-
公开(公告)号：CN114936973B
公开(公告)日：2025-03-18
申请号：CN202210463950.2
申请日：2022-04-29
Applicant: 辽宁师范大学
Abstract: 本发明公开一种边缘和色调保真度联合约束优化的单幅图像去雾方法，本发明首先利用SLIC超像素分割将有雾图像划分成一系列图像块；其次，利用正态分布标准化和Sigmoid非线性映射，构造归一化暗通道图和归一化细节图，生成一个亮度和结构细节加权融合的特征图，从而自适应地选取反映大气光的图像块并估算理想的大气光值；然后，以散射系数为自变量，构造了一个边缘和色调保真度联合约束优化的目标函数，进而采用基于斐波那契法的一维最优化搜索，在保证色调保真度的前提下计算自适应散射系数和透射率图，最终实现基于大气散射模型的图像去雾。
-
公开(公告)号：CN119006875A
公开(公告)日：2024-11-22
申请号：CN202410834970.5
申请日：2024-06-26
Applicant: 辽宁师范大学
IPC: G06V10/764 , G06V20/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于多尺度注意力的多传感器遥感影像融合分类方法，采用三个不同尺度的影像输入，提取到不同尺度的特征，通过尺度注意力来为不同尺度特征重新赋以合适的权值，有效克服了传统方法在特征提取上的不足。同时，考虑到高光谱影像和LiDAR数据的之间的相互依赖和互补，使用模态注意力模块对联合特征和高光谱影像与LiDAR特征进行深度融合，利用特征提取过程中获得的特征生成更鲁棒的特征，从而提高分类精度。因此，本发明具有融合质量好、分类精度高、多模态数据交互能力强的特点。
-
公开(公告)号：CN118587481A
公开(公告)日：2024-09-03
申请号：CN202410636446.7
申请日：2024-05-22
Applicant: 辽宁师范大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于半监督学习的多源遥感影像融合分类方法，采用基于伪标签的半监督学习算法架构，通过引入特征聚合模块并与主动遥感结合来增强特征的质量以间接提高伪标签的质量；在伪标签获取阶段，计算出各个类别的学习难度，并为其分配相应的动态阈值，为困难类别提供相对公平的训练机会，通过将标记样本表示为高斯分布的形式，能够有效地捕捉样本空间中标记样本和未标记样本之间的相似性，得到类别平衡且高置信度的伪标记样本；通过构建半监督学习框架，扩充训练样本的数量。本发明在标记样本有限的情况下实现了多源遥感图像的精准分类，成功将多源遥感图像分类任务从监督学习范式转变为半监督学习范式。
-
公开(公告)号：CN118195950A
公开(公告)日：2024-06-14
申请号：CN202311309205.3
申请日：2023-10-11
Applicant: 辽宁师范大学
IPC: G06T5/73 , G06T5/60 , G06T5/92 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/09
Abstract: 本发明公开一种融合大气散射模型的复合注意力端到端网络的图像去雾方法，属于监控视频处理领域。首先，对暗通道先验模型进行变换，将大气光值和透射率整合为伪透射率，提出一种基于伪透射图和伽马校正的去雾模型；其次，利用多尺度融合模块、通道注意力模块及像素注意力模块设计了一种多复合模块级联的端到端深层神经网络，并以面向视觉质量感知的损失函数监督网络训练，得到有雾场景的最佳伪透射率图及其初始去雾结果；最后，利用可学习的全局参数对初始去雾图像进行自适应的伽马校正，实现图像去雾的目的。实验结果表明，在HRAM、SSEQ、NIQE指标下，本发明取得了优于现有主流技术的主客观去雾质量。
-
公开(公告)号：CN114565756B
公开(公告)日：2024-04-02
申请号：CN202210127612.1
申请日：2022-02-11
Applicant: 辽宁师范大学
IPC: G06V10/26 , G06V30/148 , G06V10/28 , G06V10/50 , G06V10/762 , G06T7/11 , G06T7/12 , G06T7/194
Abstract: 本发明公开一种混合高斯分布和二项分布的两阶段甲骨文字分割方法。首先，利用颜色空间转换提取甲骨拓片图像的亮度分量；其次，以混合高斯分布模型建模图像的全局统计特性，联合K‑均值算法和EM算法进行优化求解，进而以相对熵测度为约束，得到抑制了点状噪声的粗分割结果；然后，利用顶帽运算和连通区域分析，去除片状斑纹、盾纹、齿缝以及大面积背景；最后，以二项分布对连通区域的面积进行建模，利用最大类间方差计算该二项分布的方差，进而结合外接矩形分析，实现对残留的兆纹、刻痕和固有纹理的自适应填充，获得甲骨文字的最终分割结果。
-
Patent Agency Ranking
公开(公告)号：CN112070851B
公开(公告)日：2023-07-11
申请号：CN202010644840.7
申请日：2020-07-07
Applicant: 辽宁师范大学
IPC: G06T9/00 , G06N3/0499 , G06N3/08 , G06N3/126
Abstract: 本发明公开一种基于遗传算法和BP神经网络的索引图预测方法，首先，发掘BP神经网络良好的预测和泛化能力，建立了一种用于索引图预测编码的BP神经网络模型，从而利用待预测像素周围、因果邻域内的4个像素作为BP神经网络模型的输入，对待预测像素的索引值进行预测，能有效刻画索引图的全局数据相关和非局部相关的特定索引模式；其次，引进具有全局搜索能力的遗传算法来优化BP神经网络的初始连接权值和神经元阈值，建立了一种基于遗传算法的BP神经网络模型GA‑BP，从而降低BP神经网络对初始连接权值和神经元阈值的敏感性，提高了网络训练的速度和精度。
-
公开(公告)号：CN111598800B
公开(公告)日：2023-06-16
申请号：CN202010376069.X
申请日：2020-05-07
Applicant: 辽宁师范大学
Abstract: 本发明公开一种基于空间域同态滤波和暗通道先验的单幅图像去雾方法，首先利用暗原色先验模型粗略估计含雾图像的透射率；其次，采用双边滤波替代傅里叶变换，将双边滤波作为空间域同态滤波的传递函数，并以最大类间方差法分割含雾图像的暗通道图，再以白色区域的面积比例为自变量的反比函数来自适应地计算入射分量和反射分量的权重，实现了一种空间域同态滤波，可有效削弱含雾图像的入射分量、增强反射分量，进而计算细化的透射率，能够在较低计算复杂度的前提下，有效抑制天空等大面积白色区域或过曝光区域出现的透射率分布不均问题，达到了去噪、保边和消除景物边缘光晕的目的。
-
公开(公告)号：CN110111355B
公开(公告)日：2023-04-14
申请号：CN201811396414.5
申请日：2018-11-22
Applicant: 辽宁师范大学
Abstract: 本发明公开一种准确性高、鲁棒性好、具备自适应能力、基于非下采样剪切波域零树结构的抵抗强阴影干扰的运动车辆跟踪方法，将视频帧从RGB颜色空间转换到HSV颜色空间后，进行非下采样剪切波变换；假设变换系数服从高斯分布，采用变换系数的均值和标准差计算每个尺度的加权掩码；根据多尺度变换系数的零树分布特性，利用粗尺度的加权掩码校正细尺度的加权掩码，并将各个尺度、各个颜色通道的加权掩码进行线性组合，得到公共掩码；利用基于最小二乘拟合的最大熵方法计算自适应分割阈值，将公共掩码进行二值化；以投票方式确定运动车辆区域，进而采用均值漂移算法跟踪目标车辆。
-
公开(公告)号：CN114663777A
公开(公告)日：2022-06-24
申请号：CN202210222236.4
申请日：2022-03-07
Applicant: 辽宁师范大学
Abstract: 本发明公开了一种基于时空联合图注意机制的高光谱遥感影像变化检测方法，引入了时空联合图注意机制，利用不同时相地表覆盖之间的关联性来传播地表覆盖信息，有效地弥补了传统卷积神经网络提取特征时的不足。同时，由于时空联合图注意机制是以半监督的方式进行特征传播，可以一定程度上减少网络对于标记样本数量的依赖性。此外，本发明引进超像素级—像素级两个分支的网络框架，分别对高光谱影像的超像素级特征和像素级特征进行提取，两个分支以互补的方式协同工作，有效地提高了变化检测精度。实验结果表明，本发明在river、farm和USA三个数据集上的总体精度分别达到了96.91％、98.40％和96.87％，Kappa系数分别为79.57％、96.14％和90.99％。
-
公开(公告)号：CN113673384A
公开(公告)日：2021-11-19
申请号：CN202110900543.9
申请日：2021-08-05
Applicant: 辽宁师范大学
Abstract: 本发明公开一种LM滤波器组引导纹理特征自主学习的甲骨文字检测方法，首先，采用大津法和多条件连通区域填充算法得到输入图像I的粗去噪结果；其次，以VGG16网络为基础，在首端和末端各引进1组可训练卷积层，通过逐层冻结的训练方式，实现浅层特征和高层特征的知识迁移；然后，在网络前部引进1组Inception子网络，在网络后部引进1组Leung‑Malik方向滤波器组，从而适应文字的尺度和角度变化，并引导可训练卷积层有效获取文字区域的差异性纹理特征；最后，利用文本注意力机制、区域建议子网络计算感兴趣区域的评分，再通过特征降维子网络和区域分类子网络确定文字区域。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.048 seconds)
