-
公开(公告)号：CN116681875A
公开(公告)日：2023-09-01
申请号：CN202310612434.6
申请日：2023-05-29
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于密度峰值搜索和局部特征的红外小目标检测方法，包括：S1、通过高斯差分滤波预处理图像且抑制高亮度杂波；S2、通过密度峰值全局搜索方法在预处理图像中确定候选目标的位置；S3、对候选目标进行局部对比增强梯度特性并抑制背景杂波；S4、通过Facet模型来计算每个候选目标的多向梯度特性；S5、以候选目标点为中心，捕捉不同大小目标的八个方向上的梯度特性；S6、通过对候选目标点对称方向上的区域做差来抑制背景杂波的梯度特性并使用对称区域差的标准差加权梯度响应值；S7、对候选目标梯度特性响应值进行自适应阈值分割方法得到红外弱小目标。根据本发明，在各种场景下均具有较高的检测率，且运算过程相对更加简单。
-
公开(公告)号：CN116630642A
公开(公告)日：2023-08-22
申请号：CN202310499319.2
申请日：2023-05-06
Applicant: 上海理工大学
IPC: G06V10/44 , G06V10/774 , G06N3/08 , G06V10/74 , G06N3/0464
Abstract: 本发明公开了一种基于生成对抗网络的红外弱小目标数据集生成方法，包括：构建一个深度卷积生成对抗网络的红外弱小目标天空背景模型；创建红外弱小目标模型及渲染；创建一个基于多尺度特征提取和改进的条件生成对抗网络，生成红外弱小目标序列数据集及对应的数据集标签。根据本发明，解决了因增大图像尺寸带来的梯度消失问题，提高生成图像的质量。
-
公开(公告)号：CN116743934A
公开(公告)日：2023-09-12
申请号：CN202310612463.2
申请日：2023-05-29
Applicant: 上海理工大学
IPC: H04N1/32 , G06N3/0464 , G06N3/048 , G06N3/08 , H04N19/467 , H04N19/86
Abstract: 本发明公开了一种基于深度学习和鬼成像的等分辨率图像隐藏加密方法，包括：S1、利用深度学习方法对若干图像样本进行训练，得到基于编码器‑解码器结构的等分辨率图像隐写模型ERIH‑Net；S2、将两幅测试图像(明文图像和载体图像)作为ERIH‑Net模型Hide‑Net图像隐藏网络的输入端，生成一幅含有明文图像特征信息的含密图像(一级密文图像)；S3、通过数字微镜装置DMD加载一系列哈达玛相位调制矩阵调制光场，生成一系列照明散斑；通过照明散斑照明含密图像，利用不具有空间分辨能力的桶探测器装置BD计算图像空间范围内光强信息，生成一系列光强值(二级密文)；S4、通过压缩感知图像重构算法，利用调制的光场信息和采集到的桶探测器值重构出含密图像；S5、将重构的含密图像作为ERIH‑Net模型图像提取网络Extract‑Net的输入端，成功地提取出明文图像信息。根据本发明，可以提升光学图像加密系统的安全性和信息隐藏容量，单位像素点隐藏信息量可达8bit。
-
Patent Agency Ranking
公开(公告)号：CN118230107A
公开(公告)日：2024-06-21
申请号：CN202410427819.X
申请日：2024-04-10
IPC: G06V10/80 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于多维特征和尺度融合网络的红外小目标检测方法，包括以下步骤：S1、准备数据集，融合筛选红外小目标数据集并通过几何和非几何数据增强对数据集进行预处理；S2、利用定权卷积核捕获红外小目标图像多维度特征信息，并通过多维特征交叉融合模块，构建红外图像多维信息特征集合；S3、基于编解码网络结构出发，级联改进后的DCNN和ASPP结构；S4、将编码网络输出的深层语义信息、低层的多维特征信息和网络骨干特征信息输入解码器模块逐渐恢复空间信息，均衡低维和高维特征，还原出预测的二值化图像。根据本发明，通过提取原始红外小目标图像多维度特征信息，进一步加强了深度学习网络对红外小目标特征的学习能力。
-
公开(公告)号：CN116743934B
公开(公告)日：2024-05-14
申请号：CN202310612463.2
申请日：2023-05-29
Applicant: 上海理工大学
IPC: H04N1/32 , G06N3/0464 , G06N3/048 , G06N3/08 , H04N19/467 , H04N19/86
Abstract: 本发明公开了一种基于深度学习和鬼成像的等分辨率图像隐藏加密方法，包括：S1、利用深度学习方法对若干图像样本进行训练，得到基于编码器‑解码器结构的等分辨率图像隐写模型ERIH‑Net；S2、将两幅测试图像(明文图像和载体图像)作为ERIH‑Net模型Hide‑Net图像隐藏网络的输入端，生成一幅含有明文图像特征信息的含密图像(一级密文图像)；S3、通过数字微镜装置DMD加载一系列哈达玛相位调制矩阵调制光场，生成一系列照明散斑；通过照明散斑照明含密图像，利用不具有空间分辨能力的桶探测器装置BD计算图像空间范围内光强信息，生成一系列光强值(二级密文)；S4、通过压缩感知图像重构算法，利用调制的光场信息和采集到的桶探测器值重构出含密图像；S5、将重构的含密图像作为ERIH‑Net模型图像提取网络Extract‑Net的输入端，成功地提取出明文图像信息。根据本发明，可以提升光学图像加密系统的安全性和信息隐藏容量，单位像素点隐藏信息量可达8bit。
-
公开(公告)号：CN116681978A
公开(公告)日：2023-09-01
申请号：CN202310667710.9
申请日：2023-06-07
Applicant: 上海理工大学
IPC: G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于注意力机制和多尺度特征融合的显著性目标检测方法，包括：S1、进行数据预处理，构建深度学习模型训练及测试所需的数据集及标签；S2、构建基于注意力机制和多尺度特征融合的显著性目标检测网络；S3、将S1中的训练数据集输入到S2中构建的显著性目标检测网络中进行训练，得到显著性目标检测模型；S4、随机挑选图片输入到该模型中，得到检测结果。根据本发明，有效的提取到显著性区域的特征，有效地过滤冗余特征。
-
公开(公告)号：CN116664811A
公开(公告)日：2023-08-29
申请号：CN202310494778.1
申请日：2023-05-05
Applicant: 上海理工大学
IPC: G06V10/20 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了应用于单像素成像领域一种针对关联成像结果进行显著性目标检测的算法，包括：S1、创建基于傅里叶单像素成像的不同采样率下的显著性目标检测数据集；S2、构建嵌套U型结构的显著性目标检测网络模型；S3、将显著性目标检测数据集输入显著性目标检测网络模型中进行训练得到训练好的显著性目标检测模型；S4、通过将实际的关联成像结果输入显著性目标检测模型进行检测得到的结果。根据本发明，指导关联成像系统针对性的对显著性目标区域进行高频次的采样，以提高关联成像系统的效率，节约其开销。
-
公开(公告)号：CN116468821A
公开(公告)日：2023-07-21
申请号：CN202310461587.5
申请日：2023-04-26
Applicant: 上海理工大学
IPC: G06T11/00 , G02B27/48 , G06N3/0455
Abstract: 本发明公开了一种基于深度学习和多模光纤散斑的抗扰动成像方法，包括：S1、利用第一光学实验系统获取无扰动情况下多模光纤模式色散后出现的散斑图；S2、通过深度学习方法对无扰动样本进行训练，得到基于U‑net的多模光纤散斑成像模型；S3、利用第二光学实验系统获取有扰动情况下多模光纤模式色散后出现的散斑图；S4、将扰动情况下的样本与未扰动的样本用深度学习方法进行相似度度量，同时利用离群点检测方法确定剔除阈值来区分离群点和正常点，剔除部分异常相似度的数据点，得到基于VGG的自适应校准模型，将扰动样本用未扰动样本进行校准；S5、扰动样本校准为未扰动样本后使用U‑net模型进行成像。根据本发明，可以提升扰动情况下多模光纤散斑的成像效果，以便实验条件改变时从其校准状态也能实现高质量成像效果，从而提高模型的抗干扰能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
