-
公开(公告)号：CN119941511A
公开(公告)日：2025-05-06
申请号：CN202510052920.6
申请日：2025-01-14
Applicant: 北京邮电大学 , 鼎英科技(天津)有限公司
IPC: G06T3/4053 , G06T3/4007 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/77 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/084
Abstract: 本发明提出了一种基于深度学习的分辨率鲁棒二维数字图像相关方法，属于数字图像处理技术领域。本发明通过构建包含局部特征提取、全局特征捕获和多分辨率映射的深度学习网络，实现了逐像素的位移与应变场预测。在训练阶段，局部特征提取模块利用卷积神经网络提取细微变形特征，随后使用自注意力机制捕获全局长程依赖。多分辨率映射模块通过连续特征映射技术，实现不同尺度间的特征插值，提升对多分辨率场景的泛化性。本发明无需人工设定关键参数，计算效率高、鲁棒性强，尤其适用于真实工业场景中的高精度变形监测任务。
-
公开(公告)号：CN114240756B
公开(公告)日：2025-05-06
申请号：CN202111587798.0
申请日：2021-12-16
Applicant: 北京邮电大学 , 北京睿拓时创科技有限公司
IPC: G06T3/4061 , G06V10/77 , G06V10/774 , G06V10/84
Abstract: 一种基于字典原子嵌入的RGB图像光谱信息重构方法，属于计算机视觉领域。本发明通过重构RGB图像信息得到对应场景的高光谱图像，首先由高分辨率光谱图像库得到训练样本，然后基于贝叶斯非参数的字典学习理论并考虑光谱变化的光滑性使用高斯过程，学习得到完备的光谱字典；接着对每一个字典原子，根据与低维空间的特征相似性选取低维像素及其对应的高维像素，使用它们邻域构成低维空间到高维空间的映射矩阵，完成训练阶段；最后，根据测试图像与光谱字典的关系选取从低维空间映射到高维空间的映射矩阵并重建，即可完成高光谱图像的重建。本发明能够通过彩色图像重建高分辨率的高光谱图像，同时保证计算速度，可以应用在医学成像、地质勘探、农业生产等领域。
-
公开(公告)号：CN110264404B
公开(公告)日：2020-12-08
申请号：CN201910519719.9
申请日：2019-06-17
Applicant: 北京邮电大学
Abstract: 一种超分辨图像纹理优化的方法及装置，基于时频特征提取和映射核学习的方式实现，其方法包括：1)基于时域和分数阶频域特征的局部纹理图块，训练局部纹理图块样本筛选器，从外部样本中筛选出纹理特征明显的样本，作为映射核训练模块的训练样本；2)基于外部样本学习的局部纹理图块，学习纹理图块优化映射核；3)对待优化的图片进行纹理优化。本发明的方法及装置可以使得超分辨图像的纹理更加清晰自然。
-
Patent Agency Ranking
公开(公告)号：CN110264404A
公开(公告)日：2019-09-20
申请号：CN201910519719.9
申请日：2019-06-17
Applicant: 北京邮电大学
Abstract: 一种超分辨图像纹理优化的方法及装置，基于时频特征提取和映射核学习的方式实现，其方法包括：1)基于时域和分数阶频域特征的局部纹理图块，训练局部纹理图块样本筛选器，从外部样本中筛选出纹理特征明显的样本，作为映射核训练模块的训练样本；2)基于外部样本学习的局部纹理图块，学习纹理图块优化映射核；3)对待优化的图片进行纹理优化。本发明的方法及装置可以使得超分辨图像的纹理更加清晰自然。
-
公开(公告)号：CN118143929A
公开(公告)日：2024-06-07
申请号：CN202410100474.7
申请日：2024-01-24
Applicant: 北京邮电大学
IPC: B25J9/16
Abstract: 本发明公开了一种机器人3D视觉导引抓取方法，包括了以下步骤：1)对系统进行手眼标定，在已知机器人末端执行器前后两次相对位姿，和相机坐标系下标定板前后两次相对位姿的条件下，求解机器人手眼关系矩阵，并引入了在有限感受野下的多相机合作方案；2)实时场景点云信息采集；3)将上述场景点云和示教拍照位姿下的点云进行坐标系的统一，也即对场景点云进行坐标系的变换；4)将待抓取的模型点云匹配到实际场景下的物体点云处，识别并获得二者之间的坐标转换关系，再以模型点云代替场景点云进行后续抓取位姿的计算，并利用迭代最近点算法对位姿结果进行微调；5)对机器人最终抓取位姿进行计算。
-
公开(公告)号：CN107993239B
公开(公告)日：2022-04-12
申请号：CN201711423455.4
申请日：2017-12-25
Applicant: 北京邮电大学
IPC: G06T7/12 , G06K9/62 , G06T7/181 , G06V10/764
Abstract: 本发明实施例提供了一种计算单目图像的深度次序的方法和装置，方法包括：使用预设的过分割算法和预设的分类器依次对单目图像进行处理，生成单目图像的遮挡轮廓图；使用预设的卷积核遍历遮挡轮廓图中的各像素点，生成各像素点对应的卷积值；在各像素点对应的卷积值中，将卷积值为预设值的像素点确定为间断点，间断点为遮挡轮廓图中位于缺失的像素点两端的像素点；将相邻的间断点之间的最短路径，确定为相邻的间断点之间的待填充轮廓；沿着待填充轮廓，填充相邻的间断点之间缺失的像素点，生成填充后的遮挡轮廓图；根据填充后的遮挡轮廓图，计算单目图像的深度次序。应用本发明实施例能够实现准确计算单目图像的深度次序。
-
公开(公告)号：CN107770406B
公开(公告)日：2019-06-21
申请号：CN201711013258.5
申请日：2017-10-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了基于多参数分数阶变换和半张量积的图像加密方法及装置。方法包括：对待加密图像的像素，使用置乱矩阵改变其像素的位置，得到空域置乱图像；按照预设规则对所述空域置乱图像进行相位编码和多参数离散分数阶变换，得到变换图像；生成一个维度是所述变换图像的维度的因数且不等于1的方阵，作为密钥矩阵；将所述变换图像，按照所述密钥矩阵的维度均匀分成多个子矩阵；将密钥矩阵分别与每个子矩阵进行半张量积运算，得到每个子矩阵的运算结果；将所述多个子矩阵的运算结果进行整合，得到加密图像。本发明实施例结合空域置乱、分数域变换和半张量积理论对数字图像进行加密，提高了加密图像对抗统计攻击、噪声攻击和像素丢失的能力。
-
公开(公告)号：CN107770406A
公开(公告)日：2018-03-06
申请号：CN201711013258.5
申请日：2017-10-26
Applicant: 北京邮电大学
CPC classification number: H04N1/32154 , H04L9/001 , H04N1/32203 , H04N1/32272 , H04N1/4486
Abstract: 本发明实施例提供了基于多参数分数阶变换和半张量积的图像加密方法及装置。方法包括：对待加密图像的像素，使用置乱矩阵改变其像素的位置，得到空域置乱图像；按照预设规则对所述空域置乱图像进行相位编码和多参数离散分数阶变换，得到变换图像；生成一个维度是所述变换图像的维度的因数且不等于1的方阵，作为密钥矩阵；将所述变换图像，按照所述密钥矩阵的维度均匀分成多个子矩阵；将密钥矩阵分别与每个子矩阵进行半张量积运算，得到每个子矩阵的运算结果；将所述多个子矩阵的运算结果进行整合，得到加密图像。本发明实施例结合空域置乱、分数域变换和半张量积理论对数字图像进行加密，提高了加密图像对抗统计攻击、噪声攻击和像素丢失的能力。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
