-
公开(公告)号：CN116385294A
公开(公告)日：2023-07-04
申请号：CN202310339386.8
申请日：2023-03-31
Applicant: 南京信息工程大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的图像去雾网络，通过对样本图像进行特征提取，获得其所对应的各层尺度特征信息，进一步获得大气散射差值模型，结合大气散射差值模型，获得无雾参数图像，以此训练并获得图像去雾网络模型，应用该图像去雾网络模型对目标有雾图像进行去雾处理，获得最优无雾参数图像。通过本发明的技术方案，可以实现端到端的图像去雾，避免图像细节信息的丢失，提高去雾效果的真实性，并实现去雾方法的高效性和场景普适性。
-
公开(公告)号：CN112183414A
公开(公告)日：2021-01-05
申请号：CN202011068687.4
申请日：2020-09-29
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于混合空洞卷积的弱监督遥感目标检测方法。本发明采用混合空洞卷积、注意力机制和多层池化等多种定制设计，增强多尺度特征提取及融合，提高对不同尺寸对象的鲁棒性。此外，本发明利用强监督和弱监督检测器之间的异步迭代交替训练，只需要图像级真实标签即可进行训练和检测，达到协同提升检测性能的目标。
-
公开(公告)号：CN104361574A
公开(公告)日：2015-02-18
申请号：CN201410539145.9
申请日：2014-10-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于稀疏表示的无参考彩色图像质量评价方法，属于数字图像处理技术领域。本发明对待评价图像，在HSV彩色空间选取具有像素空间相关性标准差最大值的图像块，由图像块来匹配字典中的原子，字典中的每个原子由训练图集中具有像素空间相关性最大标准差的图像块、DMOS值、最大标准差三个元素组成，然后采用匹配追踪的方法在该字典中得到待评价图像的稀疏表示，并由原子字典中被选取到的原子的DMOS及最大标准差值来构建彩色图像质量评价指标。本发明的原子字典的构建方法简单明了，所提取的特征更符合人眼视觉感受，整个算法更简单，质量评价结果更准确。
-
公开(公告)号：CN102760293A
公开(公告)日：2012-10-31
申请号：CN201210195313.8
申请日：2012-06-14
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于距离矩阵的图像质量评价方法，属于图像处理技术领域。本发明从图像自身信息出发，提出以距离图的方式反映图像中的像素和其周围像素之间的相关性：对于清晰的图像，由于存在的干扰少，像素灰度值与其邻域像素之间的相关性跟随图像的内容不同而不同，而存在大量干扰的图像，像素与其周围像素之间的距离会变得近，使得距离图像出现模糊；然后通过距离矩阵的方式提取图像距离图的特征，距离矩阵的散布范围及其位置即可反映图像的质量，进而可得到图像的质量参数。本发明还公开了一种图像融合装置，利用本发明的图像质量评价方法对融合图像的质量进行实时评价。本发明不需要标准图像，可有效的评价图像处理系统或成像装置的像质。
-
公开(公告)号：CN109741313B
公开(公告)日：2023-08-22
申请号：CN201811631594.0
申请日：2018-12-29
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种独立成分分析和卷积神经网络的无参考图像质量评价方法，属于图像质量评价领域及通信与信息处理技术领域。该方法包括如下步骤：（1）提取表征图像质量的块作为图像质量块；（2）提取所选图像质量块的独立分量特征；（3）设计CNN训练独立分量系数来预测DMOS值；（4）用预测的DMOS值及图像质量块梯度的归一值来计算客观质量评价分数。本发明实现了更准确与人类主观感受一致性更高的无参考客观图像质量评价。
-
Patent Agency Ranking
公开(公告)号：CN111368896B
公开(公告)日：2023-07-18
申请号：CN202010128528.2
申请日：2020-02-28
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于密集残差三维卷积神经网络的高光谱遥感图像分类方法，以原始高光谱数据作为网络输入，采用三维卷积提取高光谱遥感图像的三维空谱特征，三维卷积可以直接对高光谱图像进行处理，不需要进行降维等预处理操作，更充分地提取高光谱图像的空谱特征。利用密集残差网络加深网络层数，学习更深层次的光谱和空间特征，随着网络深度的增加，残差网络可以有效减少梯度消失的问题，并且该结构可以更有效地利用特征并增强卷积层之间的特征传递；通过早停的方法来缩减训练时间，通过Soft‑max分类器进行分类预测，得到初始分类结果；提出多标签条件随机场优化算法，对分类的结果进行优化。本发明提升运算效率，提高了遥感图像分类的准确度。
-
公开(公告)号：CN116110020A
公开(公告)日：2023-05-12
申请号：CN202211433581.9
申请日：2022-11-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种融合Transformer机制的交通标志检测方法，包括如下步骤：步骤1、根据Transformer机制，设计结合图像全局特征的编码模块Trans；步骤2、利用GhostConv代替普通卷积模块搭建特征融合网络，通过GhostConv轻量便捷的线性操作轻量化冗余特征的提取过程，释放计算力和内存占用；步骤3、设计精简的解耦检测头Slim Decoupled Head，将分类与回归任务分开解析，加强网络模型的输出能力。本发明能够在复杂的道路场景中，以较高的准确率完成小型交通标志的检测。
-
公开(公告)号：CN114612709A
公开(公告)日：2022-06-10
申请号：CN202210185676.7
申请日：2022-02-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种图像金字塔特征指导的多尺度目标检测方法，包括步骤：S1，以彩色图像作为网络输入，以FPN作为目标检测的框架，采用排序下采样方法提取图像特征；S2，以同一幅彩色图像作为输入，采用构建的双瓶颈子卷积网络提取图像金字塔中每层级的位置信息和细节特征；S3，将步骤S2中提取的每层级的图像特征和主干网络对应的深层特征输入到构建的分层式特征融合模块中，完成高分辨率、弱语义特征与低分辨率、强语义特征的融合；S4，引入Focal loss重构损失函数，完成目标检测。本发明不仅能加强空间位置信息，而且能避免在下采样中丢失大量细节信息，从而增加了目标检测网络对小目标和邻近目标的辨识度。
-
公开(公告)号：CN112164056A
公开(公告)日：2021-01-01
申请号：CN202011069218.4
申请日：2020-09-30
Applicant: 南京信息工程大学
Abstract: 本发明共公开了基于交互式卷积神经网络的无参考立体图像质量评价方法，包括以下步骤：步骤一：中央眼图像的融合；步骤二：图像不重叠切块分割以及局部规范化；步骤三：搭建交互式卷积神经网络；步骤四：计算整个立体图像的质量分数。本发明考虑了双目融合机制，由立体图像的左右视图生成中央眼图像，由局部规范化后的图像块完成训练实现立体图像的质量预测，实现了更准确与人类主观感受一致性更高的无参考客观图像质量评价。
-
公开(公告)号：CN111259930A
公开(公告)日：2020-06-09
申请号：CN202010020371.1
申请日：2020-01-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种自适应注意力指导机制的一般性目标检测方法，属于计算机视觉目标检测领域。包括交叉下采样、目标区域识别(SORR)、注意力指导机制的金字塔预测卷积(APPK)和并交比(IoU)自适应损失优化。交叉下采样可保留多尺度特征图中的整体细纹理特征，减少了在图像下采样过程中空间信息的丢失；SORR模块将特征图划分为n×n网格，并得到注意力得分图，提高了目标检测效率；APPK模块可以选择推荐区域来处理预测模块和多尺度目标之间的不匹配问题；IoU自适应损失函数用于处理训练中难样本(Hard example)的问题。该目标检测方法在准确度和检测速度方面都优于现有的一般性目标检测方法。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.033 seconds)
