-
公开(公告)号：CN118918486A
公开(公告)日：2024-11-08
申请号：CN202411415924.8
申请日：2024-10-11
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/24 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种水体环境目标识别方法及系统，方法包括：采集水面漂浮物监测图像，基于yolov8网络模型、混合网络反向残差注意力机制和跨模态注意力机制构建yolov8‑OMCIL网络模型，记为漂浮物识别模型；通过训练样本对漂浮物识别模型进行训练获得训练识别结果，计算训练识别结果与训练样本之间的训练损失值，基于训练损失值对漂浮物识别模型的权重参数进行优化，输出训练后的漂浮物识别模型；将水面漂浮物监测图像输入至预设的漂浮物识别模型获得漂浮物监测结果；本发明增强了对不同光照条件下水体环境目标特征的提取能力，优化了模型的收敛过程，提高了在不同天气下对水体环境目标识别的鲁棒性。
-
公开(公告)号：CN118038533B
公开(公告)日：2024-06-07
申请号：CN202410434403.0
申请日：2024-04-11
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/774 , G06F17/16
Abstract: 本发明公开了一种人脸识别方法、终端及介质，包括：对人脸训练数据进行预处理得到输入数据矩阵；基于输入数据矩阵求解任意三角形结构2DPCA优化模型的最大化问题过程为：基于输入数据矩阵和投影矩阵计算获得对角矩阵的对角元素；由对角矩阵的对角元素确定加权协方差矩阵的权重系数，计算获得具有保护全局几何结构的加权协方差矩阵；由加权协方差矩阵前若干个最大特征值对应的特征向量组成投影矩阵；循环迭代求解最优投影矩阵；利用最优投影矩阵对人脸测试样本进行特征提取获得低维特征，利用低维特征进行人脸识别预测；本发明对噪声干扰进行有效抑制，确保更准确和可靠的识别结果，提高了人脸识别的鲁棒性。
-
公开(公告)号：CN119648588A
公开(公告)日：2025-03-18
申请号：CN202510174558.X
申请日：2025-02-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高频低频自适应融合的图像增强方法，包括：将原始图像分别进行颜色通道的对比度增强获得中间特征图；计算中间特征图分别在颜色通道下的像素均值；根据像素均值对中间特征图进行颜色补偿获得色彩重构图像；将色彩重构图像分解为高频图像特征和低频图像特征；对高频图像特征进行归一化处理和伽马矫正获得高频校正图像；对高频校正图像进行锐化处理获得高频恢复图像；对低频图像特征权重去雾处理获得低频恢复图像，将高频恢复图像和低频恢复图像进行自适应融合获得输出图像；由高频恢复图像提供了丰富的细节和边缘信息，而低频恢复图像提供了优化后的背景和色彩信息，显著提升输出图像的可视化效果。
-
公开(公告)号：CN118942101A
公开(公告)日：2024-11-12
申请号：CN202411422571.4
申请日：2024-10-12
Applicant: 南京信息工程大学
IPC: G06V30/19 , G06V30/146
Abstract: 本发明公开了一种小样本图像识别方法、系统及存储介质，识别方法包括：获取训练图像并进行预处理和中心化处理获得训练数据矩阵；引入剪切鲁棒范数作为距离度量准则构建ASB‑2DPCA优化模型；将训练数据矩阵输入ASB‑2DPCA优化模型获得投影矩阵，计算投影矩阵对训练图像的重构误差；循环迭代更新投影矩阵直至重构误差满足收敛条件，输出最优投影矩阵；获取待识别的检测目标图像，利用预设的最优投影矩阵对检测目标图像进行特征提取获得目标特征矩阵；通过分类器对目标特征矩阵进行识别获得目标识别结果；通过自适应地调整投影矩阵，能够在小样本图像中提取出更为准确和可靠的特征，从而显著提升了图像识别的性能。
-
公开(公告)号：CN118230083B
公开(公告)日：2024-07-23
申请号：CN202410650635.X
申请日：2024-05-24
Applicant: 南京信息工程大学
IPC: G06V10/77 , G06V10/764 , G06F17/16
Abstract: 本发明公开了一种基于连续双向2DPCA的小样本图像识别方法及装置，其方法包括获取训练图像，对所述训练图像进行预处理生成训练图像数据矩阵；构建具有增强鲁棒性结构连续双向的2DPCA优化模型，将所述训练图像数据矩阵输入所述2DPCA优化模型计算最优的投影矩阵；获取待识别图像，对待识别图像进行预处理生成待识别图像数据矩阵；利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行图像识别；本发明能够提高图像识别系统在复杂环境下的特征提取能力，保证系统更精准更高效的识别结果。
-
Patent Agency Ranking
公开(公告)号：CN118230083A
公开(公告)日：2024-06-21
申请号：CN202410650635.X
申请日：2024-05-24
Applicant: 南京信息工程大学
IPC: G06V10/77 , G06V10/764 , G06F17/16
Abstract: 本发明公开了一种基于连续双向2DPCA的小样本图像识别方法及装置，其方法包括获取训练图像，对所述训练图像进行预处理生成训练图像数据矩阵；构建具有增强鲁棒性结构连续双向的2DPCA优化模型，将所述训练图像数据矩阵输入所述2DPCA优化模型计算最优的投影矩阵；获取待识别图像，对待识别图像进行预处理生成待识别图像数据矩阵；利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行图像识别；本发明能够提高图像识别系统在复杂环境下的特征提取能力，保证系统更精准更高效的识别结果。
-
公开(公告)号：CN118038533A
公开(公告)日：2024-05-14
申请号：CN202410434403.0
申请日：2024-04-11
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/774 , G06F17/16
Abstract: 本发明公开了一种人脸识别方法、终端及介质，包括：对人脸训练数据进行预处理得到输入数据矩阵；基于输入数据矩阵求解任意三角形结构2DPCA优化模型的最大化问题过程为：基于输入数据矩阵和投影矩阵计算获得对角矩阵的对角元素；由对角矩阵的对角元素确定加权协方差矩阵的权重系数，计算获得具有保护全局几何结构的加权协方差矩阵；由加权协方差矩阵前若干个最大特征值对应的特征向量组成投影矩阵；循环迭代求解最优投影矩阵；利用最优投影矩阵对人脸测试样本进行特征提取获得低维特征，利用低维特征进行人脸识别预测；本发明对噪声干扰进行有效抑制，确保更准确和可靠的识别结果，提高了人脸识别的鲁棒性。
-
公开(公告)号：CN118097396B
公开(公告)日：2024-07-12
申请号：CN202410487860.6
申请日：2024-04-23
Applicant: 南京信息工程大学
IPC: G06V20/05 , G06V10/40 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种水下光学图像识别方法及装置，其方法包括：获取水下光学的训练图像，并进行预处理生成训练图像数据矩阵；将所述训练图像数据矩阵按列拼接生成图像数据增广矩阵；构建引入双灵活度量自适应加权的2DPCA优化模型，将所述图像数据增广矩阵输入所述2DPCA优化模型计算最优的投影矩阵；获取水下光学的待识别图像，并进行预处理生成待识别图像数据矩阵；利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行水下目标识别；本发明能够有效提高水下光视觉图像数据的识别精度。
-
公开(公告)号：CN119648588B
公开(公告)日：2025-04-29
申请号：CN202510174558.X
申请日：2025-02-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高频低频自适应融合的图像增强方法，包括：将原始图像分别进行颜色通道的对比度增强获得中间特征图；计算中间特征图分别在颜色通道下的像素均值；根据像素均值对中间特征图进行颜色补偿获得色彩重构图像；将色彩重构图像分解为高频图像特征和低频图像特征；对高频图像特征进行归一化处理和伽马矫正获得高频校正图像；对高频校正图像进行锐化处理获得高频恢复图像；对低频图像特征权重去雾处理获得低频恢复图像，将高频恢复图像和低频恢复图像进行自适应融合获得输出图像；由高频恢复图像提供了丰富的细节和边缘信息，而低频恢复图像提供了优化后的背景和色彩信息，显著提升输出图像的可视化效果。
-
公开(公告)号：CN118918486B
公开(公告)日：2025-04-08
申请号：CN202411415924.8
申请日：2024-10-11
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/24 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种水体环境目标识别方法及系统，方法包括：采集水面漂浮物监测图像，基于yolov8网络模型、混合网络反向残差注意力机制和跨模态注意力机制构建yolov8‑OMCIL网络模型，记为漂浮物识别模型；通过训练样本对漂浮物识别模型进行训练获得训练识别结果，计算训练识别结果与训练样本之间的训练损失值，基于训练损失值对漂浮物识别模型的权重参数进行优化，输出训练后的漂浮物识别模型；将水面漂浮物监测图像输入至预设的漂浮物识别模型获得漂浮物监测结果；本发明增强了对不同光照条件下水体环境目标特征的提取能力，优化了模型的收敛过程，提高了在不同天气下对水体环境目标识别的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.037 seconds)
