“范九伦”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果37个，建议您升级VIP下载更多相关专利

[发明专利]一种基于变分自编码的盲图像超分辨率重建方法及系统-CN202310045659.8有效
发明人：徐健;何春梦;赵钰蓉;益琛;李莹华;范九伦;雷博 -专利权人：西安邮电大学
申请日： 2023-01-30 - 公布日： 2023-10-27 - 主分类号： G06T3/40 文献下载
摘要：本申请公开了一种基于变分自编码的盲图像超分辨率重建方法及系统，其中方法包括：通过模拟真实情景的退化过程构建数据集，来获取待重建图像的训练样本；构建神经网络；利用训练样本训练神经网络，得到重建神经网络；利用重建神经网络对待重建图像进行超分辨率重建。本申请既可以有效解决真实场景图片不能进行处理或者处理效果不理想的问题，同时，又可以取得比现有系统和方法更好的视觉效果，在一定程度上能够去除伪影和人工痕迹保证了待超分图像的真实性同时充分保留图像的细节信息，实现了完整、真实地对低分辨率和退化的图像进行重建。高分辨率的图像因像素密度高而能为数字图像处理提供更多重要的细节信息，为图像后期处理打下良好的基础。
一种基于编码图像分辨率重建方法系统

[发明专利]一种基于卷积神经网络的自学习图像超分辨率重建方法及系统-CN202010802461.6有效
发明人：徐健;高艳;范九伦;赵凤;赵小强 -专利权人：西安邮电大学
申请日： 2020-08-11 - 公布日： 2023-07-25 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于卷积神经网络的自学习图像超分辨率重建方法及系统，所述方法包括：步骤1，获取待重建图像的训练样本；步骤2，构建卷积神经网络；所述卷积神经网络包括：特征提取单元、特征增强单元、残差单元和重建单元；步骤3，基于步骤1获得的训练样本对步骤2构建的卷积神经网络进行训练，获得训练好的重建卷积神经网络；步骤4，基于步骤3训练好的重建卷积神经网络对待重建图像进行超分辨率重建。本发明既能有效解决自学习算法训练样本不足的问题又能避免网络出现过拟合现象；同时，可以获得峰值信噪比更高，视觉效果更好的高分辨率图像。
一种基于卷积神经网络自学习图像分辨率重建方法系统

[发明专利]一种基于空间变换网络的参考图像超分辨率方法-CN202310003937.3在审
发明人：徐健;李新婷;何春梦;益琛;李莹华;范九伦;雷博 -专利权人：西安邮电大学
申请日： 2023-01-03 - 公布日： 2023-06-13 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于空间变换网络的参考图像超分辨率方法，本发明属于图像处理领域，包括：获取低分辨率图像和参考图像，将低分辨率图像与参考图像进行纹理搜索匹配，得到匹配特征块，设置块匹配阈值，基于块匹配阈值和匹配特征块，得到参考纹理特征图；对低分辨率图像进行浅层特征提取，将提取后的浅层特征图进行对应超分辨率倍数放大，得到放大浅层特征图；构建空间变换网络并训练空间变换网络，基于训练好的空间变换网络，将参考纹理特征图和放大浅层特征图进行空间对齐和特征融合，得到超分辨率图像。本发明既能有效解决纹理匹配不精确的问题，又能迁移更多纹理细节，同时可以获得峰值信噪比更高，视觉效果更好的高分辨率图像。
一种基于空间变换网络参考图像分辨率方法

[发明专利]基于通道注意力的变分自编码图像超分辨率方法及系统-CN202310105929.X在审
发明人：徐健;赵钰榕;何春梦;雷博;范九伦 -专利权人：西安邮电大学
申请日： 2023-02-13 - 公布日： 2023-04-18 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于通道注意力的变分自编码图像超分辨率方法及系统，方法包括以下步骤：采集待重建图像，得到原始数据集，并对所述原始数据集进行预处理，得到训练样本；构建神经网络模型；将所述训练样本输入至所述神经网络模型中，进行训练，得到训练好的神经网络模型；基于训练好的所述神经网络模型对待重建图像进行超分辨率重建，并基于重建图像，评价所述神经网络模型。通过搭建神经网络，由于普通的生成对抗网络会存在模式崩塌和训练不稳定导致生成的图像质量不好，所以将基于通道注意力的变分自编码器作用于判别器中，不仅可以提高判别器的判别能力，还可以生成效果更好的图像及更高的PSNR和SSIM值。
基于通道注意力编码图像分辨率方法系统

[发明专利]一种基于双模态融合网络的目标检测方法及装置-CN202211672837.1在审
发明人：侯志强;孙颖;马素刚;杨晨;程敏捷;王忠民;范九伦 -专利权人：西安邮电大学
申请日： 2022-12-26 - 公布日： 2023-03-28 - 主分类号： G06V10/80 文献下载
摘要：本发明提供一种基于双模态融合网络的目标检测方法，包括获取图像对数据集，建立双模态图像数据集，构建模块分别对红外图像和可见光图像编码，构建双路门控融合网络，将融合特征输入至基准方法YOLOv5‑s网络第三层，得到最终检测网络，处理好的图像对数据集，输入至最终检测网络中，得到检测结果；还包括一种基于本发明方法的目标检测装置；本发明方法采用嵌入门控融合网络，使模型能够确定两种模态图像在不同场景中对检测的贡献；引入多任务学习的思想，自适应调节权重分配，实现跨模态特征融；面对黑夜等复杂环境本发明具有较好的鲁棒性。
一种基于双模融合网络目标检测方法装置

[发明专利]一种联合语义的雾天道路目标检测算法-CN202211365336.9在审
发明人：胡明娣;李艺璇;范九伦;荆炳义 -专利权人：西安邮电大学
申请日： 2022-11-03 - 公布日： 2023-01-31 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种联合语义的雾天道路目标检测算法，该网络包括特征提取模块、图像去雾模块、多尺度信息融合模块、检测模块四个部分。涉及机器学习的图像处理和目标检测技术领域，能够提升在雾天条件下的目标检测的性能。具体方案为：首先对每层特征提取模块分别嵌入注意力模块（AM）并与UNet解码器对应层级联，通过注意力模块加强对雾位置信息的获取，通过UNet解码特征实现去雾，然后将特征表示与去雾后的解码特征进行信息融合，并将融合后的特征映射送入特征金字塔网络（FPN）实现联合语义学习，再将结果输入到检测模块进行目标的分类和检测。本算法在公开合成雾天目标检测数据集上进行端到端训练，然后通过逐层可视化和消融实验解释了网络设置的科学性；最后训练出模型用于雾天条件下的道路目标检测。本发明能够提高在雾天条件下道路目标检测的准确率，且可以实时进行目标检测，更好的满足了恶劣天气条件下的目标检测的需要。
一种联合语义天道目标检测算法

[发明专利]基于直觉模糊C均值聚类的图像分割方法-CN201910507275.7有效
发明人：赵凤;郝浩;刘汉强;范九伦 -专利权人：西安邮电大学
申请日： 2019-06-12 - 公布日： 2022-06-03 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于直觉模糊C均值聚类的图像分割方法。主要解决图像分割中对噪声敏感、容易陷入局部最优、聚类数目需要设定的问题，其方案是：使用基于开关均值策略构造对噪声鲁棒的直觉模糊集对图像的灰度值分布进行曲线拟合，筛选拟合曲线所有峰值点作为聚类中心初始值范围集合，并统计最大聚类中心数量；在的基础上，利用像素的位置信息和灰度信息构造直觉模糊目标函数中的线性加权函数系数，得到隶属度矩阵U；根据分级距离指数评价指标评价U，得到最优的隶属度矩阵，并对其使用检错策略筛选错分像素进行正确分类。本发明增强了对噪声的鲁棒性，能自适应地确定图像聚类数目，可用于图像识别和计算机视觉的预处理。
基于直觉模糊均值图像分割方法

[发明专利]刑侦画像计算机辅助系统及方法-CN201610285924.X有效
发明人：白本督;范九伦;鲁世宗;孙爱晶 -专利权人：西安邮电大学;陕西省互联网信息办公室
申请日： 2016-05-03 - 公布日： 2022-04-22 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种刑侦画像计算机辅助系统及方法，用于解决现有人工刑侦画像方法准确度差的技术问题。技术方案是系统包括视频/图像处理模块、二维人脸画像模块、三维人脸画像模块、电子绘图板、画像输入输出装置和传统画板。方法是视频/图像处理模块提取嫌疑人脸部信息并转化为二维图像送二维人脸画像模块，借助人工画像方法中的对称性、三庭五眼和面部结构等规则，构造嫌疑人脸部轮廓和局部细节图像，在电子绘图板生成画像底板；然后由专业人员在此基础上补充特征生成嫌疑人脸部二维画像。由于利用了已有视频信息生成画像底板，在很大程度上减小了画像师个人因素引入的误差，提高了刑侦画像的准确度。
刑侦画像计算机辅助系统方法

[发明专利]一种基于矩阵映射的图像超分辨率重建方法-CN201810582440.0有效
发明人：徐健;王春玉;范九伦;赵小强;常志国 -专利权人：西安邮电大学
申请日： 2018-06-07 - 公布日： 2021-11-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于矩阵映射的图像超分辨率重建方法，包括：通过聚类的方法对训练样本图像进行分类；将训练样本图像归类，获得每个类别的映射矩阵；提取图像的低分辨率特征图像块；找到各低分辨率特征图像块对应类别的映射矩阵，将对应的各低分辨率特征图像块映射为高分辨率图像块；获取各高分辨率图像块对应的类别的映射矩阵，完成映射矩阵的二次选择；进行二次映射获得各低分辨率特征图像块的二次映射高分辨率图像块；将各低分辨率特征图像块与对应的高分辨率图像块组合重构，获得最终的超分辨率重建后的图像。本发明既能有效保持高频细节，又能较好的避免因模糊产生的图像重建质量的降低。
一种基于矩阵映射图像分辨率重建方法

[发明专利]一种基于二次锚点邻域回归的图像超分辨率重建方法-CN201810236623.7有效
发明人：徐健;李佳;范九伦;赵小强;常志国 -专利权人：西安邮电大学
申请日： 2018-03-21 - 公布日： 2021-11-16 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于二次锚点邻域回归的图像超分辨率重建方法，步骤包括：进行离线训练，包括低分辨率字典、正映射矩阵和逆映射矩阵的训练；提取低分辨率测试图像的特征图像块；选择一次锚点，对低分辨率测试图像进行一次超分辨率重建，获得一次重建高分辨率图像；将获得的一次重建高分辨率图像映射成不同的低分辨率图像，选取与原始的所述低分辨率测试图像分辨率最接近的低分辨率图像，将对应锚点定为二次锚点；根据二次锚点进行二次超分辨率重建，获得最终的高分辨率图像。本发明通过训练低、高分辨率空间的逆映射，能够选择到更好的锚点，进而能够超分辨率重建出质量更好，纹理更清晰，细节更丰富的高分辨率图像。
一种基于二次邻域回归图像分辨率重建方法

[发明专利]基于双隶属度驱动的多目标区间值模糊聚类图像分割方法-CN201910495205.4有效
发明人：赵凤;李超琦;刘汉强;范九伦 -专利权人：西安邮电大学
申请日： 2019-06-10 - 公布日： 2021-06-08 - 主分类号： G06K9/34 文献下载
摘要：本发明公开了一种基于双隶属度驱动的多目标区间值模糊聚类图像分割方法，主要解决图像分割中对噪声敏感、容易陷入局部最优的问题，其方案是：输入待分割图像并设置初始参数值；构造区间值模糊图像；构建双隶属度驱动的全局区间值模糊紧致性函数JLN和双隶属度驱动的区间值模糊可分性函数SLN，并对这两个目标函数进行多目标进化，得到非支配解集P；计算双隶属度驱动的区间值选解指标W指标，用该指标从非支配解集P中选择出最优染色体对其进行解码，得到最优聚类中心；用最优聚类中心更新联合隶属度矩阵，并根据最大隶属度原则得到像素点的分类结果。本发明能有效地抑制噪声，防止陷入局部最优，提高了分割准确率，可用于自然图像的识别。
基于隶属驱动多目标区间模糊图像分割方法

[发明专利]一种载体损毁下的密文保全方法-CN201910142981.6有效
发明人：张明远;高梓铭;陈伟超;范九伦 -专利权人：西安邮电大学
申请日： 2019-02-26 - 公布日： 2021-04-23 - 主分类号： H04N1/32 文献下载
摘要：本发明公开了一种载体损毁下的密文保全方法，涉及信息安全技术领域，凭借最低有效位LSB算法隐藏密文信息，具有实现简单、嵌入信息量大等优点。由于图像是否已经嵌入加密信息单凭肉眼无法进行分辨，从而保证了隐秘信息传输的安全性。在此基础上，发送方可任意选用24位bmp图片做为载体，采用最大似然概率的思想存储信息，采用(7，3)循环码针对存储密文的载体格式信息序列进行差错控制编码，即使在通信过程中图像遭受一定程度的裁剪而发生损毁，接收方也能通过自身的检错纠错能力确保恢复嵌入图像中的密文信息，从而在一定程度上克服了LSB算法存储信息鲁棒性差的缺点，大大增强了信息传输的可靠性。
一种载体损毁保全方法

[发明专利]基于混沌和小波变换的音频水印嵌入、提取方法-CN201811178849.2有效
发明人：魏雅娟;刘意先;任方;范九伦;郑茗化;焦瑞芳;杨磊 -专利权人：西安邮电大学
申请日： 2018-10-10 - 公布日： 2021-04-13 - 主分类号： G06F21/16 文献下载
摘要：基于混沌和小波变换的音频水印嵌入方法，包括以下步骤：步骤1，对水印预处理，1)二值水印置乱；2)二值水印加密；步骤2，将鲁棒性水印和脆弱性水印分别嵌入小波域的低频和高频中；基于混沌和小波变换的音频水印提取方法，包括以下步骤：首先，对含有水印的音频信号进行小波分解，找出低频或高频分量中小于原先设定阈值的音频元素所对应的位置，再进行一维类噪声提取操作；其次，对提取得到的类噪声图像进行升维转换为二维图像格式，转换为加密图像；最后，加密图像进行混沌解密和Arnold逆变换，得到嵌入水印；具有隐蔽性强、稳健性高、易检验出攻击的特点。
基于混沌变换音频水印嵌入提取方法

[发明专利]基于动态k-means聚类的神经网络态势预测方法-CN201711361681.4有效
发明人：刘意先;魏雅娟;王佩;范九伦;郑茗化;焦瑞芳 -专利权人：西安邮电大学
申请日： 2017-12-18 - 公布日： 2020-12-08 - 主分类号： H04L29/06 文献下载
摘要：基于动态k‑means聚类的神经网络态势预测方法，包括以下步骤：1）收集某系统网络安全基础数据，数据指标即感染网络病毒主机数量，被篡改网络数，被植入后门的网络数量，安全事件报告数,仿冒页面数量,以及安全漏洞和高危漏洞数量，对网络安全基础数据归一化处理；2）对归一化后的网络安全基础数据，利用动态k‑means聚类算法进行聚类，确定RBF神经网络中心神经元参数和个数N；3）使用归一化后的数据参与RBF神经网络训练，计算RBF神经元宽度并确定神经元输出；4）在训练过程中，对RBF神经网络的输出权值进行编码，使用PSO算法得到最优权值，使网络态势预测精度提高；5）使用已训练的RBF神经网络对某月网络态势进行预测，并与当月网络态势评估值作对比，计算误差；具有预测精度高的特点。
基于动态 means 神经网络态势预测方法

[发明专利]一种基于攻防博弈的网站防御策略选取方法-CN201810178881.4有效
发明人：吴昊;范九伦;赖成喆;刘建华;董晓丽;杨楠 -专利权人：西安邮电大学
申请日： 2018-03-05 - 公布日： 2020-09-04 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于攻防博弈的网站防御策略选取方法，包括：一、防御资源集合的建立；二、攻击者集合的建立；三、确定攻击者的最佳决策；四、防御效用的计算及最优防御策略的选取。本发明方法步骤简单、设计合理、且实现方便，通过多次模拟攻击获得攻击者的最佳决策，进而获得防御者的最优防御策略，更接近真实地攻防博弈过程，提高了网站防御策略选取的准确性和实用性。
一种基于攻防博弈网站防御策略选取方法

1
2
3
下一页»
尾页
共 37 条