-
公开(公告)号:CN119107269A
公开(公告)日:2024-12-10
申请号:CN202411192906.8
申请日:2024-08-28
Applicant: 安徽大学
Abstract: 本发明公开了一种基于自适应亮度改进和局部图像去散射的水下图像复原方法,包括:获取原始水下图像;构建原始水下图像从水面到场景的衰减模型和亮度矫正矩阵;根据衰减模型和亮度矫正矩阵定义亮度补偿函数,将亮度补偿函数分解为多个子问题,使用交替方向乘子法求解所述子问题,得到亮度补偿对应的值,得到亮度补偿后的水下图像;基于DCP算法获取R,G,B三个通道的介质透射率和水下环境光,对亮度补偿后的水下图像进行处理,得到恢复后的图像;本方法关注了水下图像的亮度退化问题,使水下图像更接近真实环境光下的图像,在处理不同水下图像的模糊对比度和低亮度方面取得了更好的平衡;无需对参数进行任何微调,可以很好地复原水下图像。
-
公开(公告)号:CN118590727A
公开(公告)日:2024-09-03
申请号:CN202410804973.4
申请日:2024-06-21
Applicant: 安徽大学
IPC: H04N21/8549 , H04N21/439 , H04N21/44
Abstract: 本发明公开了一种视频浓缩方法、装置、电子设备及存储介质,包括,获取视频中多个目标的目标轨迹及所述视频中的背景图片;根据所述多个目标的目标轨迹构建多目标轨迹字典;对所述字典中的多目标轨迹重新排列,得到重排目标轨迹;将所述背景图片和重排目标轨迹融合,得到浓缩后的帧;合成浓缩后的帧,得到浓缩后的视频;本发明通过对多目标轨迹进行重新排列,解决了目标轨迹冲突碰撞的问题,使目标轨迹能够有序的排列在浓缩后的视频中,降低了伪碰撞现象。
-
公开(公告)号:CN117726909A
公开(公告)日:2024-03-19
申请号:CN202311437744.5
申请日:2023-11-01
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/82 , G06F18/10 , G06F18/2131 , G06F18/25 , G06T11/00 , G06N3/096 , G06N3/0464 , G01R19/00
Abstract: 本发明公开了一种基于多维特征融合图像的非侵入式负荷识别方法,包括数据预处理,得到S模矩阵、功率因数加权的电压‑无功功率轨迹和功率加权的递归图矩阵,特征融合图像生成,将S模矩阵、功率因数加权的电压‑无功功率轨迹和功率加权的递归图矩阵三个矩阵分别作为R、G和B通道得到一个特征融合的彩色图像,负荷识别,将生成的彩色图像输入基于ImageNet预训练的ResNet‑18模型进行迁移学习完成负荷识别。本发明通过利用结合特征融合的方式,最后将生成的彩色图像输入基于ImageNet预训练的ResNet‑18模型进行迁移学习完成负荷识别,进而有利于使负荷识别不会发生在拥有多状态的电器识别时,同时有利于提高电阻型负荷之间的识别的准确性。
-
公开(公告)号:CN117523398A
公开(公告)日:2024-02-06
申请号:CN202311533992.X
申请日:2023-11-15
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/44 , G06V10/774 , G06N3/006
Abstract: 本发明涉及一种自适应迁移训练样本的遥感影像土地覆盖演变时空图分析方法,所述方法包括以下步骤:自适应迁移训练样本的遥感影像土地覆盖演变时空图分析准备工作、自适应迁移训练样本产生遥感长时间序列数据并使用模型进行土地覆盖分类制图、基于遥感长时间序列数据的土地覆盖演变时空图分析。与现有技术相比实现了自动识别和选择在不同时间段内保持稳定的像素作为训练样本,避免人工标注和选择样本的繁琐过程,解决人工确定阈值数值的不确定性,自适应迁移训练样本与长时间序列结合,构建土地覆盖分类演变时空图结构,揭示在经典图像时间序列分析中被忽视的时空关联和结构描述,从结构层面独特地切入土地覆盖演变过程。
-
公开(公告)号:CN115631412A
公开(公告)日:2023-01-20
申请号:CN202211270279.6
申请日:2022-10-18
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种基于坐标注意力和数据相关上采样的遥感图像建筑物提取方法,包括:获取遥感数据;数据预处理与数据增强;构建包括编码器、坐标注意力CA模块、数据相关上采样DUp模块的建筑物提取网络模型,即CAD‑UNet网络模型;模型训练与评估;建筑物自动化提取:将新的待提取的遥感图像进行数据预处理后,输入训练完成的CAD‑UNet网络模型,CAD‑UNet网络模型输出预测图像,得到建筑物提取结果。本发明设计的网络逐步提取建筑物的深层特征,进行特征融合之后再逐步上采样至输入分辨率大小,对建筑物提取任务更为友好,显著提高了建筑物提取精度;能有效捕捉建筑物的位置信息和边界信息,因而能够使提取的建筑物拥有更加平滑的边界和完整的轮廓。
-
公开(公告)号:CN115165366A
公开(公告)日:2022-10-11
申请号:CN202210793046.8
申请日:2022-07-07
Applicant: 安徽大学
IPC: G01M13/045 , G01R31/34 , G06K9/62
Abstract: 本发明公开了一种旋转机械变工况故障诊断方法及系统,涉及故障诊断技术领域,包括以下步骤:获取旋转机械的源域数据的有标签特征集及目标域数据的无标签特征集;对有标签特征集进行聚类分析,得到各深度特征的调整兰德指数;计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异;构建各深度特征的可迁移性指标,并采用改进联合分布适应IJDA进行迁移学习,利用迁移学习后的训练特征集训练识别分类器,利用识别分类器进行故障模式识别与分类,输出跨域故障诊断结果。本发明通过对深度特征进行类别区分度和特征在不同域间分布差异进行量化评估,有助于选取更有利于迁移故障诊断的深度特征,诊断准确率高。
-
公开(公告)号:CN110132862B
公开(公告)日:2021-07-16
申请号:CN201910461294.0
申请日:2019-05-30
Applicant: 安徽大学
IPC: G01N21/27
Abstract: 本发明涉及病虫害检测技术领域,特别涉及一种小麦赤霉病检测专属病情指数构建方法,包括如下步骤:(A)采集不同染病程度的多个小麦麦穗作为样本;(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像;(C)对高光谱图像进行处理,得到每个小麦麦穗的光谱曲线;(D)利用随机森林算法对光谱波段特征进行度量,筛选出对赤霉病敏感的两个特征波段;(E)根据特征波段的光谱反射率值计算小麦赤霉病检测专属病情指数FDI;还公开了基于该病情指数的小麦赤霉病病害等级检测方法。该方法能够快速、准确地确定出高光谱图像中最能够体现病害情况的特征波段,检测时,采用波段少、计算方便、速度快,具有非常好的应用推广价值。
-
公开(公告)号:CN103136632A
公开(公告)日:2013-06-05
申请号:CN201310038802.7
申请日:2013-01-31
Applicant: 安徽大学
Abstract: 本发明公开了一种作物病情处方图生成与发布系统,包括:数据获取模块,用于作物病害叶片图像采集以及采集地位置信息的记录;病情计算模块,与数据获取模块相连,用于提取作物病虫害叶片图像信息,计算病情指数、对其进行分级并储存分级结果;处方图生成模块,与上述两模块相连,根据数据获取模块获取的采集地位置信息以及病情计算模块计算的病情指数、分级结果,生成病情分布地图;处方图发布模块,与处方图生成模块相连,并连接专家数据库,将病情分布地图以及针对地图上的病情发生地的喷药指导建议传输至病情发生地管理机构。本发明系统智能、便携,能够科学、有效地指导病虫害防治工作,适宜大范围推广应用。
-
公开(公告)号:CN115165366B
公开(公告)日:2025-04-08
申请号:CN202210793046.8
申请日:2022-07-07
Applicant: 安徽大学
IPC: G01M13/045 , G01R31/34 , G06F18/23213 , G06F18/241 , G06N3/096
Abstract: 本发明公开了一种旋转机械变工况故障诊断方法及系统,涉及故障诊断技术领域,包括以下步骤:获取旋转机械的源域数据的有标签特征集及目标域数据的无标签特征集;对有标签特征集进行聚类分析,得到各深度特征的调整兰德指数;计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异;构建各深度特征的可迁移性指标,并采用改进联合分布适应IJDA进行迁移学习,利用迁移学习后的训练特征集训练识别分类器,利用识别分类器进行故障模式识别与分类,输出跨域故障诊断结果。本发明通过对深度特征进行类别区分度和特征在不同域间分布差异进行量化评估,有助于选取更有利于迁移故障诊断的深度特征,诊断准确率高。
-
公开(公告)号:CN114360023B
公开(公告)日:2025-04-08
申请号:CN202210016794.5
申请日:2022-01-07
Applicant: 安徽大学
IPC: G06V40/16 , G06V10/44 , G06V10/764
Abstract: 本发明涉及一种基于面部微动作变化检测的麻醉病人复苏预警方法,包括:对病人面部信息视频数据进行采集和预处理,得到测试样本;对测试样本中的病人面部图像进行人脸检测,找出人脸位置;利用级联回归树模型的人脸特征点算法检测人脸上的68个特征关键点,从中获取12个有关眼睛和20个有关嘴巴的特征点,根据分割出来的眼睛嘴巴区域,计算眼睛EAR值和嘴巴MAR值;通过计算苏醒状态评价值F,进行苏醒状态识别,根据苏醒状态进行预警。本发明通过计算分析病人的眼睛和嘴巴状态数据,得到病人的实时健康数据,护理人员依靠获得的这些健康数据来对病人进行护理,大大提高了工作效率,一定程度上缓解了护理人员不足的问题。
-
-
-
-
-
-
-
-
-