-
公开(公告)号：CN116823686B
公开(公告)日：2024-03-08
申请号：CN202310474220.7
申请日：2023-04-28
申请人： 长春理工大学重庆研究院
IPC分类号： G06T5/50 , G06T5/92 , G06T5/60 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/088
-
公开(公告)号：CN116823686A
公开(公告)日：2023-09-29
申请号：CN202310474220.7
申请日：2023-04-28
申请人： 长春理工大学重庆研究院
IPC分类号： G06T5/50 , G06T5/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/088
摘要： 本发明属于图像处理及机器视觉技术领域，尤其为一种基于图像增强的夜间红外与可见光图像融合方法，该方法具体包括如下步骤：步骤1，准备训练数据：选取夜间场景下红外与可见光图像数据集，对数据集进行预处理，构建网络训练数据集。本发明，设计无监督的增强网络，根据图像属性设计增强损失函数来驱动无参考的增强网络，解决了缺失参考图像的问题，设计增强边缘损失函数、照度均匀损失函数和颜色平衡损失函数，提高融合图像的对比度，增强目标的边缘信息，提升图像的视觉效果，在融合网络中采用多尺度的特征提取部分，利用不同内核大小的多个卷积层，可以捕获图像的多尺度深度特征。
-
公开(公告)号：CN116612022A
公开(公告)日：2023-08-18
申请号：CN202310504885.8
申请日：2023-05-06
申请人： 长春理工大学重庆研究院
摘要： 本发明属于图像处理技术领域，尤其为一种基于非下采样剪切波变换融合的单幅图像去雾方法，该方法包括如下步骤：步骤1，确定待融合图像：首先，获取输入的一幅有雾图像；然后，将采用自适应伽马校正对有雾图像的白平衡图像进行处理得到的图像作为第一幅待融合图像；将有雾图像进行保色‑限制对比度自适应直方图均值化算法(CP‑CLAHE)得到的对比度增强图像作为第二幅待融合图像。本发明对高频分量进行融合时采用双边滤波处理待融合图像，使图像的细节得以保持且可以滤除图像的噪声，引入了改进的边缘能量用于计算高频分量的融合权重值，使图像的细节信息得到最大化的保留，从而改善去雾图像出现的颜色失真及光晕现象。
-
公开(公告)号：CN116524265A
公开(公告)日：2023-08-01
申请号：CN202310492375.3
申请日：2023-05-04
申请人： 长春理工大学重庆研究院
IPC分类号： G06V10/764 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明属于图像分类处理技术领域，尤其为一种基于多尺度混合卷积网络的高光谱图像分类方法，该方法具体包括如下步骤，步骤1，高光谱图像：采用公开的高光谱图像数据集；步骤2，图像预处理：对步骤1中的高光谱图像进行数据降维并对降维之后的图像进行样本取块，得到一个高光谱样本块。本发明采用多个多尺度3D卷积模块对高光谱图像的空‑谱联合特征进行提取，充分融合不同尺度下的光谱和空间维度特征，提高高光谱图像的分类性能。
-
公开(公告)号：CN116485934A
公开(公告)日：2023-07-25
申请号：CN202310477749.4
申请日：2023-04-28
申请人： 长春理工大学重庆研究院
IPC分类号： G06T11/00 , G06N3/0475 , G06N3/0464 , G06N3/0499 , G06N3/094 , G06N3/088
摘要： 本发明属于图像处理技术领域，尤其为一种基于CNN和ViT的红外图像彩色化方法，该方法包括如下步骤：S1，构建网络模型：整个生成对抗网络包括生成器和鉴别器；S2，准备数据集：对整个生成对抗网络先用红外图像数据集一进行训练；S3，训练网络模型：训练红外图像彩色化模型，将S2中准备好的数据集进行预处理，调整数据集中每个图像的尺寸，固定输入图像的大小，将处理好的数据集输入到S1中构建好的网络模型中进行训练。本发明采用的网络结构是基于CNN和ViT的生成对抗网络结构，结合了CNN获取局部特征和ViT捕获长程依赖关系的优点，获得更大的感受野，降低了计算复杂度，充分利用了全局信息和局部信息，提高了彩色化能力，能够生成高质量的彩色化图像。
-
-
-
-
搜索结果
5 条记录 (耗时 0.031 秒)
