-
公开(公告)号：CN116433542A
公开(公告)日：2023-07-14
申请号：CN202310206954.7
申请日：2023-02-28
申请人： 山东师范大学
IPC分类号： G06T5/50 , G06N3/0464 , G06N3/045 , G06N3/048
摘要： 本发明提出了一种基于秩一分解网络的红外和可见光图像融合方法及系统，包括：获取红外图像和可见光图像；对红外图像和可见光图像在通道维度上进行堆叠；将堆叠后的图像序列进行逐级秩一分解处理，得到多级秩一分量、红外图像的残差以及可见光图像的残差；分别将多级秩一分量以及残差进行融合，得到包含有所有秩一分量信息的融合分量Cf以及包含两个残差信息的融合分量Ef；将融合分量Cf和Ef相加，得到期望的融合图像If。本发明将红外图像与可见光图像置于秩一分解网络中进行逐级处理，提取秩一分量和残差，使得本发明可以分别对秩一分量进行增强、对残差进行平滑，有利于后期图像处理技术的应用，提高了对图像自相似特征的利用率。
-
公开(公告)号：CN113191993A
公开(公告)日：2021-07-30
申请号：CN202110425489.7
申请日：2021-04-20
申请人： 山东师范大学
摘要： 本公开提供了一种基于深度学习的全色与多光谱图像融合方法及系统，包括：获取待融合的全色图像和多光谱图像；将所述全色图像和多光谱图像输入预训练的图像融合模型中，获得融合后的遥感图像；所述方案能够充分利用深度神经网络，突出图像的空间结构信息，并且利用构建的分支光谱调节网络对图像风格进行调整，从而使融合后的遥感图像不仅具有高空间分辨率，而且能很好地保留了特定卫星的特定风格信息。
-
公开(公告)号：CN113066030A
公开(公告)日：2021-07-02
申请号：CN202110350298.9
申请日：2021-03-31
申请人： 山东师范大学
摘要： 本发明属于图像处理技术领域，提供了一种基于空谱融合网络的多光谱图像全色锐化方法及系统。该方法包括：步骤(1)：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；步骤(2)：将低空间分辨率的多光谱图像经过光谱信息提取网络进行逐级的信息提取；步骤(3)：将高空间分辨率的全色图像经过空间信息提取网络进行逐级的信息提取；步骤(4)：将每级光谱信息提取网络提取的多光谱图像特征图与每级空间信息提取网络提取的全色图像特征图取平均值，得到的平均值与融合网络逐层得到的特征图进行堆叠和卷积操作，最终得到高空间分辨率多光谱图像。
-
公开(公告)号：CN111626934A
公开(公告)日：2020-09-04
申请号：CN202010408473.0
申请日：2020-05-14
申请人： 山东师范大学
摘要： 本公开提供了一种高空间分辨率多光谱图的重构方法、系统、介质及设备，属于图像处理技术领域，获取全色图像和与全色图像对应的第一空间分辨率多光谱图像；对全色图像和第一空间分辨率多光谱图像进行分解，分别得到两种图像的高频分量和低频分量；利用卷积稀疏编码分别分解得到的两种图像的高频分量，得到每个高频分量的特征图；将两种图像的低频分量进行融合，将两种图像的高频分量的特征图进行融合，使用融合后的低频分量和融合后的高频分量重构第二空间分辨率多光谱图；本公开通过重构高空间分辨率的多光谱图像的高频分量，进而融合低频和高频得到了高空间分辨率的多光谱图像，能够更好地保留融合图像中光谱信息并且具有良好的光谱保真性能，保留了更多的空间细节。
-
公开(公告)号：CN110503631A
公开(公告)日：2019-11-26
申请号：CN201910672621.7
申请日：2019-07-24
申请人： 山东师范大学
摘要： 本发明公开了一种用低秩先验学习判别字典的遥感图像变化检测方法，主要提升无监督遥感图像变化检测的准确率，并通过学习变化判别字典和不变化判别字典代替自动阈值的选择。其步骤为：(1)分别输入待检测的两幅多时相遥感图像；(2)超像素分割差分图，得到超像素总样本；(3)对超像素总样本学习全局字典和稀疏系数；(4)根据稀疏系数矩阵的低秩表示挑选样本；(5)用变化样本和不变化样本分别学字典；(6)计算每个像素点邻域块在判别字典下的重构误差，比较重构误差得到变化区域二值图。本发明能无监督选择变化样本和不变化样本进行变化检测，可用于灾害评估，城市扩张检测，土地覆盖、利用检测等遥感领域。
-
公开(公告)号：CN118096620A
公开(公告)日：2024-05-28
申请号：CN202410170486.7
申请日：2024-02-06
申请人： 山东师范大学
IPC分类号： G06T5/90 , G06T5/50 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种能够同时利用多个视角图像进行人像颜色调整的图像和谐化方法。该方法由三个模块组成，分别为语义解析模块、和谐化骨干模块和特征融合模块。其中，语义解析模块负责提取图像中的语义特征，并输出特征图嵌入到和谐化骨干模块中；和谐化骨干模块是一个由编码器、解码器组成的对称网络结构；融合模块将不同图像经过和谐化骨干模块编码器的特征图进行融合，然后送入到解码器中，得到最终的和谐化图像。
-
公开(公告)号：CN111127291B
公开(公告)日：2023-06-20
申请号：CN201911395370.9
申请日：2019-12-30
申请人： 山东师范大学
IPC分类号： G06T1/00
摘要： 本发明公开了基于空频域JND转换的图像水印嵌入、提取方法及系统，获取原始图像，将原始图像划分为若干图像块，计算每个图像块中待嵌入水印的DC系数；对DC系数进行对数转换，得到对数转换后的数据；根据最优量化步长，对对数转换后的数据进行抖动调制嵌入水印信息；对抖动调制后的数据，进行对数域逆变换，得到更新后的嵌入水印的DC系数；根据更新后的嵌入水印的DC系数，计算DC系数的修改量；对频域JND模型进行修正，将修正后的频域JND模型进行频域‑空域转换，得到空域JND模型；根据空域JND模型引导像素修改量，对空域中的像素值进行更新，实现水印信息的嵌入。
-
公开(公告)号：CN113344846B
公开(公告)日：2023-02-21
申请号：CN202110423800.4
申请日：2021-04-20
申请人： 山东师范大学
摘要： 本公开提供了一种基于生成对抗网络和压缩感知的遥感图像融合方法及系统，包括：选择渐进式增长生成对抗网络并随机初始化一组参数作为生成模型，生成一个随机噪声作为生成模型的输入，输出伪高分辨率多光谱图像；输入原始低分辨率多光谱图像和高分辨率全色图像，按照压缩感知理论对伪高分辨率多光谱图像进行退化处理，分别得到伪低分辨率多光谱图像和伪高分辨率全色图像；计算损失函数；对随机噪声与生成模型参数同时进行优化；经过多次优化后得到高质量的高分辨率多光谱图像；所述方案解决现有基于压缩感知理论的遥感图像融合技术中运算速度慢，生成质量低等问题，能够获得准确的空间和光谱信息，可用于目标识别、地物分类和环境监测等遥感领域。
-
公开(公告)号：CN113066037B
公开(公告)日：2022-08-02
申请号：CN202110347974.7
申请日：2021-03-31
申请人： 山东师范大学
摘要： 本发明属于图像处理技术中遥感图像融合领域，提供了一种基于图注意力机制的多光谱与全色图像融合方法及系统，该方法包括：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；将多光谱图像特征图和全色图像特征图输入深度神经网络模型；采用训练样本集和Adam随机梯度下降算法对深度神经网络模型进行训练，基于损失函数优化深度神经网络模型，得到训练好的深度神经网络模型；将待融合的低分辨率的多光谱图像和高空间分辨率的全色图像输入训练好的深度神经网络模型，输出融合后的高空间分辨率的多光谱图像。
-
公开(公告)号：CN118506138A
公开(公告)日：2024-08-16
申请号：CN202410555730.1
申请日：2024-05-07
申请人： 山东师范大学
摘要： 本公开提出一种基于深度神经网络的遥感图像融合方法及系统，方法包括：获取全色图像和多光谱图像，进行预处理，得到待融合图像集；基于待融合图像集和全色图像，得到空间特征图像和光谱特征图像；将待融合图像集、空间特征图像和光谱特征图像，分别输入第一融合模块、空间信息提取模块和光谱信息提取模块，得到第一融合特征、空间特征和光谱特征；将第一融合特征、空间特征和光谱特征输入至解码器，重建高分辨率多光谱图像。通过构建光谱信息提取模块和空间信息提取模块分别提取丰富的空间信息和光谱信息，并在特征融合阶段考虑维度变换和相乘操作，使不同特征之间的信息得以交互和增强，进一步提升高分辨率多光谱图像的质量。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.031 秒)
