-
公开(公告)号：CN113222813B
公开(公告)日：2024-02-09
申请号：CN202110420575.9
申请日：2021-04-19
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种图像超分辨率重建方法、装置、电子设备及存储介质，该方法包括：获取待处理图像；将待处理图像输入至超分辨率重建模型，以使超分辨率重建模型对待处理图像中的各个像素点进行预测，并获得待处理图像的超分辨率重建图像；超分辨率重建模型为预先使用多个训练样本训练得到的二值神经网络模型，每个训练样本包括第一分辨率图像块以及对应的第二分辨率图像块；其中，所述第二分辨率大于所述第一分辨率。由于超分辨率重建模型中的双流二值推理层可通过量化阈值提升二值量化精度，并以双流的网络结构提升超分辨率重建模型的信息承载能力，因此能够显著提升超分辨率重建模型的性能，同时也可以在保证图像重建精度的基础上提高重建速度。
-
公开(公告)号：CN110782395B
公开(公告)日：2024-02-09
申请号：CN201911031821.0
申请日：2019-10-28
Applicant: 西安电子科技大学 , 腾讯科技(深圳)有限公司
IPC: G06T3/4053 , G06N3/0464 , G06N3/08 , G06T9/00
Abstract: 本公开的实施例提供了一种图像处理方法及装置、电子设备和计算机可读存储介质，属于计算机和通信技术领域。所述方法包括：获取待处理图像；提取所述待处理图像中多尺度的当前图像特征信息；分别对所述当前图像特征信息的通道和平面空间进行编码以增强所述当前图像特征信息，获得当前图像编码信息；根据所述当前图像编码信息获得将所述待处理图像放大目标倍数的目标图像。本公开实施例的技术方案提供了一种图像处理方法，通过联合应用提取的多尺度的当前图像特征信息和增强所述当前图像特征信息的当前图像编码信息，能够在信息传递的过程中尽可能的避免信息丢失的情况发生，实现了一种低参数数量且低计算复杂度的快速的图像超分辨率重建。
-
公开(公告)号：CN116631024A
公开(公告)日：2023-08-22
申请号：CN202310397214.6
申请日：2023-04-13
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/75 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于渐进式对抗生成架构的异质人脸口罩图像生成方法，包括：获取并提取异质人脸图像的人脸关键点，根据人脸关键点选取目标口罩模板；根据目标口罩模板对应的预设关键点和基于人脸关键点确定的目标关键点确定口罩图像；将口罩图像与异质人脸图像合成得到初始图像，并生成该图像的蒙版图像；将该图像的特征向量输入预训练的生成模块得到生成图像；生成图像中口罩部分与背景部分风格一致；预训练的生成模块包括n个预训练的生成网络，前n‑1个生成网络根据输入的图像生成特征图并进行上采样，第n个生成网络根据输入的特征图得到生成图像；根据蒙版图像从生成图像中裁剪口罩区域后将其与异质人脸图像融合，得到目标异质人脸口罩图像。
-
公开(公告)号：CN112950464A
公开(公告)日：2021-06-11
申请号：CN202110099913.3
申请日：2021-01-25
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种不包含正则化层的二值超分辨率重建方法，包括：对低分辨率图像进行数据分布处理，获得处理后图像；将所述处理后图像输入二值深度神经网络模型进行特征提取，获得重构后的图像；对所述重构后的图像进行数据分布处理，获得最终重建后的超分图像；利用梯度下降算法迭代更新所述二值深度神经网络模型的参数，直至达到收敛。本发明的方法，通过一种有效的二值化训练机制，允许神经网络在不包含正则化层时取得较优异的网络性能，从而使网络以较低的计算复杂度获得更加优异的超分辨率图像重建效果。
-
公开(公告)号：CN106778811B
公开(公告)日：2020-12-25
申请号：CN201611039163.6
申请日：2016-11-21
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提供了一种图像字典生成方法、图像处理方法及装置，该图像字典生成方法包括：将每一个训练图像切分成至少两个训练图像块；根据所述至少两个训练图像块在所属训练图像中的位置，确定至少两个样本位置；针对每一个样本位置，均执行：从切分成的所述至少两个训练图像块中，确定所述样本位置对应的至少一个近邻训练图像块；将确定的所述至少一个近邻训练图像块进行组合，生成与所述样本位置相对应的图像字典。本发明能提高近邻训练图像块的查找效率。
-
Patent Agency Ranking
公开(公告)号：CN108154133B
公开(公告)日：2020-04-14
申请号：CN201810023591.2
申请日：2018-01-10
Applicant: 西安电子科技大学
Abstract: 一种基于非对称联合学习的人脸画像‑照片识别方法。其步骤为：(1)获得训练样本集和测试样本集；(2)划分样本子集；(3)获得训练伪样本集；(4)构建非对称特征矩阵；(5)计算非对称联合学习矩阵；(6)计算画像样本与照片样本的相似度值；(7)得到识别结果。本发明使用深度卷积网络提取样本的深度特征向量，利用非对称特征矩阵计算非对称联合学习矩阵，使用非对称联合学习矩阵计算画像与照片的相似度，找出与画像相似度最大的照片作为识别结果。本发明将训练伪样本集加入训练过程，并使用非对称联合学习方法增加类内信息，能准确地识别出画像对应的照片。
-
公开(公告)号：CN110782395A
公开(公告)日：2020-02-11
申请号：CN201911031821.0
申请日：2019-10-28
Applicant: 西安电子科技大学 , 腾讯科技(深圳)有限公司
Abstract: 本公开的实施例提供了一种图像处理方法及装置、电子设备和计算机可读存储介质，属于计算机和通信技术领域。所述方法包括：获取待处理图像；提取所述待处理图像中多尺度的当前图像特征信息；分别对所述当前图像特征信息的通道和平面空间进行编码以增强所述当前图像特征信息，获得当前图像编码信息；根据所述当前图像编码信息获得将所述待处理图像放大目标倍数的目标图像。本公开实施例的技术方案提供了一种图像处理方法，通过联合应用提取的多尺度的当前图像特征信息和增强所述当前图像特征信息的当前图像编码信息，能够在信息传递的过程中尽可能的避免信息丢失的情况发生，实现了一种低参数数量且低计算复杂度的快速的图像超分辨率重建。
-
公开(公告)号：CN107908646B
公开(公告)日：2019-12-17
申请号：CN201710937041.7
申请日：2017-10-10
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06N3/04 , G06K9/46
Abstract: 本发明公开的基于分层卷积神经网络的图像检索方法，主要解决现有全天空极光图像检索中准确率较低的问题。其实现步骤为：①采用自适应极化栅栏法确定全天空极光图像的局部关键点；②提取全天空极光图像的局部SIFT特征并构建视觉字典；③对卷积神经网络进行预训练和微调并构建极化区域池化层；④提取全天空极光图像的区域CNN特征和全局CNN特征；⑤对所有特征进行二值化处理并构建分层特征；⑥构建倒排索引表并分开保存全局CNN特征；⑦提取查询图像的分层特征并计算其与数据库图像的相似度，输出检索结果。本发明使用分层特征实现了局部关键点之间的匹配，解决了现有图像检索方法中虚警率较高的问题，具有检索准确率高的优点，适用于实时图像检索。
-
公开(公告)号：CN105138951B
公开(公告)日：2018-05-25
申请号：CN201510397326.7
申请日：2015-07-08
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于图模型表示的人脸画像‑照片识别方法，主要解决现有方法在进行人脸画像‑照片识别时忽略人脸图像空间结构信息的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)根据划分结果组成测试画像图模型表示集和测试照片图模型表示集；(3)根据测试画像图模型表示集和测试照片图模型表示集计算相似度集；(4)根据相似度集计算人脸画像‑照片识别率。本发明与现有方法相比，在计算图模型表示过程中使用人脸图像的空间结构信息，提高了人脸画像‑照片识别率，可用于刑侦破案中犯罪嫌疑人的身份识别。
-
公开(公告)号：CN104517274B
公开(公告)日：2017-06-16
申请号：CN201410818175.3
申请日：2014-12-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于贪婪搜索的人脸画像合成方法。其实现步骤是：划分字典训练照片样本集A、合成训练照片样本集Bp、合成训练画像样本集Bs和测试照片样本集；通过分块得到字典训练照片块集合SA、合成训练照片块集合Sp、合成训练画像块集合Ss和测试照片块集合；从字典训练照片块集合SA中学到训练照片块特征字典Dp；用Dp求出Sp对应的稀疏表示集合Cp以及测试照片块S对应的稀疏表示；用稀疏表示在Cp中进行贪婪搜索寻找近邻；再用搜索到的近邻画像‑照片块来建立马尔可夫随机场模型合成画像。本发明与现有方法相比，无需限制测试照片背景，且能合成测试照片中的非人脸部件，可用于刑侦破案和数字娱乐。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.049 seconds)
