“许运凯”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6个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多特征信息融合的水平集红外图像分割方法-CN202011638494.8有效
发明人：黄琴燕;顾国华;万敏杰;陈钱;钱惟贤;任侃;路东明;马超;王佳节;陈欣;许运凯 -专利权人：南京理工大学;南京理工晟奥光电科技有限公司
申请日： 2020-12-31 - 公布日： 2023-10-17 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于多特征信息融合的水平集红外图像分割方法。方法为：首先输入待分割红外图像，将轮廓曲线初始化为二值函数；然后构建灰度特征图像、局部熵值特征图像和局部标准差特征图像，并构建灰度拟合图像、熵值拟合图像和标准差拟合图像；接着比较特征图像和特征拟合图像的相似性差异，得到由灰度信息驱动的符号压力函数、由熵值信息驱动的符号压力函数和由标准差信息驱动的符号压力函数，将上述三个函数相加并归一化，获得最终的符号压力函数；最后将最终的符号压力函数代入水平集演化方程演化，并用高斯滤波器正则化每次的演化结果，直至方程收敛，输出分割结果。本发明提高了分割灰度不均匀红外图像的准确率和分割效率。
一种基于特征信息融合水平红外图像分割方法

[发明专利]基于残差密集块的轻量级暗光图像增强方法-CN202310783361.7在审
发明人：顾国华;徐秀钰;万敏杰;王佳节;龚晟;陈钱;韶阿俊;许运凯 -专利权人：南京理工大学
申请日： 2023-06-28 - 公布日： 2023-08-29 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于残差密集块的轻量级暗光图像增强方法，包括以下步骤：获取成对暗光图像数据集；构建条件生成对抗网络模型，包括设计基于残差密集块和通道注意力机制的轻量级生成器网络以及全卷积鉴别器网络；确定基于全局相似损失、结构相似损失、内容相似损失、色彩相似损失和局部纹理损失的多模态损失函数；训练并测试条件生成对抗网络模型。本发明能在RTX2080Ti显卡上以每秒36帧的速度处理400*600大小的暗光图像，通过本发明增强的暗光图像更符合人眼的观测习惯，在峰值信噪比、结构相似性等常用图像评价指标上表现优越。
基于密集轻量级图像增强方法

[发明专利]基于轻量级注意力机制的水下图像色彩复原方法-CN202310491245.8在审
发明人：顾国华;龚晟;万敏杰;陈钱;王佳节;徐秀钰;许运凯;韶阿俊 -专利权人：南京理工大学
申请日： 2023-05-04 - 公布日： 2023-08-08 - 主分类号： G06V20/05 文献下载
摘要：本发明公开了一种基于轻量级注意力机制的水下图像色彩复原方法，包括以下步骤：获取水下图像；构建生成对抗网络模型，包括设计生成器网络结构同时在编码器‑译码器的浅层加入效果较好的轻量级注意力机制，用来更好地提取水下图像的特征信息，以及包括设计鉴别器网络结构以判别生成水下图像的真假；确定用以更新网络参数的基于均方对数误差计算方法的损失函数；使用训练集对设计好的网络结构进行训练，通过循环迭代不断优化网络，直至输出网络模型，并将测试集输入训练好的网络模型，获得清晰图像。通过本发明所增强的水下图像更符合人眼的观察习惯，在峰值信噪比、结构相似性等水下图像画质评测指标方面均相较于现有深度学习方法有所提升。
基于轻量级注意力机制水下图像色彩复原方法

[发明专利]一种基于自适应注意力机制网络的可见光图像去噪方法-CN202310324928.4在审
发明人：顾国华;沈昊博;万敏杰;陈钱;王佳节;徐秀钰;许运凯;龚晟;钱惟贤;韶阿俊 -专利权人：南京理工大学;南京理工晟奥光电科技有限公司
申请日： 2023-03-28 - 公布日： 2023-06-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于自适应注意力机制网络的可见光图像去噪方法，涉及图像处理领域，包括：将噪声图像与真值图像作为训练集，输入U型全卷积网络模型进行训练；设计自适应通道注意力机制，加入模型进一步提升去噪性能，并根据损失函数梯度调整网络参数，直到最大迭代次数，输出网络模型；将带有噪声的测试集图像输入训练好的网络模型，输出清晰图像。经本发明改进后的网络模型在图像去噪上的峰值信噪比、结构相似性和处理速度得到了明显提升。
一种基于自适应注意力机制网络可见光图像方法

[发明专利]一种基于残差学习的可见光-红外序列目标跟踪方法-CN202211143352.3在审
发明人：万敏杰;陈屹立;顾国华;张晓杰;许运凯;陈钱;钱惟贤;王佳节 -专利权人：南京理工大学;上海航天控制技术研究所
申请日： 2022-09-20 - 公布日： 2023-02-03 - 主分类号： G06T7/254 文献下载
摘要：本发明公开了一种基于残差学习的可见光‑红外序列目标跟踪方法，包括：初始化网络参数，对双波段图片序列的首帧进行目标采样，将样本输入包含三条并行分支的特征提取网络，每个分支分别提取可见光、红外、融合图像的特征；将特征图输入注意力模块，计算分层特征的注意力权重，用权重修正每一层的特征图；把最终的特征图送入各自的判别跟踪模块，得到目标跟踪的结果，利用融合分支与单模态分支的竞争、协作关系改进损失函数，根据目标真值框与实际跟踪框的偏差计算各分支的损失，优化网络；输入下一序列的图片，循环迭代得到跟踪网络模型，最终完成可见光——红外目标跟踪。本发明提高了可见光——红外目标跟踪的准确率和成功率。
一种基于学习可见光红外序列目标跟踪方法

[发明专利]一种基于深度特征融合的遥感飞机目标识别方法-CN202110084548.9在审
发明人：陈欣;顾国华;万敏杰;黄琴燕;许运凯;马超;王佳节;陈钱;钱惟贤;任侃;路东明 -专利权人：南京理工大学;南京理工晟奥光电科技有限公司
申请日： 2021-01-21 - 公布日： 2022-07-29 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于深度特征融合的遥感飞机目标识别方法。该方法为：获取遥感飞机图片，利用标注软件对飞机目标进行标注，构建VOC格式数据集；初始化SSD网络参数；分批次将图片送入SSD网络，提取7种不同尺寸的特征图；设计特征融合机制，每次选取深层、中层、浅层3种不同尺寸的特征图进行融合；针对包括融合后特征图在内的各不同尺寸的特征图，生成不同尺寸的先验框，并调整先验框相对于输入图片的尺寸；计算先验框与真实框之间的匹配系数并划分正负样本，计算loss值并优化网络；将下一批次图片送入SSD网络，循环迭代得到SSD网络模型，完成遥感飞机目标识别。本发明适用于小目标识别，提高了遥感飞机目标识别的精度。
一种基于深度特征融合遥感飞机目标识别方法