-
公开(公告)号：CN115984146B
公开(公告)日：2023-07-07
申请号：CN202310250397.9
申请日：2023-03-16
Applicant: 中国海洋大学
IPC: G06T5/00 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明属于图像处理技术领域，公开了基于全局一致性的海洋叶绿素浓度图像的补全方法及网络，采用全局一致性提取网络提取全局一致性向量，采用时序演进相关性提取网络提取时序相关性向量，最后利用图像补全网络基于全局一致性的约束和其他时刻的时序相关性对图像进行补全，输出补全的图像。通过本发明解决了现有技术未考虑其他时刻的情况的问题、未充分利用全局一致性的约束性的问题。
-
公开(公告)号：CN116596784A
公开(公告)日：2023-08-15
申请号：CN202310539861.6
申请日：2023-05-12
Applicant: 中国海洋大学
IPC: G06T5/00 , G06T5/50 , G06N3/0455 , G06N3/0475 , G06N3/045 , G06N3/08
Abstract: 本发明属于图像处理技术领域，公开了基于多尺度异常的海表面温度遥感图像补全方法，将目标海温图像和长期平均海温图像通过平均估计模块输出预测的无云短期平均海温图像，将需补全的目标海温图像和无云短期平均海温图像两者做差分运算得到海温异常图像；海温异常图像输入多尺度异常解耦模块，首先通过三次空洞卷积操作，获取海温异常图像的不同尺度异常特征，再对三个尺度的异常特征进行解耦，获得补全的不同尺度的异常图像，最后通过多尺度异常修复模块得到不同尺度的补全海表温度图像，通过本发明使得图像补全准确性更高。
-
公开(公告)号：CN118365549A
公开(公告)日：2024-07-19
申请号：CN202410796543.2
申请日：2024-06-20
Applicant: 中国海洋大学
Abstract: 本发明属于图像处理技术领域，公开了基于多尺度傅里叶融合神经算子的海温补全方法及系统，方法包括步骤S1、预训练，通过预训练得到均值多尺度解耦的频率信号学习模块和波动多尺度解耦的频率信号学习模块的权重；步骤S2、基于预训练的多尺度波动频率信号学习，得到大尺度、中尺度、小尺度三个不同尺度的频率信号，步骤S3、基于多尺度傅里叶融合神经算子的补全，得到补全的图像；步骤S4、全局和局部多尺度判别。通过本发明使得补全的图像更符合真实海温图像，提高了补全的质量。
-
公开(公告)号：CN117994171B
公开(公告)日：2024-05-31
申请号：CN202410396165.9
申请日：2024-04-03
Applicant: 中国海洋大学
IPC: G06T5/77 , G06T5/70 , G06N3/0475 , G06N3/0464 , G06N3/045
Abstract: 本发明属于图像处理技术领域，公开了基于傅里叶变换扩散模型的海表面温度图像的补全方法，包括以下步骤：步骤S1、频率处理，将海温图像从图像域转换到频率域中并进行加噪处理：步骤S2、重构监督，利用全局重构和局部重构逐步降噪，最后输出预测的当日完整海温图像。通过本发明将傅里叶变换和扩散模型结合，提高海表面温度图像补全的可靠性。
-
公开(公告)号：CN117994172B
公开(公告)日：2024-06-18
申请号：CN202410396552.2
申请日：2024-04-03
Applicant: 中国海洋大学
IPC: G06T5/77 , G06T7/13 , G06T7/40 , G06N3/0475 , G06N3/0464 , G06N3/045
Abstract: 本发明属于图像处理技术领域，特别涉及基于时序依赖和边缘细化的海温图像鲁棒补全方法及系统，所述系统包括时序特征提取模块、条件粗生成模块、边缘细生成模块，时序特征提取模块包括序列注意力模块和时间注意力模块，对于输入的包含缺失图像的时序块，所述时序特征提取模块提取特征图，并输入序列注意力模块和时间注意力模块，所述条件粗生成模块的输入为缺失图像和时序特征提取模块输出的特征图，输出粗补全图像；所述边缘细生成模块的输入为条件粗生成模块生成的粗补全图像，输出最终补全的图像。通过本发明实现图像补全结果的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN117994172A
公开(公告)日：2024-05-07
申请号：CN202410396552.2
申请日：2024-04-03
Applicant: 中国海洋大学
IPC: G06T5/77 , G06T7/13 , G06T7/40 , G06N3/0475 , G06N3/0464 , G06N3/045
Abstract: 本发明属于图像处理技术领域，特别涉及基于时序依赖和边缘细化的海温图像鲁棒补全方法及系统，所述系统包括时序特征提取模块、条件粗生成模块、边缘细生成模块，时序特征提取模块包括序列注意力模块和时间注意力模块，对于输入的包含缺失图像的时序块，所述时序特征提取模块提取特征图，并输入序列注意力模块和时间注意力模块，所述条件粗生成模块的输入为缺失图像和时序特征提取模块输出的特征图，输出粗补全图像；所述边缘细生成模块的输入为条件粗生成模块生成的粗补全图像，输出最终补全的图像。通过本发明实现图像补全结果的可靠性。
-
公开(公告)号：CN115984146A
公开(公告)日：2023-04-18
申请号：CN202310250397.9
申请日：2023-03-16
Applicant: 中国海洋大学
IPC: G06T5/00 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明属于图像处理技术领域，公开了基于全局一致性的海洋叶绿素浓度图像的补全方法及网络，采用全局一致性提取网络提取全局一致性向量，采用时序演进相关性提取网络提取时序相关性向量，最后利用图像补全网络基于全局一致性的约束和其他时刻的时序相关性对图像进行补全，输出补全的图像。通过本发明解决了现有技术未考虑其他时刻的情况的问题、未充分利用全局一致性的约束性的问题。
-
公开(公告)号：CN118365549B
公开(公告)日：2024-08-20
申请号：CN202410796543.2
申请日：2024-06-20
Applicant: 中国海洋大学
Abstract: 本发明属于图像处理技术领域，公开了基于多尺度傅里叶融合神经算子的海温补全方法及系统，方法包括步骤S1、预训练，通过预训练得到均值多尺度解耦的频率信号学习模块和波动多尺度解耦的频率信号学习模块的权重；步骤S2、基于预训练的多尺度波动频率信号学习，得到大尺度、中尺度、小尺度三个不同尺度的频率信号，步骤S3、基于多尺度傅里叶融合神经算子的补全，得到补全的图像；步骤S4、全局和局部多尺度判别。通过本发明使得补全的图像更符合真实海温图像，提高了补全的质量。
-
公开(公告)号：CN117994171A
公开(公告)日：2024-05-07
申请号：CN202410396165.9
申请日：2024-04-03
Applicant: 中国海洋大学
IPC: G06T5/77 , G06T5/70 , G06N3/0475 , G06N3/0464 , G06N3/045
Abstract: 本发明属于图像处理技术领域，公开了基于傅里叶变换扩散模型的海表面温度图像的补全方法，包括以下步骤：步骤S1、频率处理，将海温图像从图像域转换到频率域中并进行加噪处理：步骤S2、重构监督，利用全局重构和局部重构逐步降噪，最后输出预测的当日完整海温图像。通过本发明将傅里叶变换和扩散模型结合，提高海表面温度图像补全的可靠性。
-
公开(公告)号：CN117036880A
公开(公告)日：2023-11-10
申请号：CN202310989648.5
申请日：2023-08-08
Applicant: 中国海洋大学
IPC: G06V10/80 , G06V10/52 , G06V10/82 , G06V10/30 , G06N3/0475 , G06N3/094 , G06N3/045 , G06N3/0464
Abstract: 本发明属于图像处理技术领域，公开了基于去噪扩散生成模型的海表面温度图像补全方法及网络，包括周均值生成模块、日偏差生成模块和基于周均值与日偏差的多尺度融合模块，利用周均值生成模块的去噪扩散生成模块Ⅰ生成补全的周均值图像；利用日偏差生成模块求得每日偏差图像，并通过日偏差生成模块的去噪扩散生成模块Ⅱ得到补全的每日偏差图像；将补全的每日偏差图像和补全的周均值图像分别输入基于周均值与日偏差的多尺度融合模块的多尺度偏差特征解耦抽取模块和多尺度均值特征解耦抽取模块，得到三种不同尺度的解耦特征，然后在同一尺度上融合解耦特征，最终融合特征得到补全的图像。通过本方法改善图像的细节和清晰度，得到高质量输出图像。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.143 seconds)
