-
公开(公告)号：CN114219708B
公开(公告)日：2024-11-26
申请号：CN202111338491.7
申请日：2021-11-12
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务交互学习的空谱同时超分辨率重建方法，属于图像处理与计算机视觉领域。包括以下步骤：步骤一、建立SSFIN网络架构；步骤二、使用权重衰减策略训练SSFIN。本发明的一种基于多任务交互学习的空谱同时超分辨率重建方法，使得空间超分分支和光谱超分分支可以受益于彼此，逐渐降低空间超分和光谱超分任务在总损失中的权重。可以去除可能仅对下游任务有用的信息，但为主要空谱联合超分任务保留更多空间和光谱信息。大大提高网络的特征学习能力。实验结果表明，所提出的SSSR框架优于最先进的两阶段方法。
-
公开(公告)号：CN114155145A
公开(公告)日：2022-03-08
申请号：CN202111338122.8
申请日：2021-11-12
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种基于深度展开网络的空谱同时超分辨率重建方法。步骤1：确定图像退化模型；步骤2：将单张图像超分和光谱超分的观测模型结合到空间光谱超分辨率模型中；步骤3：利用交替方向乘子法ADMM求解基于模型的能量函数；步骤4：将步骤3的ADMM算法的迭代过程展开成一个多级网络；步骤5：利用步骤4的多级网络解决在空间和光谱上产生超分辨率结果。本发明用以解决现有技术中空间分辨率和光谱分辨率不高的问题。
-
公开(公告)号：CN114092327A
公开(公告)日：2022-02-25
申请号：CN202111288667.2
申请日：2021-11-02
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种利用异构知识蒸馏的高光谱图像超分辨率方法，给定一个低分辨率的高光谱图像输入ILR∈RL×H×W，经过浅层特征提取，在面向蒸馏的双分支模块DODB上的非线性映射，上采样过程，最终输出一个高分辨率的高光谱图像ISR∈RL×sH×sW；并使用异构知识蒸馏来提升模型性能，蒸馏作用于两个模型的2D特征之间，异构知识蒸馏问题转移到SHSR模型内部的融合问题，将传递的信息视为反馈信息，分别对每个频段的特征进行细化，将特征分为蒸馏部分和保留部分；在定量和定性上获得更好的性能，并重建相对高质量的高光谱图像。
-
公开(公告)号：CN110246403A
公开(公告)日：2019-09-17
申请号：CN201910670988.5
申请日：2019-07-24
Applicant: 哈尔滨工业大学(深圳)
IPC: G09B23/22
Abstract: 本发明公开了一种电镜像散及消像散的演示装置及方法。电镜像散及消像散的演示装置的第一弧矢面杆的两个端点与第二弧矢面杆的两个端点均位于第一平面，第一子午面杆的两个端点与第二子午面杆的两个端点均位于第二平面，第一平面和第二平面相互垂直；顶部弹性圈、中间弹性圈和底部弹性圈分别设置在四个杆的顶部、中部和底部；底板上设置有相互垂直交叉的第一刻度凹槽和第二刻度凹槽；第一弧矢面杆和第二弧矢面杆可滑动的设置在第一刻度凹槽上，第一子午面杆和第二子午面杆可滑动的设置在第二刻度凹槽上。采用本发明的电镜像散及消像散的演示装置及方法，能够直观方便的模拟像散和消像散原理。
-
公开(公告)号：CN120070202A
公开(公告)日：2025-05-30
申请号：CN202510124896.2
申请日：2025-01-27
Applicant: 哈尔滨工业大学
IPC: G06T5/50 , G06T5/60 , G06T5/70 , G06F18/25 , G06N3/0455 , G06N3/0985
Abstract: 本发明涉及一种逆扩散模型的多模态图像融合方法，包括以下步骤：步骤一、利用逆扩散技术，将可见光图像逆转至噪声潜在空间，然后利用逆转后的可见光图像特征，引导红外图像进行逆转；步骤二、通过扩散模型中的逆过程进行引导，将可见光的外观属性的注入红外特征，其特征可生成具有可见光风格的红外图像；步骤三、设计特定的融合规则，用于去噪过程中的注意层融合逆转的可见光和红外特征，保留模型的文本交互能力，支持语言驱动的融合控制。本发明无需额外训练或微调，即可直接生成高质量的融合图像。得到的融合图像与基础模型高度兼容，有效解决了数据域间的差异问题，并显著提升了下游机器感知任务的表现。本发明显著降低了训练成本，为跨域任务提供了高效且创新的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN114092327B
公开(公告)日：2024-06-07
申请号：CN202111288667.2
申请日：2021-11-02
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本发明提出一种利用异构知识蒸馏的高光谱图像超分辨率方法，给定一个低分辨率的高光谱图像输入ILR∈RL×H×W，经过浅层特征提取，在面向蒸馏的双分支模块DODB上的非线性映射，上采样过程，最终输出一个高分辨率的高光谱图像ISR∈RL×sH×sW；并使用异构知识蒸馏来提升模型性能，蒸馏作用于两个模型的2D特征之间，异构知识蒸馏问题转移到SHSR模型内部的融合问题，将传递的信息视为反馈信息，分别对每个频段的特征进行细化，将特征分为蒸馏部分和保留部分；在定量和定性上获得更好的性能，并重建相对高质量的高光谱图像。
-
公开(公告)号：CN114155145B
公开(公告)日：2024-05-17
申请号：CN202111338122.8
申请日：2021-11-12
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明提供了一种基于深度展开网络的空谱同时超分辨率重建方法。步骤1：确定图像退化模型；步骤2：将单张图像超分和光谱超分的观测模型结合到空间光谱超分辨率模型中；步骤3：利用交替方向乘子法ADMM求解基于模型的能量函数；步骤4：将步骤3的ADMM算法的迭代过程展开成一个多级网络；步骤5：利用步骤4的多级网络解决在空间和光谱上产生超分辨率结果。本发明用以解决现有技术中空间分辨率和光谱分辨率不高的问题。
-
公开(公告)号：CN110246403B
公开(公告)日：2021-06-18
申请号：CN201910670988.5
申请日：2019-07-24
Applicant: 哈尔滨工业大学(深圳)
IPC: G09B23/22
Abstract: 本发明公开了一种电镜像散及消像散的演示装置及方法。电镜像散及消像散的演示装置的第一弧矢面杆的两个端点与第二弧矢面杆的两个端点均位于第一平面，第一子午面杆的两个端点与第二子午面杆的两个端点均位于第二平面，第一平面和第二平面相互垂直；顶部弹性圈、中间弹性圈和底部弹性圈分别设置在四个杆的顶部、中部和底部；底板上设置有相互垂直交叉的第一刻度凹槽和第二刻度凹槽；第一弧矢面杆和第二弧矢面杆可滑动的设置在第一刻度凹槽上，第一子午面杆和第二子午面杆可滑动的设置在第二刻度凹槽上。采用本发明的电镜像散及消像散的演示装置及方法，能够直观方便的模拟像散和消像散原理。
-
公开(公告)号：CN118261816A
公开(公告)日：2024-06-28
申请号：CN202410211969.7
申请日：2024-02-27
Applicant: 哈尔滨工业大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于图像去噪技术领域，提供一种像素级零样本高效图像去噪方法。本发明通过从多个非局部相似块中选择中心像素来构建一个“像素库”张量，然后可以通过从像素库中随机采样像素为每个位置生成多个训练样本，也称为“伪实例”。通过利用像素级随机采样，Pixel2Pixel可获得大量的训练伪实例，打破了依赖特定训练数据的限制，降低了噪声的空间相关性。由于所提方法不需要关于噪声分布的精确先验知识和干净训练图像，因此适用于各种噪声类型和不同噪声水平。广泛的实验表明，Pixel2Pixel在各种类型的噪声上均优于现有方法。本发明充分利用图像数据的非局部自相似性来生成训练样本，仅使用输入的噪声图像，并采用高效轻量的卷积神经网络架构实现高效图像去噪。
-
公开(公告)号：CN114219708A
公开(公告)日：2022-03-22
申请号：CN202111338491.7
申请日：2021-11-12
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多任务交互学习的空谱同时超分辨率重建方法，属于图像处理与计算机视觉领域。包括以下步骤：步骤一、建立SSFIN网络架构；步骤二、使用权重衰减策略训练SSFIN。本发明的一种基于多任务交互学习的空谱同时超分辨率重建方法，使得空间超分分支和光谱超分分支可以受益于彼此，逐渐降低空间超分和光谱超分任务在总损失中的权重。可以去除可能仅对下游任务有用的信息，但为主要空谱联合超分任务保留更多空间和光谱信息。大大提高网络的特征学习能力。实验结果表明，所提出的SSSR框架优于最先进的两阶段方法。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
