-
公开(公告)号：CN107610069B
公开(公告)日：2020-10-09
申请号：CN201710902379.9
申请日：2017-09-29
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
Abstract: 本发明公开了一种基于共享K‑SVD字典的DVS可视化视频去噪方法,主要解决技术在高帧率下生成的图像物体轮廓不清晰和消耗时间长的问题。其方案是：1.安装动态视频传感器的驱动，捕获事件流并存储；2.将事件流转为轮廓清晰的DVS图像，并进行图像分组；3.通过K‑SVD算法得到每组的第一帧图像的优化字典，并用每组的第一帧图像获得的学习字典对其余所有图像进行去噪处理；4.设置视频帧率和帧数，对经过去噪处理的DVS图像进行转视频处理。本发明不仅在保证高帧率的条件下使得物体具有明显的轮廓等特征，而且能在保留物体结构信息的同时达到很好的去噪效果和较快的去噪速度，可用于DVS开发的图像预处理。
-
公开(公告)号：CN108510464A
公开(公告)日：2018-09-07
申请号：CN201810086381.8
申请日：2018-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分块观测的压缩感知网络及全图重构方法，主要解决现有网络恢复图像质量差的问题。其网络包括观测子网络和重构子网络，该观测子网络由第一卷积层组成；该重构子网络，包括反卷积层、第二卷积层、12个大小相同的残差块、第五卷积层和第六卷积层；每个残差块包括第三卷积层和第四卷积层；第一卷积层的输出端与反卷积层的输入端连接，反卷积的输出端与第二卷积层的输入端连接，第二卷积的输出端再与12个残差块依次连接，第12个残差块的输出端与第五卷积层的输入端连接，第二卷积的输出端和第五卷积的输出端共同连接到第六卷积的输入端。用本发明网络避免了重构图像的块效应，提高了图像恢复质量，可用于图像处理。
-
Patent Agency Ranking
公开(公告)号：CN107610192A
公开(公告)日：2018-01-19
申请号：CN201710923137.8
申请日：2017-09-30
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC: G06T9/00
Abstract: 本发明公开了一种基于深度学习的自适应观测压缩感知图像重构方法，主要解决现有技术不能得到自适应于数据集的观测的问题。其实现方案是：1.准备重构网络DR2网络结构文件及相关文件；2.在重构网络DR2网络结构的基础上添加输出维度低于输入的第二全连接层得到自适应观测网络，修改训练所需的文件，并利用修改后的文件对自适应观测网络进行训练，得到训练好的模型；3.利用训练好的模型进行图像观测及重构。本发明的重构结果明显优于现有随机高斯观测的重构结果，且适应性强，实时性好，可用于雷达成像。
-
公开(公告)号：CN107610069A
公开(公告)日：2018-01-19
申请号：CN201710902379.9
申请日：2017-09-29
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
Abstract: 本发明公开了一种基于共享K-SVD字典的DVS可视化视频去噪方法,主要解决技术在高帧率下生成的图像物体轮廓不清晰和消耗时间长的问题。其方案是：1.安装动态视频传感器的驱动，捕获事件流并存储；2.将事件流转为轮廓清晰的DVS图像，并进行图像分组；3.通过K-SVD算法得到每组的第一帧图像的优化字典，并用每组的第一帧图像获得的学习字典对其余所有图像进行去噪处理；4.设置视频帧率和帧数，对经过去噪处理的DVS图像进行转视频处理。本发明不仅在保证高帧率的条件下使得物体具有明显的轮廓等特征，而且能在保留物体结构信息的同时达到很好的去噪效果和较快的去噪速度，可用于DVS开发的图像预处理。
-
公开(公告)号：CN107610192B
公开(公告)日：2021-02-12
申请号：CN201710923137.8
申请日：2017-09-30
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC: G06T9/00
Abstract: 本发明公开了一种基于深度学习的自适应观测压缩感知图像重构方法，主要解决现有技术不能得到自适应于数据集的观测的问题。其实现方案是：1.准备重构网络DR2网络结构文件及相关文件；2.在重构网络DR2网络结构的基础上添加输出维度低于输入的第二全连接层得到自适应观测网络，修改训练所需的文件，并利用修改后的文件对自适应观测网络进行训练，得到训练好的模型；3.利用训练好的模型进行图像观测及重构。本发明的重构结果明显优于现有随机高斯观测的重构结果，且适应性强，实时性好，可用于雷达成像。
-
公开(公告)号：CN108510464B
公开(公告)日：2021-11-30
申请号：CN201810086381.8
申请日：2018-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分块观测的压缩感知网络及全图重构方法，主要解决现有网络恢复图像质量差的问题。其网络包括观测子网络和重构子网络，该观测子网络由第一卷积层组成；该重构子网络，包括反卷积层、第二卷积层、12个大小相同的残差块、第五卷积层和第六卷积层；每个残差块包括第三卷积层和第四卷积层；第一卷积层的输出端与反卷积层的输入端连接，反卷积的输出端与第二卷积层的输入端连接，第二卷积的输出端再与12个残差块依次连接，第12个残差块的输出端与第五卷积层的输入端连接，第二卷积的输出端和第五卷积的输出端共同连接到第六卷积的输入端。用本发明网络避免了重构图像的块效应，提高了图像恢复质量，可用于图像处理。
-
公开(公告)号：CN108537104A
公开(公告)日：2018-09-14
申请号：CN201810086400.7
申请日：2018-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于全图观测的压缩感知网络及感知损失重构方法，主要解决现有网络恢复的重构图像具有块效应的问题。其包括观测子网络和重构子网络，该观测子网络包括第一卷积层；重构子网络包括反卷积层、第二卷积层、第一Relu激活层、第三卷积层、第二Relu激活层和第四卷积层；第一卷积层、反卷积层、第二卷积层、第一Relu激活层、第三卷积层、第二Relu激活层、第四卷积层从左至右依次连接，且反卷积层的输出端与第四卷积层的输出端相连接。利用所述网络在训练过程中引入感知损失，使重构图像的结构信息更明晰。用本发明网络进行图像重构避免了块效应，提高了图像恢复质量，强化了重构图像的语义信息，可用于图像处理。
-
-
-
-
-
-
Search Results
7
records
(took 0.039 seconds)
