公开(公告)号：CN117911675A

公开(公告)日：2024-04-19

申请号：CN202410090619.X

申请日：2024-01-22

申请人： 西安电子科技大学

发明人： 赵小明 ,  解培月 ,  刘志伟 ,  程坤

IPC分类号： G06V10/25 ,  G06V10/40 ,  G06V10/26 ,  G06V10/46 ,  G06V20/13

摘要： 本发明涉及一种光学遥感图像舰船目标显著性候选区域提取方法，包括：对海陆混合的光学遥感图像进行海陆分离和陆地屏蔽处理，得到分离结果图；利用视觉显著性算法对分离结果图进行检测，得到第一舰船目标ROI区域；根据舰船形状特征对第一舰船目标ROI区域进行精确提取，得到第二舰船目标ROI区域；对第二舰船目标ROI区域进行舰船尾迹去除，得到舰船目标候选区域。本发明针对海陆混合背景的光学遥感图像舰船目标做到了快速准确提取ROI区域，同时解决了舰船目标灰度不均和环境干扰导致漏检或者难以提取完整的舰船区域的问题，随后采用灰度统计结合舰船尾迹的特点解决了舰船的拖尾问题，最终实现了舰船目标候选区域的精确提取。

公开(公告)号：CN117994133A

公开(公告)日：2024-05-07

申请号：CN202410059724.7

申请日：2024-01-15

申请人： 西安电子科技大学

发明人： 赵小明 ,  解培月 ,  呼跃阳 ,  高苗

IPC分类号： G06T3/4053 ,  G06T3/4046 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048

摘要： 本发明公开了一种车牌图像超分辨率重建模型构建方法和车牌图像重建方法，前者包括：获取车牌图像数据集并进行预处理得到训练集；将训练集利用预先构建的车牌图像退化模型进行图像分辨率降低处理得到退化训练集；基于ESRGAN架构确定生成网络，通过引入U‑NET网络和谱归一化正则化构建鉴别网络，由生成网络和鉴别网络构成原始模型；基于退化训练集、训练集以及预设的损失函数，训练原始模型得到训练完成的车牌图像超分辨率重建模型；其中，预设的损失函数结合L1损失、感知损失和GAN损失得到。本发明能提高模糊车牌图像的分辨率和图像质量，减轻GAN训练带来的伪影；利用车牌图像超分辨率重建模型能实现对模糊车牌图像的高效超分辨率重建；可提高车牌识别效果。