06T5_77
👤 浙江工业大学
📅 2020-08-21
本发明属于图像处理领域，公开了一种基于几何增强交叉注意力机制的盲人脸修复方法，包括：获取训练数据集；提取高质量图像样本中的高质量特征以及几何先验信息，同时提取低质量图像样本中的退化特征，并对低质量图像样本进行上采样后提取退化特征；构建几何增强交叉注意力机制作为修复模型，几何增强交叉注意力机制基于多头交叉注意力机制，并将退化特征作为查询，将高质量特征作为键和值，同时将几何先验信息作为键和值；基于原始的低质量图像样本中的退化特征输出低分辨率融合特征；基于上采样后的低质量图像样本中的退化特征输出高分辨率融合特征；并生成修复后的高质量图像。本发明实现对细节缺失、模糊及形变严重的人脸图像的精确修复。
📄 2025100505856
📂 G06T5_77
👤 浙江工业大学
📅 2025-01-13
本发明公开了一种加权混合图拉普拉斯的多维视觉数据修复方法，包括计算每个像素点与其周围四个邻接像素点的相似度，构建一阶局部的拉普拉斯算子，计算其中单个像素点与非局部邻接像素点的相似度，构建一阶非局部拉普拉斯算子，由一阶局部拉普拉斯算子和一阶非局部拉普拉斯算子联合相加得到一阶拉普拉斯算子，将一阶拉普拉斯算子泛化至二阶形式得到二阶拉普拉斯算子，分别对一阶拉普拉斯算子和二阶拉普拉斯算子进行加权联合相加，得到混合图拉普拉斯算子，采用混合图拉普拉斯算子构建多维视觉数据的修复模型。本发明对多维视觉数据进行缺失数据修复，通过对传统图拉普拉斯正则项的改进。
📄 2022102387920
📂 G06T5_77
👤 浙江工业大学
📅 2022-03-11
柿子坊 · 知识产权运营
柿子坊知识产权运营平台