-
公开(公告)号：CN109829924B
公开(公告)日：2020-09-08
申请号：CN201910046769.X
申请日：2019-01-18
Abstract: 本发明公开了一种基于主体特征分析的图像质量评价方法，解决现有图像质量评价方法对图像主体特征考虑不足导致图像质量评价准确率不高等问题，该方法主要从景深、空间构图特征、背景颜色复杂度、主体的Lab特征等主体特征和图像模糊度全局特征等方面进行图像质量评价，效果比一般普适性方法好。另外，本发明选取了基于稀疏表征的方法作为分类器，比传统的分类器效果更好。
-
公开(公告)号：CN109829924A
公开(公告)日：2019-05-31
申请号：CN201910046769.X
申请日：2019-01-18
Abstract: 本发明公开了一种基于主体特征分析的图像质量评价方法，解决现有图像质量评价方法对图像主体特征考虑不足导致图像质量评价准确率不高等问题，该方法主要从景深、空间构图特征、背景颜色复杂度、主体的Lab特征等主体特征和图像模糊度全局特征等方面进行图像质量评价，效果比一般普适性方法好。另外，本发明选取了基于稀疏表征的方法作为分类器，比传统的分类器效果更好。
-
公开(公告)号：CN113870159B
公开(公告)日：2025-02-07
申请号：CN202111019135.9
申请日：2021-09-01
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明提出了一种基于动态梯度组稀疏和低秩正则化的高光谱融合方法。通过高光谱传感器获得低分辨率的高光谱图像，通过多光谱传感器采集相同画面的低分辨率的多光谱图像和高分辨率的全色图像，利用动态梯度组稀疏正则化和低秩正则化构建低分辨率的高光谱图像、低分辨率的多光谱图像、高分辨率的全色图像三者之间的融合模型，通过交替方向乘子法求解融合模型，获得系数矩阵，进而通过将系数矩阵与子空间矩阵相乘得到高分辨率的高光谱图像。本发明的融合方法将图像的子空间正则化与图像融合相结合，从而将对融合目标的求解转为对低维系数矩阵的求解，提高了计算效率，获得定性和定量方面均优于对比方法的高分辨率的高光谱图像。
-
公开(公告)号：CN118918427A
公开(公告)日：2024-11-08
申请号：CN202411152351.4
申请日：2024-08-21
Applicant: 武汉大学
IPC: G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种SAR与多光谱图像融合去云方法和系统。通过设计一种两阶段转换‑融合去云网络，该网络可分为图像转换和图像融合阶段两个部分，构成一个双U型端到端神经网络，两个子网络为图像转换子网络和图像融合子网络，结构对称并且复用一个解码器结构，在两阶段中间过渡部分，借助云掩膜权重图实现云掩膜权重图、有云MSI以及模拟无云MSI的三源图像融合，生成高质量的预测去云MSI结果。通过设计新的损失函数，指导网络训练，并基于SEN12MS‑CR数据集筛选出数据进行训练，最终得到SAR与多光谱图像融合去云模型。测试的输出图像结果表明，即使在完全没有地表数据的厚云情况下，两阶段转换‑融合去云网络也能重建可靠的地表信息，证明了本发明的有效性和实用性。
-
公开(公告)号：CN114119400B
公开(公告)日：2024-09-24
申请号：CN202111382815.7
申请日：2021-11-22
Applicant: 武汉大学
IPC: G06T5/70 , G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种单光子计数图像联合去噪和超分辨率的卷积网络方法，首先利用基于深度卷积网络的去噪器提出了一种基于模型的迭代优化算法，将单光子计数图像去噪和超分辨率统一到一个问题中。然后，通过展开上述基于模型的迭代算法来构造模型引导的深度卷积网络，以获得一最优解。由于特殊的模型引导设计，所提出的网络中的所有模块都是可解释的，在实际情况下具有良好的泛化特性。此外，通过端到端的方式对网络中的深度去噪器和其他参数进行联合优化，有效降低了参数设计的难度。因此，该方法可以实现不同情况下的单光子计数图像联合去噪和超分辨率。
-
Patent Agency Ranking
公开(公告)号：CN118195901A
公开(公告)日：2024-06-14
申请号：CN202410437356.5
申请日：2024-04-12
Applicant: 武汉大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/08 , G06T5/70 , G06T5/60
Abstract: 本发明提出一种融合多维度自注意力的声呐图像盲超分辨率方法和设备。基于声呐图像退化模型和散斑噪声的特点，提出了一种融合空间自注意力和通道自注意力的声呐图像盲超分辨率方法。基于声呐图像退化模型构建大范围退化空间，并随机采样得到训练数据对，增强网络对未知退化参数图像的适应能力；然后，融合空间自注意力和通道自注意力，精细化提取图像特征，并引入交互注意力和高频增强残差块抑制散斑噪声；最后通过全局残差连接重建具有丰富细节和纹理的高分辨率声呐图像。
-
公开(公告)号：CN117036613B
公开(公告)日：2024-04-02
申请号：CN202311052980.5
申请日：2023-08-18
Applicant: 武汉大学
IPC: G06T17/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于多重感受野交融网络的偏振三维重建方法和系统。利用全局感受野提取输入图像数据的全局上下文信息，为解决偏振成像问题中的局部歧义提供参考信息，同时利用局部感受野提取区域细节特征，以提升对目标表面的纹理细节信息的重建精度，多重感受野不断交互融合，从而实现高精度表面法向量估计。采用Conformer作为网络编码器，实现兼顾全局感受野和局部感受野的特征提取，同时利用一个多模融合模块实现全局上下文信息和区域细节特征的有效融合，并利用一个多尺寸增强模块减少高层特征在降维过程中的通道信息损失。实验表明本发明方法优于已有方法的结果，能高质量地重建目标表面信息，细节信息重建能力更强，更具备泛化性。
-
公开(公告)号：CN117575914A
公开(公告)日：2024-02-20
申请号：CN202311785332.0
申请日：2023-12-22
Applicant: 武汉大学
IPC: G06T3/4053 , G06T5/70 , G06T5/92 , G06V10/764 , G06V10/82
Abstract: 本发明提出了一种基于Transformer的合成孔径雷达(Synthetic Aperture Radar，SAR)图像盲超分辨率方法和装置。利用SAR图像成像模型和Transformer机制，提出一种基于Transformer的SAR图像盲超分辨率方法。首先根据SAR图像成像模型构建大范围退化空间，增强网络的盲超分辨率能力；然后，通过有效结合自注意力和通道注意力，使网络更多地关注非噪声信息，有效抑制了SAR图像散斑噪声，并使用多层次跨残差连接以提取深层特征对SAR图像精细化重建；最后，通过全局残差连接以重构高分辨率图像。超分辨率重建结果具有更少的噪声，且对表面的纹理特征具有较强的重建能力。
-
公开(公告)号：CN115984106A
公开(公告)日：2023-04-18
申请号：CN202211596530.8
申请日：2022-12-12
Applicant: 武汉大学
IPC: G06T3/40 , G06T5/00 , G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/08
Abstract: 本发明提出了一种基于双边对抗生成网络的线扫描图像超分辨率方法。通过将线扫描图像送入去噪网络去除线扫描图像包含的条纹噪声，然后送入融合网络充分融合线扫描图像的潜在信息，最后通过解码器重构得到高质量的高分辨率图像。在整个过程中，统一加权损失函数的设计使得去除图像噪声和提高图像质量之间保持了有效平衡，充分解决了图像超分辨率包含噪声、质量不佳等问题。
-
公开(公告)号：CN115131258A
公开(公告)日：2022-09-30
申请号：CN202210703371.0
申请日：2022-06-21
Applicant: 武汉大学
Abstract: 本发明针对将高光谱图像与多光谱图像和全色图像融合得到融合后高光谱图像的应用需求，提出了一种基于稀疏张量先验的高光谱、多光谱、全色图像融合方法，本发明的融合方法通过建立稀疏张量先验，用以充分挖掘融合后高光谱图像中空间、光谱和非局部相似块之间关系。本发明提出的模型包含数据保真项和稀疏张量先验项，并通过交替方向乘子法进行求解，从而获得定性和定量方面均优于对比方法的融合后高光谱图像。与其他融合算法相比，本发明的融合结果清晰度更高，各项指标也最接近于理想值，在定性和定量方面均优于对比方法。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.037 seconds)
