“杨硕闻”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19个，建议您升级VIP下载更多相关专利

[发明专利]基于二阶段分组注意力残差机制的光谱图像压缩重建方法-CN202110270457.4有效
发明人：秦翰林;乐阳;延翔;马琳;张嘉伟;梁毅;李莹;姚迪;杨硕闻;冯冬竹;周慧鑫 -专利权人：西安电子科技大学
申请日： 2021-03-12 - 公布日： 2023-05-09 - 主分类号： G06V10/46 文献下载
摘要：本发明公开了一种基于二阶段分组注意力残差机制的光谱图像压缩重建方法，利用第一阶段网络对观测到的图像与对应波段的图像联合生成初始估计结果，并对初始估计结果进行特征提取，对于提取到的特征使用分组注意力网络对特征数据进行分组计算，有效降低了模型的待学习参数量，在一定算力下有降低了数据重建时间；然后将优化的分组结果融合并使用第二阶段网络优化特征光谱分布结构，针对光谱一致性与上下文特征一致性设计了基于残差通道注意力机制的光谱优化网络，针对光谱维度的信息分布进行了全局优化，最终融合特征，获取高质量的重构光谱数据立方体。
基于阶段分组注意力机制光谱图像压缩重建方法

[发明专利]基于深度去噪器的压缩红外图像复原方法-CN202211700123.7在审
发明人：赵东;杨硕闻;黄鲲鹏;胡剑凌;郭业才;李鹏;程进;王新宇;张黎可;余耀;于庆南;马弘宇 -专利权人：无锡学院
申请日： 2022-12-28 - 公布日： 2023-04-04 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于深度去噪器的压缩红外图像复原方法，首先原始红外图像经过编码测量后获得原始测量值，复原原始红外图像时在传统基于优化的算法中插入深度网络学习获得的深度去噪器，然后通过设计基于空间注意力和通道注意力的特征提取网络得到深度去噪器，最后迭代求解两个子过程得到复原的红外图像，从而同时具有基于模型的优化算法的可解释性和基于卷积神经网络的鲁棒性和快速性，提高了图像复原的质量。
基于深度去噪器压缩红外图像复原方法

[发明专利]基于压缩域多尺度特征TLD的红外目标跟踪方法-CN201710428155.9有效
发明人：秦翰林;吕恩龙;延翔;王春妹;王婉婷;程文雄;胡壮壮;曾庆杰;吴金莎;孙永丽;梁瑛;杨硕闻 -专利权人：西安电子科技大学
申请日： 2017-06-08 - 公布日： 2022-11-08 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于压缩域多尺度特征TLD的红外目标跟踪方法，获取视频图像的多尺度特征并且将每一个多尺度特征级联成列向量，构建高斯稀疏测量矩阵并利用其对多尺度特征列向量进行降维处理以减少数据量，根据贝叶斯分类器对所有已降维的多尺度特征进行分类，通过多尺度的最大后验概率获取目标位置，根据所述目标位置确定跟踪目标。本发明能够在目标旋转、快速移动及目标被遮挡等情况下对目标进行稳定跟踪，具有较好的鲁棒性能。
基于压缩尺度特征 tld 红外目标跟踪方法

[发明专利]傅里叶域内逆向感知的单帧红外非均匀性检测方法-CN201710766350.2有效
发明人：曾庆杰;秦翰林;吴金莎;王婉婷;梁瑛;延翔;周慧鑫;杨硕闻;王春妹;程文雄 -专利权人：西安电子科技大学
申请日： 2017-08-30 - 公布日： 2022-05-10 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种傅里叶域内逆向感知的单帧红外非均匀性检测方法，将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶‑对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱；从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱；根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射；根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果。本发明基于图像傅里叶域的频谱分布特性，利用人类视觉系统逆向感知理论实现红外图像的非均匀性检测，以达到对单帧红外图像像质提升效果。
傅里叶域内逆向感知红外均匀检测方法

[发明专利]基于编码的双路视频压缩装置及压缩视频重建方法-CN202110132904.X有效
发明人：赵东;杨硕闻;李晖;王青;汪磊;王新蕾;唐刘;李子雄;葛良厅;李跃;顾雨倩;贺文轩 -专利权人：南京信息工程大学滨江学院
申请日： 2021-01-29 - 公布日： 2022-03-25 - 主分类号： H04N19/42 文献下载
摘要：本发明公开了一种基于编码的双路视频压缩装置及压缩视频重建方法。基于编码的双路视频压缩装置包括场景压缩模块、编码调制模块、压缩采集模块、压缩视频重建模块。通过双光路实现边信息和编码信息的采集，其中视频重建模块采用基于梭形网络结构的压缩视频重建方法。将边信息、编码信息和编码模板序列进行拼接操作后，经过梭形网络中的通道注意力，空间注意力和残差机制等深层特征提取，快速重建得到高质量的视频图像序列。本发明提高重建视频的图像质量；采用梭形网络结构，通过双注意力残差机制提取深层的空间特征和时间特征，提高了视频重建的速度和质量。
基于编码视频压缩装置压缩视频重建方法

[发明专利]基于局部梯度三边的图域多尺度红外弱小目标检测方法-CN201710391310.4有效
发明人：秦翰林;曾庆杰;李佳;吴金莎;梁瑛;杨硕闻;延翔;王婉婷;程文雄;王春妹 -专利权人：西安电子科技大学
申请日： 2017-05-27 - 公布日： 2022-03-11 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，该方法为：将含弱小目标的红外图像转化成以节点和其边权关系为表示方式的局部梯度三边图信号；其次，根据图拉普拉斯矩阵的多尺度变换对局部梯度三边图信号进行多尺度分解，获得图信号在不同尺度下的低高频子带；再次，根据图信号的边权关系对每个尺度的高频子带进行局部加权，并取其中值作为新的中心节点系数，然后对局部加权后的高频子带作乘性融合；最后，对乘性融合后的高频子带进行自适应阈值分割，确定目标空间位置，输出检测结果。
基于局部梯度三边图域多尺度红外弱小目标检测方法

[发明专利]基于波长转换的长波红外多光谱成像方法及装置-CN201911361649.5有效
发明人：秦翰林;姚迪;马琳;杨硕闻;乐阳;延翔;张嘉伟 -专利权人：西安电子科技大学
申请日： 2019-12-26 - 公布日： 2022-01-28 - 主分类号： G01J3/28 文献下载
摘要：本发明公开了一种基于波长转换的长波红外多光谱成像方法及装置，将原始长波红外光谱图像进行分光获得不同光谱通道的长波红外光谱图像；再将所述不同光谱通道的长波红外光谱图像转换成近红外光谱图像；通过基于随机高斯矩阵设计的编码模板对近红外光谱图像完成编码获得光谱图像；通过压缩感知原理从所述光谱图像恢复出原始长波红外光谱图像；通过基于深度学习的SRCNN网络对恢复出的原始长波红外光谱图像WP×Q×l进行超分重建，获得高质量的具有目标长波特性的近红外光谱图像WNP×NQ×l。本发明利用基于深度学习的算法对光谱进行重构和超分，基于深度学习的神经网络能更好的提取光谱图像的空间相关性和谱间相关性，得到更高分辨率和信噪比的光谱图像。
基于波长转换长波红外光谱成像方法装置

[发明专利]单像素激光计算成像装置及方法-CN201910742959.5有效
发明人：秦翰林;刘燕;马琳;杨硕闻;李兵斌;李莹;杨毓鑫;乐阳;林杨;林凯东 -专利权人：西安电子科技大学
申请日： 2019-08-13 - 公布日： 2022-01-07 - 主分类号： G01S17/89 文献下载
摘要：本发明公开了一种单像素激光计算成像装置，包括主动照明模块，用于对待成像的目标场景进行照明；第一成像镜组，对经过目标场景反射的照明信息汇聚成像；DMD调制模块，产生多次编码的高斯随机编码模板矩阵，并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号；第二成像镜组，对所述编码后的目标场景信号进行畸变校正和二次成像；数据采集模块，对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值；高分辨率计算成像模块：对目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像；还公开了一种单像素激光计算成像方法。
像素激光计算成像装置方法

[发明专利]基于拓扑-图切融合优化的多谱段红外图像背景抑制方法-CN201810015843.7有效
发明人：秦翰林;王婉婷;程文雄;延翔;王春妹;梁瑛;杨硕闻;彭昕;胡壮壮 -专利权人：西安电子科技大学
申请日： 2018-01-08 - 公布日： 2021-11-02 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于拓扑‑图切融合优化的多谱段红外图像背景抑制方法，分别对多谱段的红外图像进行局部Patch预处理获得预处理后的图像，根据拓扑微分方法对所述预处理后的图像进行强起伏边缘的抑制获得最优扩散系数，根据获得的最优扩散系数与梯度均值滤波相结合分别对单波段图像进行背景抑制，获得若干个单波段杂波抑制后的目标图像；根据尺度区域能量理论模型对所述获得的若干个单波段杂波抑制后的目标图像进行融合，得到多谱段融合的背景抑制结果图像；对所述多谱段融合的背景抑制结果图像进行图切策略优化，消除融合后图像的局部轮廓效应，最终获得背景抑制后的图像。本发明能有效地抑制红外图像中所包含的高灰度级、起伏剧烈的红外背景，并能够突出目标信息。
基于拓扑融合优化多谱段红外图像背景抑制方法

[发明专利]高动态范围红外图像的压缩显示方法-CN202110286100.5在审
发明人：秦翰林;曾庆杰;延翔;马琳;杨硕闻;袁帅;张嘉伟;冯冬竹;张天吉;王文樑 -专利权人：西安电子科技大学
申请日： 2021-03-17 - 公布日： 2021-07-09 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种高动态范围红外图像的压缩显示方法，首先对单帧高动态范围红外图像进行灰度值统计，获得原始灰度直方图；然后采用一个S型非线性映射函数对原始灰度直方图进行压缩，获得修正后的新直方图；最后根据所述新直方图确定累积分布函数，并以此进行灰度均衡化重建处理，最终获得低动态范围的红外图像。本发明提供的高动态范围红外图像的压缩显示方法能够在保持原始灰度直方图分布的基础上，有效降低背景灰度的峰值分布，从而使灰度级压缩后的低动态范围红外图像具有良好的视觉效果；在应对复杂的目标场景时，可通过适当调节控制参数来进一步产生满意的低动态范围图像。
动态范围红外图像压缩显示方法

[发明专利]基于多尺度引导滤波的高动态红外图像细节增强方法-CN202110287389.2在审
发明人：秦翰林;曾庆杰;延翔;梁毅;袁帅;杨硕闻;姚迪;张嘉伟;乐子涵;周慧鑫 -专利权人：西安电子科技大学
申请日： 2021-03-17 - 公布日： 2021-07-09 - 主分类号： G06T5/20 文献下载
摘要：本发明公开了一种基于多尺度引导滤波的高动态红外图像细节增强方法，对输入的高动态红外图像进行多尺度引导滤波分解，获得不同尺度的图像细节层；对所述不同尺度的图像细节层进行加权融合，获得多尺度融合的细节层，并通过与原始图像作差，获得相应的基本层；对所述多尺度融合的细节层和相应的基本层分别进行非线性压缩映射，获得增强的细节层和低动态的基本层；最后，叠加所述增强的细节层和低动态的基本层并进行归一化，获得细节增强的低动态红外图像。本发明能够快速高效地提取更多细节信息，也避免出现梯度翻转问题，细节增强性能和整体视觉效果较优。
基于尺度引导滤波动态红外图像细节增强方法

[发明专利]基于双通道特征迁移网络的单帧图像超分辨率重建方法-CN202110268450.9在审
发明人：秦翰林;乐阳;延翔;冯冬竹;姚迪;梁毅;李莹;张嘉伟;杨硕闻;马琳;周慧鑫 -专利权人：西安电子科技大学
申请日： 2021-03-12 - 公布日： 2021-06-18 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于双通道特征迁移网络的单帧图像超分辨率重建方法，针对深度超分辨率图像重建网络网络深度增加带来的细节信息丢失、局部感受野对于全局‑局部纹理相似性利用不充分的问题进行网络模型设计，整体网络基于残差机制，使用后置上采样模块对图像进行空间尺度的上采样输出超分辨率重建结果y。本发明能够保持空间重复纹理特征的有效分布，并对出事特征使用残差结构进行复用，有效防止了细节特征在网络前向传递的过程中的消失现象，可显著提升单帧图像超分辨率重建质量。
基于双通道特征迁移网络图像分辨率重建方法

[发明专利]基于残差自注意力和生成对抗网络的图像增强方法-CN202011392344.3在审
发明人：秦翰林;姚迪;延翔;马琳;梁毅;曾庆杰;杨硕闻;乐阳;张嘉伟;侯本照;周慧鑫 -专利权人：西安电子科技大学
申请日： 2020-12-02 - 公布日： 2021-03-26 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于残差自注意力和生成对抗网络的图像增强方法，通过残差自注意力模块对低质量红外图像进行红外图像特征提取，获得低级红外特征图；通过增强模块对提取到的低级红外特征图进行多尺度深层次细节特征提取，获得高级红外特征图；低级特征图与高级特征图进行卷积合并生成增强红外图像，将增强红外图像和与低质量红外图像配对的高质量红外图像输入判别器，在生成对抗网络的生成器和判别器的训练过程中，确定两幅图像的纹理损失、内容损失、全变分损失，对比度损失，引导生成器与判别器的参数更新方向，不断提高增强红外图像的细节特征，获得质量相对最优的增强红外图像。
基于注意力生成对抗网络图像增强方法

[发明专利]基于自注意生成对抗网络的激光点云超分辨率重建方法-CN202011392367.4在审
发明人：秦翰林;李莹;延翔;马琳;林凯东;杨硕闻;乐阳;张嘉伟;姚迪 -专利权人：西安电子科技大学
申请日： 2020-12-02 - 公布日： 2021-03-26 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于自注意生成对抗网络的激光点云超分辨率重建方法，通过生成器网络中对激光点云图像进行特征提取，获得激光点云特征；对所述激光点云特征进行特征扩展，再进行坐标重建，获得密集点云数据；对所述密集点云数据进行鉴别确定对应的置信度；根据所述密集点云数据的置信度预判对应的密集点云数据，如果该置信度值接近1，则鉴别器预测输入可能来自具有高置信度的目标分布，否则来自生成器，对所述密集点云数据进行特征集成，获得输出特征；通过输出特征对对抗网络进行训练得到最终的稠密点云数据。本发明能够实现不同特征提取单元之间的特征信息共享，在提高重建精度的同时减小模型的大小，利于网络模型的轻量化。
基于注意生成对抗网络激光点云超分辨率重建方法

[发明专利]基于SRU与残差网络的递归红外图像非均匀校正方法-CN202011242885.8在审
发明人：秦翰林;张嘉伟;延翔;梁毅;冯冬竹;马琳;曾庆杰;杨硕闻;乐阳;姚迪;乐子晗;周慧鑫 -专利权人：西安电子科技大学
申请日： 2020-11-10 - 公布日： 2021-03-02 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于SRU与残差网络的递归红外图像非均匀校正方法，将原始非均匀噪声图与原始非均匀噪声图进行通道数拼接，进行初步特征提取；其次，将初步特征提取结果经过简单递归单元(SRU)完成特征提取；经过多层残差块与卷积层处理，获得一阶段的红外图像非均匀校正结果；将所述一阶段的红外图像非均匀校正结果与原始非均匀噪声图进行通道数拼接，进行下一步特征提取，如此进行共N个阶段，获得最终的红外图像非均匀校正结果。本发明通过残差模块和简单递归单元共同作用，在以6个阶段作为递归的情况下，网络共享每个阶段的参数，大大降低了整体网络参数量，对大多数场景的红外图像都具有良好的非均匀性校正效果。
基于 sru 网络递归红外图像均匀校正方法

1
2
下一页»
尾页
共 19 条