“构造细节”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果323066个，建议您升级VIP下载更多相关专利

[发明专利]基于双分支边缘保真网络的图像去马赛克增强方法-CN202011143894.1在审
发明人：文玲;王星智 -专利权人：成都理工大学
申请日： 2020-10-23 - 公布日： 2021-01-12 - 主分类号： G06T3/40 文献下载
摘要：解决当前图像恢复中彩色伪影、细节丢失、边缘模糊的问题。具体为：步骤1、构造训练数据集，得到数量充足的训练数据集；步骤2、搭建双分支边缘保真网络；步骤3、设置步骤2中搭建网络框架的超参数、损失函数、选择优化算法对网络进行学习和优化；步骤4、对双分支边缘保真网络进行训练该方法在图像质量和细节方面得到明显的提升和增强。
基于分支边缘保真网络图像马赛克增强方法

[发明专利]一种基于多尺度特征融合的单目深度估计方法-CN202111232322.5在审
发明人：周非;邓朝龙;张黎敏 -专利权人：重庆邮电大学
申请日： 2021-10-22 - 公布日： 2021-12-31 - 主分类号： G06T7/50 文献下载
摘要：本发明涉及一种基于多尺度特征融合的单目深度估计方法，属于三维场景感知领域，包括以下步骤：S1：引入Non‑Local注意力机制，构造混合的归一化函数；S2：在特征提取网络的本层特征、深层特征和浅层特征之间引入注意力机制，计算特征图上特征之间的关联信息矩阵；S3：构建多尺度特征融合模块；S4：在解码网络引入空洞空间金字塔池化模块，扩大卷积的感受野，迫使网络学习更多的局部细节信息。本发明有效的实现了特征提取网络分层特征之间跨空间和跨尺度的特征融合，提高了网络学习局部细节的能力并使深度图在重建过程中完成了细粒度的预测，所引入的参数相对于整个网络来说也相对比较低。
一种基于尺度特征融合深度估计方法

[发明专利]一种基于分解的SAR图像多目标模糊变化检测方法-CN202111681937.6在审
发明人：方伟;席超;陆恒杨;孙俊;吴小俊 -专利权人：江南大学
申请日： 2021-12-31 - 公布日： 2022-04-12 - 主分类号： G06T5/00 文献下载
摘要：该方法从保留细节与去除噪声两个目标点出发，针对不同的目标生成不同的差分图像，分别使用FCM与FLICM模糊聚类代价函数来构造不同的目标函数，通过MOEA/D的方式对多目标任务进行优化，最后采用新的隶属度更新公式同时本申请针对保留细节和去除噪声两个目标进行了更加细致的分析，针对两目标选取了两个相互冲突的目标函数以进一步提高其区分能力，提高了对斑点噪声的鲁棒性。
一种基于分解 sar 图像多目标模糊变化检测方法

[发明专利]用于融合图像的生成对抗网络、图像融合方法及终端设备-CN202210539173.5在审
发明人：汪天富;赵程;雷柏英;岳广辉;朱云 -专利权人：深圳大学
申请日： 2022-05-18 - 公布日： 2022-08-19 - 主分类号： G06T5/50 文献下载
摘要：本发明在生成器的设计中，构造分层多模态小波融合模块，并对不同的特征属性自适应的进行融合处理，实现对不同层级不同频率的特征信息的融合，从而避免不同模态中间层信息的丢失；通过构建边缘感知模块实现对不同模态数据的边缘信息的集成，增加纹理细节信息表示能力，通过联合融合图像与两个原始输入图像以及融合边缘图像与原始边缘图像之间的对抗学习关系，促使最终的融合图像不仅包含原始图像的强度信息，同时避免边缘纹理细节信息的丢失，得到更高质量的融合图像
用于融合图像生成对抗网络方法终端设备

[发明专利]一种基于压缩感知的光谱成像技术进行受损图像的恢复重构方法-CN202210267090.5在审
发明人：赵首博;杨孟宇 -专利权人：哈尔滨理工大学
申请日： 2022-03-18 - 公布日： 2022-06-17 - 主分类号： G06T5/00 文献下载
摘要：现有谱数据重构方法保留低频信息去除高频信息，但对于光谱特征来说，波峰波谷等细节是光谱特点的重要体现之一，波峰波谷等高频信息的存在使得信号的稀疏性减弱，信号的稀疏性减弱影响数据的重构效果。本发明法是搭建可编程空间调制器的光谱成像系统代替传统成像光谱仪的入射狭缝，对目标进行编码后成像，得到的成像信号与编码形式具有数学对应关系，依据此关系构造满足压缩感知理论的数学方程，并利用合适的重构方法恢复全部信息本发明根据信号不同频率的分布特点进行稀疏分解，实现细节补偿，提高光谱曲线非光滑部分恢复精度，从而提高图像的重构效果。
一种基于压缩感知光谱成像技术进行受损图像恢复方法

[发明专利]一种基于四叉结构编码的指纹快速搜索方法-CN202211693645.9在审
发明人：萧力芮;余双波;李小花;薛艳珠;李佳楠;周吉;骆竞成 -专利权人：中国电子科技集团公司第三十研究所
申请日： 2022-12-28 - 公布日： 2023-04-18 - 主分类号： G06V40/12 文献下载
摘要：本发明提供了一种基于四叉结构编码的指纹快速搜索方法，包括注册流程和搜索流程；所述注册流程将所有待注册指纹记录到数据库中以供搜索，包括提取待注册指纹的细节特征点；针对每一个细节特征点构造一个四叉结构；对每一个四叉结构进行编码
一种基于结构编码指纹快速搜索方法

[发明专利]基于平移不变剪切波变换的图像融合方法-CN201410470345.3有效
发明人：罗晓清;张战成;张翠英;吴小俊;吴兆明;李丽兵 -专利权人：江南大学
申请日： 2014-09-15 - 公布日： 2018-06-22 - 主分类号： G06T5/00 文献下载
摘要：高频子带体现了图像的细节信息，本发明提出了一种改进的边缘强度度量方式，并构造了一种基于sigmoid函数与边缘强度度量的多策略融合规则用于高频子带融合。本发明克服了传统图像融合方法容易造成边缘失真的缺陷，融合图像保留了更多的边缘和细节信息。
策略融合低频子带高频子带局部结构平移不变强度度量融合图像图像融合细节信息剪切波图像融合测度高频子带系数多方向分解奇异值分解传统图像轮廓信息融合策略多尺度描述子源图像辨识保留改进

[发明专利]一种基于目标特征驱动的智能图像融合方法-CN201810776322.3有效
发明人：李晖晖;苗宇宏;郭雷;杨宁 -专利权人：西北工业大学
申请日： 2018-07-16 - 公布日： 2022-03-15 - 主分类号： G06T5/50 文献下载
摘要：本发明涉及一种基于目标特征驱动的智能图像融合方法，首先，基于显著性检测分割得到红外图像中的显著性目标区域；然后构造图像特征集合与融合算法集合，并利用模糊数学的原理和方法分析两者之间的模糊映射关系；最后，本方法能够在自适应地选择目标区域的最优融合方式，在极大程度地保持目标特性，更多地保留图像的背景细节信息，解决了信息丢失，目标不完整，背景模糊等多方面的缺陷，融合图像呈现出高对比度、高细节信息、目标高亮等特点
一种基于目标特征驱动智能图像融合方法

[发明专利]基于边缘自适应的高效图像盲去模糊方法-CN201410008485.9有效
发明人：董伟生;吕雪银;石光明 -专利权人：西安电子科技大学
申请日： 2014-01-08 - 公布日： 2014-04-30 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于边缘自适应的图像盲去模糊方法，针对现有全变差去模糊算法易模糊图像边缘和细节的问题，构造了去均值的梯度全变差正则模型，并利用图像梯度的局部方差自适应计算迭代加权系数，有效提升了去模糊算法恢复图像边缘和细节的能力
基于边缘自适应高效图像模糊方法

[发明专利]基于三字典块匹配的图像复原方法-CN201110180245.3有效
发明人：王爽;焦李成;刘忠伟;季佩媛;侯彪;钟桦;张小华 -专利权人：西安电子科技大学
申请日： 2011-06-30 - 公布日： 2011-11-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于三字典块匹配的图像复原方法，主要解决现有技术在图像复原时，无法锐化图像边缘且造成部分图像高频细节丢失的问题。本发明的技术方案为：首先输入一幅待处理模糊图像，并构造模糊字典Db，清晰字典Dc和高频字典Dh；然后通过将待处理的模糊图像分块，分别找到各图像块在模糊字典Db中最匹配的图像块；再利用三个字典间的一一对应关系恢复出低频结果图和高频结果图本发明在图像复原时，能够去除图像梯度效应，锐化图像边缘，恢复图像高频细节信息，提高模糊图像的恢复质量。可用于对各种已知模糊类型的模糊图像进行复原。
基于字典匹配图像复原方法

[发明专利]一种基于块加权约束的压缩感知图像重建方法及装置-CN201610370865.6有效
发明人：谢国喜;陈中舟;刘新;郑海荣 -专利权人：中国科学院深圳先进技术研究院
申请日： 2016-05-30 - 公布日： 2018-09-28 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于块加权约束的压缩感知图像重建方法及装置，所述方法包括，根据待重建图像中的感兴趣目标对待重建图像进行划分，确定感兴趣目标区域；确定感兴趣目标区域及非感兴趣目标区域的惩罚权重；根据所述惩罚权重及约束项类型构造基于块加权约束的压缩感知图像重建算法模型本发明能够避免目标区域外高强度噪声的影响，同时能够保留目标区域内微小的边缘细节信息不被过度平滑，能够在欠采倍数很高同时噪声强度较大的情况下准确地重建图像中微小的边缘细节信息。
一种基于加权约束压缩感知图像重建方法装置

[发明专利]基于张量结构多字典学习与稀疏编码的图像修补方法-CN201610312527.7有效
发明人：杨淑媛;焦李成;崔顺;刘红英;马晶晶;马文萍;侯彪;缑水平;曹向海;刘志;王梦娜 -专利权人：西安电子科技大学
申请日： 2016-05-12 - 公布日： 2018-11-16 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于张量结构多字典学习与稀疏编码的图像修补方法，主要步骤包括：根据张量的方向性和近邻结构信息对张量样本进行分类，每一类分别构造张量字典，对待修补图像张量采用同样的方式分类，用与之类别标签对应的张量字典对其进行修补本发明根据张量的方向性和近邻结构信息对张量进行有效、确定性的分类，能区别具有不同细节的张量，在对待修补张量重建时，利用重建误差对每类字典下的重建结果进行加权求和，克服了单个字典表达能力有限的缺点，对自然图像的修补，能恢复更为清晰的边缘细节，进一步提高了修补质量。
基于张量结构多字学习稀疏编码图像修补方法

[发明专利]基于拟合提升小波和均值分析的电能质量扰动识别方法-CN201710191171.0有效
发明人：阳子婧;曹军威;高立新 -专利权人：北京印刷学院
申请日： 2017-03-28 - 公布日： 2019-04-16 - 主分类号： G01R31/00 文献下载
摘要：本发明公开一种基于拟合提升小波和均值分析的电能质量扰动识别方法，首先，选用基于拟合提升算法构造的三种具有不同特性的小波对监测信号进行冗余分解；其次，对分解所得的三组高频细节信号分别求取归一化l^p范数,取范数值小的两组高频细节信号作为最优分解结果并求取模极大值；然后，结合电源电压正弦波的特点，向前求取与扰动开始时刻对应的整周期时刻，取未出现模极大值的两个时刻的电压值求均值，并与扰动开始时刻的电压值求取比值
基于拟合提升均值分析电能质量扰动识别方法

[发明专利]一种基于多重残差学习的人脸增强方法-CN201711182803.3有效
发明人：张力元;胡金晖 -专利权人：中电科新型智慧城市研究院有限公司
申请日： 2017-11-23 - 公布日： 2020-12-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多重残差学习的人脸增强方法，其包括如下步骤：S10，准备多组不同低质程度的低质人脸图像集和与每一低质人脸图像集对应的原始人脸图像集，分别作为多组训练集的低质样本和标签样本；S20，构造残差学习神经网络本发明提供的基于多重残差学习的人脸增强方法通过训练不同低质程度的残差模型，学习不同低质程度的人脸图像中所包含的噪声和细节，增强了模型的细节补充能力和抗噪能力，且具有误差小、容错性高的特点。
一种基于多重学习增强方法

[发明专利]基于NSCT变换和DCNN的高光谱图像分类方法-CN201710449741.1有效
发明人：白静;徐敏;陈盼;焦李成;张向荣;缑水平 -专利权人：西安电子科技大学
申请日： 2017-06-14 - 公布日： 2020-04-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于NSCT变换和DCNN的高光谱图像分类方法，解决了现有技术中不能充分挖掘待分类高光谱图像纹理细节和方向性信息的问题。本发明的实现为：输入高光谱图像；进行NSCT变换；对变换后立体块归一化并进行取块操作；在样本集合中随机选取训练、验证和测试样本集；构造深度卷积神经网络，设置网络超参数；训练网络；测试样本输入网络得到实际分类标签本发明保留了高光谱图像更多的纹理细节、方向性和空间信息，分类更加准确，可应用于气象、环境监测、土地利用、城市规划及防灾减灾等。
基于 nsct 变换 dcnn 光谱图像分类方法

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top