-
公开(公告)号：CN108399608A
公开(公告)日：2018-08-14
申请号：CN201810172326.0
申请日：2018-03-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于张量字典及全变分的高维图像去噪方法，在高维图像处理研究的基础上，将张量字典学习结合全变分正则项，提出一种张量字典学习结合TV正则项的高维图像去噪模型，然后用交替迭代方法求解模型，得到迭代更新后重建的MSI图像。本发明的优点是将高维图像看成一个张量整体处理，不会损失图像的立体结构信息，同时也考虑了各波段之间的相关性，并且张量字典学习的方式提高了算法的精确度；在不失高维图像空间结构的前提下，利用高阶TV正则项，很好地保存了较完善的边缘信息，取得良好的重建效果。实验结果在主观视觉和客观评价指标两方面均取得较好的效果，能够保留较多的纹理信息和轮廓信息。
-
公开(公告)号：CN108334816A
公开(公告)日：2018-07-27
申请号：CN201810033455.1
申请日：2018-01-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于轮廓对称约束生成式对抗网络的多姿态人脸识别方法，其特征是，包括如下步骤：1）数据预处理；2）轮廓约束生成网络；3）对称约束对抗网络；4）训练平衡网络；5）重建与识别。这种方法能有效解决人脸图像的姿态角度偏转影响、提取到人脸在多姿态下更具鲁棒性的特征，特别在大角度姿态重建下将全局质量和局部细节相互约束，保持了正脸的轮廓特征信息，能满足实际应用中对多姿态人脸识别的高精度需求。
-
公开(公告)号：CN104112286B
公开(公告)日：2017-06-09
申请号：CN201410376417.8
申请日：2014-08-01
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种基于几何结构特征和自相似性的图像压缩感知重构方法。包括判定图像块的结构类型；使用同步正交匹配追踪算法对每个图像块获得重构估计值；为每个图像块进行局部和非局部相似块匹配；产生初始解集，进行优化，得到候选解集，进而得到图像块的优化重构估计值；将图像块按顺序拼接起来；重构图像。本发明能够有效减少图像压缩感知重构的不确定性，获得对图像更准确的重构估计。
-
公开(公告)号：CN104077761B
公开(公告)日：2017-01-11
申请号：CN201410293009.6
申请日：2014-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于自适应稀疏表示的多聚焦图像融合方法，根据原始图像中结构特征的不同将子块进行分类，使原始图像分为相同模型、平滑模型和细节模型。然后将相同模型直接放入融合结果图像中，对平滑模型和细节模型分别采用算术平均法和稀疏表示法进行图像块融合。本发明的有优点是能够分割出平滑模型和细节模型，减少稀疏编码的图像块数，从而在确保融合图像主观效果和客观性能指标均优的基础上，缩短了运算时间。
-
公开(公告)号：CN118915073A
公开(公告)日：2024-11-08
申请号：CN202411034650.8
申请日：2024-07-30
Applicant: 桂林电子科技大学
IPC: G01S13/95
Abstract: 本发明公开了一种基于双偏振雷达数据的临近降水预报方法。主要包括以下步骤：(1)对双偏振雷达基数据和与之时空匹配的降水数据进行预处理；(2)将预处理后的双偏振雷达‑降水数据随机划分为深度学习网络训练所用的训练集和测试集，并对划分好的数据集进行归一化操作；(3)使用训练集对基于双偏振雷达数据的临近降水预报网络进行训练，利用训练好的临近降水预报网络对测试集进行降水预测，得到预测降水数据；(4)将预测后的降水数据与实际观测数据对比进行降水预报检测。本发明实现了对双偏振雷达的多模态数据的高效利用，提供了一种更加准确的临近降水预报方法，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114387553B
公开(公告)日：2024-03-22
申请号：CN202210052157.3
申请日：2022-01-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于帧结构感知聚合的视频人脸识别方法，包括：采用人脸检测模型检测视频数据中每一帧中所含的面部区域并裁剪为固定尺寸的图像，作为输入视频帧；采用跨尺度特征提取网络提取输入的每一个视频帧的特征表示；采用帧结构感知聚合模块为每个特征表示赋予权重；将每个特征图降维、并根据权重进行聚合，得到视频人脸特征向量；集训练模型、并微调网络参数；采用人脸识别网络框架完成最后的识别任务。这种特征提取网络能适应面部特征比例变化的同时，保持对不同尺度特征的高效学习，同时结合帧间关系的挖掘对上下文信息进行有效建模，能够利用各个视频帧的特征及其空间结构信息，最终获得更具鲁棒性的视频人脸特征表示用于识别。
-
公开(公告)号：CN114067399B
公开(公告)日：2024-03-15
申请号：CN202111352121.9
申请日：2021-11-16
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种面向非配合场景的人脸重建与识别方法，其特征在于，包括如下步骤：1）构造三元组人脸数据集；2）三元组损失约束编码；3）亚像素卷积解码；4）多损失约束判别；5）训练生成对抗网络；6）重建与识别。这种方法在低分辨率和较大偏姿的情况下，仍然能够重建出清晰真实的正面人脸图像,并获得较高的识别率。
-
公开(公告)号：CN117523312A
公开(公告)日：2024-02-06
申请号：CN202311736200.9
申请日：2023-12-18
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/40 , G06V20/10
Abstract: 本发明公开了一种基于双分支空谱特征交叉融合网络的高光谱图像分类方法，包括：1）数据预处理；2）光谱支路特征提取；3）空间支路特征提取；4）空谱交叉注意力融合；5）高光谱图像像元分类。这种方法用有限数量的标记训练样本捕获足够的光谱和空间特征，缓解小样本的问题，并且在融合中构建双分支交互性，促进充分融合，能提高高光谱图像分类性能。
-
公开(公告)号：CN115984392A
公开(公告)日：2023-04-18
申请号：CN202310035119.1
申请日：2023-01-10
Applicant: 桂林电子科技大学
IPC: G06T9/00 , G06T7/13 , G06N3/0455
Abstract: 本发明公开了一种基于Transformer增强残差自编码网络的图像压缩感知重建方法，其特征在于，包括如下步骤：1）对图像观测值y进行初始线性重建；2）设计并采用基于Transformer进行特征增强的残差自编码网络进行深度重建；3）基于全局‑局部联合损失函数进行网络训练。这种方法能更好地捕捉局部和全局特征，有效增强特征信息，精确重建原始图像。
-
公开(公告)号：CN114067399A
公开(公告)日：2022-02-18
申请号：CN202111352121.9
申请日：2021-11-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种面向非配合场景的人脸重建与识别方法，其特征在于，包括如下步骤：1）构造三元组人脸数据集；2）三元组损失约束编码；3）亚像素卷积解码；4）多损失约束判别；5）训练生成对抗网络；6）重建与识别。这种方法在低分辨率和较大偏姿的情况下，仍然能够重建出清晰真实的正面人脸图像,并获得较高的识别率。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.024 seconds)
