-
公开(公告)号：CN115797477B
公开(公告)日：2023-05-16
申请号：CN202310044359.8
申请日：2023-01-30
IPC分类号： G06T9/00 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084
摘要： 本发明涉及用于轻量化部署的剪枝式图像压缩感知方法及系统。其中的方法包括：获取预览图像和与预览图像关联的采样值，将预览图像输入到基于投影梯度算法和深度神经网络的图像压缩感知模型中以计算输出重建图像，其中，深度神经网络包括:用于特征提取的提取层组、用于图像重建的重建层组和设置有两者之间的第三卷积层，进行模型迭代训练时对图像压缩感知模型进行剪枝操作以获得理想压缩比例。本发明使用模型剪枝的方法对深度展开式网络进行模型规模的压缩，使其在计算复杂度和模型规模上达到轻量化部署需求同时保持良好的图像重建质量，并将其部署到移动端设备上，实现了图像的快速采样、信号传递以及节约存储。
-
公开(公告)号：CN116071646A
公开(公告)日：2023-05-05
申请号：CN202310015909.3
申请日：2023-01-05
IPC分类号： G06V20/10 , G06V10/26 , G06V10/764
摘要： 本申请公开了一种高光谱异常检测方法、装置、设备及可读存储介质。方法包括：获取输入图像，输入图像为三维高光谱图像；将三维高光谱图像进行矩阵化，得到二维高光谱图像；将二维高光谱图像分解为背景部分和异常部分，基于对背景部分进行低秩矩阵分解和小波紧框架约束，构建目标函数；基于交替方向乘子法对目标函数进行求解，得到异常部分。本申请对高光谱图像的背景部分采用矩阵分解的方式代替直接使用高光谱图像本身，降低了由计算SVD带来的复杂度，并且在低维空间中计算效率高于在原始高光谱图像中。用小波紧框架变换作为正则项，更好地保存了高光谱图像的细节和几何特征，同时消除了由全变差正则项带来的阶梯伪影，提高了异常检测的效果。
-
公开(公告)号：CN118822856A
公开(公告)日：2024-10-22
申请号：CN202410804564.4
申请日：2024-08-13
IPC分类号： G06T5/00 , G06T5/70 , G06V10/774 , G06N3/0464 , G06N3/08
摘要： 本发明属于图像处理领域，提供了一种基于深度低秩自适应的图像复原方法、装置、设备及介质。方法包括：获取预览图像及其关联的采样值，采样值根据用户选择的恢复任务和压缩比率获得，预览图像由原始图像按照压缩比率进行对应任务的压缩所得；将采样值、预览图像和原始图像作为训练集，以训练具有低秩自适应的深度网络展开模型，深度网络展开模型包括用于投影的梯度下降模块、用于特征提取和去噪的提取器层组的去噪器，提取层组包括由卷积模块构成的神经网络和线性注意力网络构成的神经网络；将待恢复图像输入到训练好的所述多模块深度网络展开模型中，以计算输出重建图像；因此本发明可以解决压缩图像恢复遇到的问题。
-
公开(公告)号：CN117218092A
公开(公告)日：2023-12-12
申请号：CN202311217663.4
申请日：2023-09-20
摘要： 本申请适用于金相数据识别技术领域，提供了一种金属碳化物检测分级方法、装置、电子设备及存储介质。该方法包括：获取待检测样品对应的多个待检测图像；将多个待检测图像中的每一待检测图像输入初筛模型，得到每一待检测图像的多通道特征图，根据每一待检测图像的多通道特征图，确定每一待检测图像是否为金属碳化物图像；将确定的多个待检测图像中的每一金属碳化物图像输入目标检测模型，得到目标图像，并将每一目标图像输入分级模型，得到每一目标图像对应的碳化物等级和置信度；根据碳化物等级和置信度，选取目标图像输入集成模型，得到待检测样品的最终碳化物等级。本申请能够提高对待检测样品中金属碳化物的检测分级的准确性和效率。
-
公开(公告)号：CN115880187A
公开(公告)日：2023-03-31
申请号：CN202310036140.3
申请日：2023-01-10
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于去噪扩散概率模型的单图像反光去除方法及相关设备，所述方法包括构建去噪扩散概率模型，并获取原始训练图像及所述原始训练图像对应的干净图像；当所述原始训练图像及所述干净图像进行训练时，输入不同的高斯噪声至所述去噪扩散概率模型，得到所述去噪扩散概率模型对所述高斯噪声拟合后得到目标噪声；基于所述目标噪声对所述原始图像进行逆向取样，得到所述原始图像的目标干净图像。本发明使用去噪扩散概率模型应用于单图像反光去除，由于去噪扩散概率模型具有保留数据语义结构的能力以及在图像细粒度方面的恢复能力更强，令反光去除后的图像恢复达到重建质量更好的效果。
-
公开(公告)号：CN115797477A
公开(公告)日：2023-03-14
申请号：CN202310044359.8
申请日：2023-01-30
IPC分类号： G06T9/00 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084
摘要： 本发明涉及用于轻量化部署的剪枝式图像压缩感知方法及系统。其中的方法包括：获取预览图像和与预览图像关联的采样值，将预览图像输入到基于投影梯度算法和深度神经网络的图像压缩感知模型中以计算输出重建图像，其中，深度神经网络包括:用于特征提取的提取层组、用于图像重建的重建层组和设置有两者之间的第三卷积层，进行模型迭代训练时对图像压缩感知模型进行剪枝操作以获得理想压缩比例。本发明使用模型剪枝的方法对深度展开式网络进行模型规模的压缩，使其在计算复杂度和模型规模上达到轻量化部署需求同时保持良好的图像重建质量，并将其部署到移动端设备上，实现了图像的快速采样、信号传递以及节约存储。
-
公开(公告)号：CN118488322B
公开(公告)日：2024-11-01
申请号：CN202410951152.3
申请日：2024-07-16
IPC分类号： H04N23/84 , H04N23/86 , H04N25/47 , G06T5/60 , G06T3/4015 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/08
摘要： 本发明涉及发明一种图像去马赛克方法及系统。其中方法包括：获取包括应用混合事件图像传感器采集的RGB颜色信息的马赛克图像；根据所述马赛克图像获取Quad Bayer排列位置图和事件位置掩码图；根据将所述马赛克图像、所述Quad Bayer排列位置图和所述事件位置掩码图应用基于深度神经网络的两阶段去马赛克模型进行处理，获取去马赛克后的重建图像。通过以上方式，能够同时考虑颜色信息和位置信息，通过二者的共同编码实现高质量的去马赛克效果，重建出去马赛克的高质量的RGB图像。
-
公开(公告)号：CN118505827A
公开(公告)日：2024-08-16
申请号：CN202410951429.2
申请日：2024-07-16
摘要： 本发明公开了一种基于四拜尔阵列的彩色视频快照压缩感知重建的方法，包括以下步骤：A、获取预览四拜尔视频和与预览图像关联的四拜尔采样值，并通过给定的掩码得到与预览视频关联的四拜尔采样测量值，其中，采样值根据用户选择的压缩比例获得，预览图像根据压缩比例缩放原始视频获得。本发明提出了首个基于quad‑Bayer阵列的彩色视频SCI重建技术，相较于传统的重建方法，该方法能够显著减少伪影和色彩失真现象，实现高质量的彩色视频重建，该技术通过优化算法和重建流程，有效克服了传统方法中的难题，提供了卓越的细节表现、色彩还原和动态效果，这不仅提升了视频质量，也为彩色视频信号的压缩采样与重建领域带来了新的突破。
-
公开(公告)号：CN118488322A
公开(公告)日：2024-08-13
申请号：CN202410951152.3
申请日：2024-07-16
IPC分类号： H04N23/84 , H04N23/86 , H04N25/47 , G06T5/60 , G06T3/4015 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/08
摘要： 本发明涉及发明一种图像去马赛克方法及系统。其中方法包括：获取包括应用混合事件图像传感器采集的RGB颜色信息的马赛克图像；根据所述马赛克图像获取Quad Bayer排列位置图和事件位置掩码图；根据将所述马赛克图像、所述Quad Bayer排列位置图和所述事件位置掩码图应用基于深度神经网络的两阶段去马赛克模型进行处理，获取去马赛克后的重建图像。通过以上方式，能够同时考虑颜色信息和位置信息，通过二者的共同编码实现高质量的去马赛克效果，重建出去马赛克的高质量的RGB图像。
-
公开(公告)号：CN117310963A
公开(公告)日：2023-12-29
申请号：CN202311263438.4
申请日：2023-09-27
摘要： 本发明提供一种金相图像显微镜的运动控制方法、装置及电子设备，涉及显微镜技术领域。本发明通过对待采集区域进行划分，得到多个采集单元，制定运动轨迹，沿运动轨迹对待采集区域内的多个采集单元进行自动拍摄，得到待采集区域的金相图像。该过程无需人工参与，避免了采集过程中反复校对导致的时间浪费，提高了金相图像显微镜的采集效率。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.044 秒)
