-
公开(公告)号：CN116645569A
公开(公告)日：2023-08-25
申请号：CN202211680002.0
申请日：2022-12-27
申请人： 长春理工大学
IPC分类号： G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本发明属于图像处理技术领域，尤其为一种基于生成对抗网络的红外图像彩色化方法，具体步骤为：构建网络模型：构建包括生成器和鉴别器的生成对抗网络；准备数据集：根据第一红外图像数据集对生成对抗网络进行预训练；训练网络模型：利用第一红外图像数据集对网络模型进行训练，直至达到预设阈值；微调模型：利用第二红外图像数据集对网络模型进行再次训练和微调，获得最终模型；保存模型：将获得最终模型的参数进行固化，保存模型。本发明采用的网络结构是生成对抗网络结构，利用生成器和鉴别器之间的博弈特性，加强对图像深层信息的提取，增强彩色化图像的自然度和真实度，动态提高彩色化图像质量。
-
公开(公告)号：CN111982022A
公开(公告)日：2020-11-24
申请号：CN202010815442.7
申请日：2020-08-19
申请人： 长春理工大学
摘要： 本发明实施例提供了一种空间结构检测方法及系统，该系统包括结构光投射系统和复合成像系统和中心处理系统，其中，所述结构光投射系统包括：结构光光源，用于产生结构光；结构光调节模块，用于对所述结构光的投射范围和/或投射方向进行调节，使得所述结构光覆盖整个被测区域或者仅覆盖所述被测区域中的子区域；所述复合成像系统包括：大视场成像模块，用于对整个所述被测区域进行成像，生成与整个被测区域对应的整体图像；小视场成像模块，用于对所述被测区域中的一个或多个指定的子区域进行成像，生成与所述指定的子区域对应的局部图像；所述中心处理系统包括：对所述结构光投射系统和所述复合成像系统进行协调控制。
-
公开(公告)号：CN107450163A
公开(公告)日：2017-12-08
申请号：CN201710875591.0
申请日：2017-09-25
申请人： 长春理工大学
摘要： 大视场折衍混合日盲紫外告警光学系统属于紫外告警技术领域。现有技术视场角偏小。本发明其特征在于，正光焦度弯月凸透镜、含有二元面的负光焦度双凹透镜、正光焦度双凸透镜、含有非球面的正光焦度双凸透镜以及含有非球面的负光焦度双凹透镜在光的传播方向上依次同轴排列，光阑设置在正光焦度双凸透镜、含有非球面的正光焦度双凸透镜之间；正光焦度弯月凸透镜、正光焦度双凸透镜以及含有非球面的正光焦度双凸透镜的材质为CaF2，其余两个透镜的材质为F_SILICA；含有二元面的负光焦度双凹透镜的后镜面为凹二元衍射面，含有非球面的正光焦度双凸透镜的后镜面为凸非球面，含有非球面的负光焦度双凹透镜的前镜面为凹非球面；工作波段为240～280nm，视场角为64°，相对孔径为1:3。
-
公开(公告)号：CN103499873B
公开(公告)日：2016-08-17
申请号：CN201310450984.9
申请日：2013-09-29
申请人： 长春理工大学
摘要： 50～100μm波段折射式双分离THz照相镜头属于THz成像技术领域。现有THz照相镜头结构较为复杂、造价高，工作波段不适用于天文、军事等领域。本发明之THz照相镜头其特征在于，会聚凸凹正透镜、补偿凸凹正透镜、平行平板依次光学同轴，材料均为高阻硅；会聚凸凹正透镜的凸面为高次椭球面，且与光阑重合，会聚凸凹正透镜的凹面是标准球面；补偿凸凹正透镜的凸面及凹面均为标准球面，补偿凸凹正透镜的凸面与会聚凸凹正透镜的凹面相对且相离；补偿凸凹正透镜的凹面与平行平板相对且相离。由于仅有两个透镜，且均为折射透镜，所以结构简单、造价降低；工作波段延至50～100μm。
-
公开(公告)号：CN116645569B
公开(公告)日：2024-09-27
申请号：CN202211680002.0
申请日：2022-12-27
申请人： 长春理工大学
IPC分类号： G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本发明属于图像处理技术领域，尤其为一种基于生成对抗网络的红外图像彩色化方法，具体步骤为：构建网络模型：构建包括生成器和鉴别器的生成对抗网络；准备数据集：根据第一红外图像数据集对生成对抗网络进行预训练；训练网络模型：利用第一红外图像数据集对网络模型进行训练，直至达到预设阈值；微调模型：利用第二红外图像数据集对网络模型进行再次训练和微调，获得最终模型；保存模型：将获得最终模型的参数进行固化，保存模型。本发明采用的网络结构是生成对抗网络结构，利用生成器和鉴别器之间的博弈特性，加强对图像深层信息的提取，增强彩色化图像的自然度和真实度，动态提高彩色化图像质量。
-
公开(公告)号：CN118016201A
公开(公告)日：2024-05-10
申请号：CN202410412894.9
申请日：2024-04-08
申请人： 长春理工大学
IPC分类号： G16C20/70 , G16C20/90 , G16C20/20 , G16C20/30 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G01N27/26 , G01N21/25 , G01J3/46 , H04Q9/00
摘要： 本发明公开一种便携式组网水质检测方法及系统，包括以下步骤：获取水域中的水质数据；对水质数据进行分析；构建水质预测模型；使用训练集进行训练，经过卷积神经网络提取特征，输入到引入注意力机制和长短期记忆网络的预测模型中，对序列中的模式、趋势和相关性进行建模和预测；通过预测模型对测试集进行水质数据的预测，综合水质检测结果得到最终数据；将数据上传至云平台，得到数据日志，扩充数据集。本发明的技术方案基于卷积神经网络和引入注意力机制的长短期记忆网络的水质预测方案，并提出神经网络的嵌入式部署。在网络离线或在线的情况下都能对水质情况做出预测判断；提供更为精准的水质情况预测。
-
公开(公告)号：CN114067018B
公开(公告)日：2024-04-09
申请号：CN202111376380.5
申请日：2021-11-19
申请人： 长春理工大学
IPC分类号： G06T11/00 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464
摘要： 一种轻量化的单张图像超分辨率重建方法，属于图像超分辨率重建领域，为了解决现有的超分辨率方法空间复杂度和时间复杂度高的问题，该方法包括如下步骤：构建网络模型：整个网络包括四个主要模块：浅层特征提取模块、深层特征提取模块、信息融合模块和上采样模块；准备数据集：对所用数据集进行模拟降质，所得高低分辨率图像对用以训练整个卷积神经网络；训练网络模型；最小化损失值；微调模型；保存模型：将最后得到的模型参数进行固化，之后需要进行超分辨率重建操作时，直接将图像和网络参数载入网络中即可得到最终的超分辨率图像。在保持较高重建质量的前提下，大大减少了网络的参数量和计算量，更适于在嵌入式设备上实现。
-
公开(公告)号：CN117197627B
公开(公告)日：2024-03-01
申请号：CN202311181912.9
申请日：2023-09-13
申请人： 长春理工大学
IPC分类号： G06V10/80 , G06V10/74 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/092
摘要： 本发明属于图像融合领域，尤其为一种基于高阶退化模型的多模态图像融合方法，该方法具体包括如下步骤：S1，准备数据集：准备三种红外与可见光图像数据集，数据集一和数据集二用于网络训练和模型微调，数据集三用于模型测试。S2，构建图像退化模型：图像退化模型包括低阶退化过程和高阶退化过程。本发明是基于高阶局部随机退化模型的多模态图像融合方法，构建了一种新的两阶段图像退化模型，设计了简单高效的特征提取和融合网络，实验数据证明本发明能够有效抑制强光、噪声和烟雾等恶劣环境的影响，也能提高低照度和夜间环境下的融合图像质量，在红外与可见光图像和医学图像融合任务的定性和定量评价中都表现出了良好的性能。
-
公开(公告)号：CN117541460A
公开(公告)日：2024-02-09
申请号：CN202311658323.5
申请日：2023-12-06
申请人： 长春理工大学
IPC分类号： G06T3/40 , G06N3/0464
摘要： 本发明属于图像处理技术领域，尤其为一种红外图像盲超分辨率方法及装置，具体包括如下步骤：步骤1，构建网络模型：构建包括退化网络和图像超分辨率重建网络；步骤2，准备数据集：使用第一红外图像数据集划分训练集和测试集并且预处理；第二红外图像数据集对模型进行微调；步骤3，训练网络模型：将步骤2中准备好的数据集输入到步骤1中构建好的网络模型中进行训练；步骤4，微调模型：利用第二红外图像数据集对网络模型进行再次训练和微调，获得最终模型；步骤5，保存模型：将获得最终模型的参数进行固化，保存模型。本方法在不依赖于对应的高分辨率图像情况下，利用低分辨率图像自身的信息和特征，提高红外图像的分辨率和清晰度。
-
公开(公告)号：CN117252936A
公开(公告)日：2023-12-19
申请号：CN202311280430.9
申请日：2023-10-04
申请人： 长春理工大学
IPC分类号： G06T7/90 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084
摘要： 本发明属于图像处理技术领域，尤其为一种适配多种训练策略的红外图像彩色化方法，具体步骤为：步骤1，构建网络模型：构建包括生成器和鉴别器的生成对抗网络；步骤2，准备数据集：根据第一红外图像数据集对生成对抗网络进行预训练；步骤3，训练网络模型：利用第一红外图像数据集对网络模型进行训练，直至达到预设阈值。本发明具有多训练策略适配性，能够有效地恢复热红外图像的语义和特征信息，并增强图像细节，以提高彩色化图像的质量。同时，利用多层交互将编码阶段浅层丢失的细节信息与解码阶段深层上采样过程丢失的语义信息融合在一起，以提高图像彩色化的细节、语义和场景能力。
-
-
-
-
-
-
-
-
-
搜索结果
63 条记录 (耗时 0.039 秒)
