公开(公告)号：CN111681176B

公开(公告)日：2023-04-07

申请号：CN202010408566.3

申请日：2020-05-14

Applicant: 华南农业大学

Inventor： 王美华 ,  何海君 ,  郝悦行

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/04

Abstract: 本发明提供一种自适应卷积的残差修正单幅图像去雨方法，该方法加入雨线修正系数(Refine factor)，改进现有雨图模型，更精确描述雨图中各个像素受到雨线的影响。构建自适应选择卷积网络(SKNet)，自适应的选择不同卷积核对应维度的信息，进一步学习，融合不同卷积核的信息，提高网络的表达力。最后构建自适应卷积的残差修正网络(SKRF)网络，直接学习雨线图和残差修正系数(RF)，减少映射区间，减少背景误判。该方法能够取得比现有方法更高的精确度。图片结果在客观指标和生成图片的雨线去除效果上均取得改善。本发明能够自适应地选择不同尺寸卷积核对应通道的特征信息；更加精确地表达到每个像素点受到雨影响。

公开(公告)号：CN111681176A

公开(公告)日：2020-09-18

申请号：CN202010408566.3

申请日：2020-05-14

Applicant: 华南农业大学

Inventor： 王美华 ,  何海君 ,  郝悦行

IPC: G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种自适应卷积的残差修正单幅图像去雨方法，该方法加入雨线修正系数(Refine factor)，改进现有雨图模型，更精确描述雨图中各个像素受到雨线的影响。构建自适应选择卷积网络(SKNet)，自适应的选择不同卷积核对应维度的信息，进一步学习，融合不同卷积核的信息，提高网络的表达力。最后构建自适应卷积的残差修正网络(SKRF)网络，直接学习雨线图和残差修正系数(RF)，减少映射区间，减少背景误判。该方法能够取得比现有方法更高的精确度。图片结果在客观指标和生成图片的雨线去除效果上均取得改善。本发明能够自适应地选择不同尺寸卷积核对应通道的特征信息；更加精确地表达到每个像素点受到雨影响。

公开(公告)号：CN111680571A

公开(公告)日：2020-09-18

申请号：CN202010409361.7

申请日：2020-05-14

Applicant: 华南农业大学

Inventor： 王美华 ,  苏建誉 ,  郝悦行

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于LDA降维的多特征融合的植物叶片识别方法。该方法构造顶点在轮廓线上的三角形和叶片形状区域相交所得到的轮廓角度和部分轮廓线到弦的平均投影距离，描述轮廓线的曲率和弯曲程度；提取叶片图像的区域度量参数描述区域特征；共用叶片图像的局部二值模式和灰度共生矩阵抓取纹理特征。通过调整轮廓线上的三角形的大小，形成一种多尺度的扩充三角形特征，很好地兼顾了描述叶片整体布局和局部细节，符合人眼辨识物体的这种多尺度的特性，最后把三种特征采用LDA降维算法，融合为LGRT特征描述子。能够很好地描述叶片图像灰度特征、叶片图像区域特征和叶片的轮廓曲率特征这三类特征。