公开(公告)号：CN118644377A

公开(公告)日：2024-09-13

申请号：CN202410774192.5

申请日：2024-06-17

Applicant: 广州大学

Inventor： 汪洋涛 ,  尤鸿兴 ,  马汉松 ,  池福金 ,  潮京 ,  谢延昭 ,  汤茂斌 ,  彭伟龙 ,  范立生 ,  方美娥

IPC: G06T1/00 ,  G06T5/60 ,  G06T5/77 ,  G06N3/0455 ,  G06T5/70 ,  G06T5/40 ,  G06N3/084 ,  G06N3/047

Abstract: 本发明公开了一种基于Transformer的图像去水印方法及系统，该方法包括：获取带水印图像并构建数据集；构建Transformer多尺度注意力网络模型并利用所述数据集进行训练，得到训练完成的去水印模型；所述去水印模型包括编码器、隐藏层和解码器，其中，所述解码器设有水印定位检测分支和背景图像修复分支，所述编码器和所述解码器中均设有Transformer块；将待处理图像输入至所述训练完成的去水印模型进行处理，输出去水印图像。该系统包括：数据集构建模块、模型训练模块和去水印模块。通过使用本发明，能够提高去水印模型的泛化性，进而满足不同类型的水印去除任务。本发明可广泛应用于图像处理领域。

公开(公告)号：CN118864281A

公开(公告)日：2024-10-29

申请号：CN202410886402.X

申请日：2024-07-03

Applicant: 广州大学

Inventor： 汪洋涛 ,  池福金 ,  潮京 ,  尤鸿兴 ,  马汉松 ,  谢延昭 ,  汤茂斌 ,  彭伟龙 ,  范立生 ,  方美娥

IPC: G06T5/60 ,  G06V20/13 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本说明书实施例提供一种基于注意力机制的遥感卫星图像修复模型构建方法及系统，其中，方法包括：获取遥感影像数据集，对其中的图像进行数据增强处理，并将处理后的数据集按照一定比例划分为训练集和测试集；基于U‑net网络，结合Transformer模块构建遥感卫星图像修复网络模型，采用所述训练集对构建的遥感卫星图像修复网络模型进行训练；采用所述测试集对训练好的模型的修复效果进行评估，优化得到最终的修复模型。本发明将Transformer与CNN网络相结合，提升了遥感卫星图像修复的质量，简化了修复过程，提高了修复效率，节省了人力和时间成本，避免了信息丢失或变形的可能性。

公开(公告)号：CN118608426A

公开(公告)日：2024-09-06

申请号：CN202410697755.5

申请日：2024-05-31

Applicant: 广州大学

Inventor： 汪洋涛 ,  马汉松 ,  池福金 ,  尤鸿兴 ,  潮京 ,  谢延昭 ,  汤茂斌 ,  彭伟龙 ,  范立生 ,  方美娥

IPC: G06T5/77 ,  G06T3/4053 ,  G06T5/60 ,  G06V10/77 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明实施例提供了一种超分辨率图像复原模型构建方法及系统，其中，方法包括：获取图像数据集，将数据集按照预设比例划分为训练集和测试集；基于预设学习策略对预置高频特征提取器、transformer残差块与图像重组模块进行链接，以构建超分辨率图像复原模型；通过训练集对超分辨率图像复原模型进行训练拟合，获取训练好的超分辨率图像复原模型，基于测试集对训练好的超分辨率图像复原模型进行测试，获得符合要求的超分辨率图像复原模型。本申请通过高频特征提取器提取图像的高频信息，然后使用多维度自注意力机制交互的Transformer进行深层学习，将学习到的信息作为超分辨率图像的像素补充，从而使得超分辨图像更清晰，细节纹理更加丰富和准确，复原效果更好。