-
公开(公告)号：CN108021869A
公开(公告)日：2018-05-11
申请号：CN201711127478.0
申请日：2017-11-15
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明公开的一种结合高斯核函数的卷积神经网络跟踪方法，该方法步骤包括：首先对首帧图像进行归一化处理并聚类提取目标信息，结合跟踪过程中目标背景信息共同作为卷积网络结构中的各阶滤波器，通过高斯核函数来提高卷积运算速度，提取目标简单抽象特征，然后叠加简单层的卷积结果得到目标的深层次表达，最后结合粒子滤波跟踪框架实现跟踪。本发明简化后的卷积网络结构，脱离苛刻深度学习运行环境提取的深度抽象特征，能够有效地应对低分辨率，目标遮挡与形变等场景，提高复杂背景下的跟踪效率。
-
公开(公告)号：CN107016664B
公开(公告)日：2019-08-30
申请号：CN201710036716.0
申请日：2017-01-18
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明一种大圆机的坏针瑕疵检测方法，利用机器学习方法实现对织物坏针瑕疵的检测，通过自适应图像增强技术预处理瑕疵图像，并有效分割感兴趣区域，根据相位一致的多尺度金字塔方法，有效地提取织物瑕点的特征信息；在织物瑕疵点分类识别方面，利用超图正则化属性学习，成功地检测出织物坏针瑕疵。本发明大大提高了纺织品的瑕疵检测速度和效率。
-
公开(公告)号：CN107256545B
公开(公告)日：2019-11-15
申请号：CN201710322853.0
申请日：2017-05-09
Applicant: 华侨大学 , 泉州市华工智能技术有限公司
Abstract: 本发明的一种大圆机的破洞瑕疵检测方法，利用机器学习方法实现对织物破洞瑕疵的检测，根据自适应图像增强技术预处理瑕疵图像，有效分割感兴趣区域，并且根据角点检测器结合排序方法有效地提取织物瑕点的单调光照及旋转不变的特征信息；在织物瑕疵点匹配方面，利用双向匹配方法，成功地得到织破洞针瑕疵。本发明大大提高了纺织品的瑕疵检测速度和效率。
-
Patent Agency Ranking
公开(公告)号：CN107610049A
公开(公告)日：2018-01-19
申请号：CN201710718998.2
申请日：2017-08-21
Applicant: 华侨大学
Abstract: 本发明公开的基于稀疏正则化技术和加权引导滤波的图像超分辨率方法，该方法通过结合图像的非局部相似性和流形学习理论构造了一个新的稀疏编码目标函数，一方面在初始重建图像中寻找相似图像块构造非局部相似正则化项，得到图像的非局部冗余，以保持边缘信息；另一方面结合局部线性嵌入方法构造流行学习正则化项，获得图像的结构先验知识，以增强结构信息；再利用加权引导滤波的全局误差补偿模型对重建后的高分辨率图像进行误差补偿，得到重建误差更小，质量更高的图像。
-
公开(公告)号：CN107610049B
公开(公告)日：2021-01-05
申请号：CN201710718998.2
申请日：2017-08-21
Applicant: 华侨大学
Abstract: 本发明公开的基于稀疏正则化技术和加权引导滤波的图像超分辨率方法，该方法通过结合图像的非局部相似性和流形学习理论构造了一个新的稀疏编码目标函数，一方面在初始重建图像中寻找相似图像块构造非局部相似正则化项，得到图像的非局部冗余，以保持边缘信息；另一方面结合局部线性嵌入方法构造流行学习正则化项，获得图像的结构先验知识，以增强结构信息；再利用加权引导滤波的全局误差补偿模型对重建后的高分辨率图像进行误差补偿，得到重建误差更小，质量更高的图像。
-
公开(公告)号：CN107256545A
公开(公告)日：2017-10-17
申请号：CN201710322853.0
申请日：2017-05-09
Applicant: 华侨大学 , 泉州市华工智能技术有限公司
Abstract: 本发明的一种大圆机的破洞瑕疵检测方法，利用机器学习方法实现对织物破洞瑕疵的检测，根据自适应图像增强技术预处理瑕疵图像，有效分割感兴趣区域，并且根据角点检测器结合排序方法有效地提取织物瑕点的单调光照及旋转不变的特征信息；在织物瑕疵点匹配方面，利用双向匹配方法，成功地得到织破洞针瑕疵。本发明大大提高了纺织品的瑕疵检测速度和效率。
-
公开(公告)号：CN107145934A
公开(公告)日：2017-09-08
申请号：CN201710322849.4
申请日：2017-05-09
Applicant: 华侨大学 , 泉州市华工智能技术有限公司
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 本发明的一种基于增强局部搜索能力的人工蜂群优化方法，通过采用一种遍历性好、分布均匀的高维混沌序列产生方式，在一定程度上避免了ABC中随机初始化的盲目性，采用基于对数的适应度评价方式，扩大了种群个体适应值的差异性，减小了选择压力，并采用一种增强局部搜索能力的搜索策略，在一定程度上有效地避免了陷入局部最优，从而提高了收敛速度，改善算法性能。
-
公开(公告)号：CN107016664A
公开(公告)日：2017-08-04
申请号：CN201710036716.0
申请日：2017-01-18
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
Abstract: 本发明一种大圆机的坏针瑕疵检测方法，利用机器学习方法实现对织物坏针瑕疵的检测，通过自适应图像增强技术预处理瑕疵图像，并有效分割感兴趣区域，根据相位一致的多尺度金字塔方法，有效地提取织物瑕点的特征信息；在织物瑕疵点分类识别方面，利用超图正则化属性学习，成功地检测出织物坏针瑕疵。本发明大大提高了纺织品的瑕疵检测速度和效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
