-
公开(公告)号：CN110097522A
公开(公告)日：2019-08-06
申请号：CN201910397724.7
申请日：2019-05-14
Applicant: 燕山大学 , 北京计算机技术及应用研究所
Abstract: 本发明公开了一种基于多尺度卷积神经网络的单幅户外图像去雾方法，属于计算机视觉领域。本发明包括以下步骤：根据大气散射模型，构造训练样本集；基于深度学习思想，搭建多尺度卷积神经网络；依据所搭建的多尺度卷积神经网络，构造目标函数；基于构造的目标函数，训练多尺度卷积神经网络。本发明无需获取户外图像的先验知识，并可有效地保存图像的边缘、纹理、色彩、对比度和饱和度等信息。
-
公开(公告)号：CN110097522B
公开(公告)日：2021-03-19
申请号：CN201910397724.7
申请日：2019-05-14
Applicant: 燕山大学 , 北京计算机技术及应用研究所
Abstract: 本发明公开了一种基于多尺度卷积神经网络的单幅户外图像去雾方法，属于计算机视觉领域。本发明包括以下步骤：根据大气散射模型，构造训练样本集；基于深度学习思想，搭建多尺度卷积神经网络；依据所搭建的多尺度卷积神经网络，构造目标函数；基于构造的目标函数，训练多尺度卷积神经网络。本发明无需获取户外图像的先验知识，并可有效地保存图像的边缘、纹理、色彩、对比度和饱和度等信息。
-
公开(公告)号：CN110503061B
公开(公告)日：2022-02-11
申请号：CN201910800416.4
申请日：2019-08-28
Applicant: 燕山大学
IPC: G06V20/40 , G06V10/44 , G06V10/762 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种融合多特征的多因素视频遮挡区域检测方法及系统。所述方法通过构建多因素视频遮挡区域检测训练样本，以像素点为单位提取多因素视频遮挡区域检测相关特征；对所提取的多因素视频遮挡区域检测相关特征进行特征归一化处理，并通过Kmeans聚类获取训练样本像素点中的聚类质心，并计算各质心与类内所有训练样本像素点间的距离；基于特征加权思想，计算类内所有训练样本像素点与该类质心各特征间的距离，并根据各特征的距离与总距离的比值来计算特征权重；基于特征权重，设计改进的距离计算公式，进行加权Kmeans聚类，从而达到对多因素存在场景下视频遮挡区域进行有效检测的目的，提高了遮挡区域检测的实时性和准确性。
-
公开(公告)号：CN112529815A
公开(公告)日：2021-03-19
申请号：CN202011526580.X
申请日：2020-12-22
Applicant: 燕山大学
Abstract: 本发明涉及一种雨后真实图像中雨滴去除方法及系统。所述雨滴去除方法包括：获取历史雨后真实图像；根据所述历史雨后真实图像构建融合长短时记忆模型、空间注意力机制以及残差块的递归注意残差网络；获取待去雨的雨后真实图像，并利用所述递归注意残差网络对所述待去雨的雨后真实图像进行处理，生成去雨后的雨后真实图像；基于图像增强理论，利用雨滴检测及滤波算法滤除所述去雨后的雨后真实图像中的残留雨滴，确定滤除后的雨后真实图像；基于计算机图形学理论，利用像素值转换算法对所述滤除后的雨后真实图像进行处理，确定像素点增强后的雨后真实图像。本发明能够提高去雨后图像的质量差以及合成图像的处理效果。
-
公开(公告)号：CN109271960A
公开(公告)日：2019-01-25
申请号：CN201811169086.5
申请日：2018-10-08
Applicant: 燕山大学
Abstract: 本发明公开了一种基于卷积神经网络的人数统计方法，涉及计算机视觉领域。首先对图像样本数据进行处理并生成样本图像实际的人群密度图；然后通过提取处理分支网络中的特征图获取层次上下文信息并输送到主干网络中，在主干网络中选择性融合低层和高层特征图，建立一种层次上下文和多尺度特征融合网络；利用处理后的样本数据对建立的网络进行训练；最后使用训练后的模型对任意图像进行人数统计。本发明有效解决了人数统计任务中由于图像尺度不一致导致准确率下降的问题，并提高了方法在不同场景下的普适性。
-
Patent Agency Ranking
公开(公告)号：CN109034245B
公开(公告)日：2021-02-05
申请号：CN201810843493.3
申请日：2018-07-27
Applicant: 燕山大学
Abstract: 本发明公开了一种利用特征图融合的目标检测方法，包括以下步骤：首先利用ZF网络提取图像特征并得到一系列处于不同层次的特征图；其次将ZF网络提取的图像特征图中的最深层特征图和浅层特征图相融合得到新特征图；再次将新特征图输入到RPN网络中得到区域建议；最后将新特征图和区域建议输入到ROIPooling层中得到区域建议的特征并同时对特征进行分类和对区域建议进行边框回归得到目标检测结果。本发明可以检测出图像中多种类别的目标，且所用的图像无需特定的图像采集设备采集。
-
公开(公告)号：CN110503061A
公开(公告)日：2019-11-26
申请号：CN201910800416.4
申请日：2019-08-28
Applicant: 燕山大学
Abstract: 本发明公开了一种融合多特征的多因素视频遮挡区域检测方法及系统。所述方法通过构建多因素视频遮挡区域检测训练样本，以像素点为单位提取多因素视频遮挡区域检测相关特征；对所提取的多因素视频遮挡区域检测相关特征进行特征归一化处理，并通过Kmeans聚类获取训练样本像素点中的聚类质心，并计算各质心与类内所有训练样本像素点间的距离；基于特征加权思想，计算类内所有训练样本像素点与该类质心各特征间的距离，并根据各特征的距离与总距离的比值来计算特征权重；基于特征权重，设计改进的距离计算公式，进行加权Kmeans聚类，从而达到对多因素存在场景下视频遮挡区域进行有效检测的目的，提高了遮挡区域检测的实时性和准确性。
-
公开(公告)号：CN104657985B
公开(公告)日：2018-07-03
申请号：CN201510053316.1
申请日：2015-02-02
Applicant: 燕山大学
IPC: G06T7/70
Abstract: 本发明公开了一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法，首先从初始观测方位获取视觉目标的一幅深度图像，并根据遮挡检测算法获取深度图像的遮挡相关信息；从三角网格模型中的三角小剖面入手，利用三角小剖面组成的子区域的法向量来确定候选观测方向集合，再利用这些候选观测方向和各三角小剖面法向量的夹角信息确定出每个候选观测方向的可视空间，进而计算出下一最佳观测方位，从而达到遮挡规避的目的。本发明根据遮挡信息对遮挡区域建立数学模型，无需获取视觉目标的先验知识；对视觉目标的形状无特殊要求，适用于不同型面的视觉目标。
-
公开(公告)号：CN112529815B
公开(公告)日：2022-08-30
申请号：CN202011526580.X
申请日：2020-12-22
Applicant: 燕山大学
Abstract: 本发明涉及一种雨后真实图像中雨滴去除方法及系统。所述雨滴去除方法包括：获取历史雨后真实图像；根据所述历史雨后真实图像构建融合长短时记忆模型、空间注意力机制以及残差块的递归注意残差网络；获取待去雨的雨后真实图像，并利用所述递归注意残差网络对所述待去雨的雨后真实图像进行处理，生成去雨后的雨后真实图像；基于图像增强理论，利用雨滴检测及滤波算法滤除所述去雨后的雨后真实图像中的残留雨滴，确定滤除后的雨后真实图像；基于计算机图形学理论，利用像素值转换算法对所述滤除后的雨后真实图像进行处理，确定像素点增强后的雨后真实图像。本发明能够提高去雨后图像的质量差以及合成图像的处理效果。
-
公开(公告)号：CN113628145A
公开(公告)日：2021-11-09
申请号：CN202110992016.5
申请日：2021-08-27
Applicant: 燕山大学
Abstract: 本发明涉及一种图像清晰化方法、系统、设备及存储介质。属于计算机视觉处理技术领域，首先对户外图像进行预处理，得到户外图像的全局大气光值数据、透射图数据以及雨雪层数据。其次，对所述全局大气光值数据、透射图数据以及雨雪层数据进行同时处理，得到去除雨、雪和雾的户外清晰图像。再对所述户外清晰图像进行图像分解处理，得到图像阴影区域，最终利用均值滤波方法去除所述图像阴影区域，得到最终清晰化图像。实现了去除户外图像中的雨、雪、雾、阴影等因素。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.043 seconds)
