基于最大熵的路面阴影抑制方法

    公开(公告)号:CN104809699A

    公开(公告)日:2015-07-29

    申请号:CN201510179627.2

    申请日:2015-04-15

    Applicant: 东南大学

    Inventor: 卢凯悦 夏思宇

    Abstract: 本发明是基于最大熵的路面阴影抑制方法,属于图像处理技术领域,用于减少道路检测中路面阴影的干扰。为解决同类方法抑制阴影不彻底、容易将有效的路面区域也处理掉等问题,本发明提出一种新的技术方案:首先,将彩色图像转到HSV色彩空间,提取每个像素点的HSV特征(log(H/S),log(V/S))。接着,将HSV图像中所有像素点的HSV特征投影到一维空间中,并计算在一维空间的熵值,通过变化投射角α,得到不同投射角α对应的熵值,确定最大熵值对应的投射角αm。最后,基于投射角αm对HSV图像进行重构,并对重构后的图像依次进行二值化和空洞填充得到阴影抑制后的道路图像。本方法高效易行,对不同的路面情况适应性较强。

    一种基于单目RGB视频的动作评价方法

    公开(公告)号:CN113327267B

    公开(公告)日:2024-12-06

    申请号:CN202110537068.3

    申请日:2021-07-15

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于单目RGB视频的动作评价方法,包括如下步骤:输入一段动作视频,完成静止关键帧的提取;对获取的静止关键帧提取骨架关节点;对获得的骨架关节点计算关节角度;对获得的骨架关节点进行输入姿态与模版姿态进行配;对获得的配准姿态进行动作评价,使用配准后的骨架关节点坐标,以及关节角度作为评价基准。使用专家知识,能够在无感的情况下对大样本人群进行体质筛查,可以减少大样本筛查过程中对专家人工评判的需求;或是进行无监督动作指导,指导矫正居家健身或是康复运动中的错误动作,避免受伤。

    一种基于深度学习的通用椭圆目标检测方法

    公开(公告)号:CN115049848B

    公开(公告)日:2024-07-05

    申请号:CN202210768594.5

    申请日:2022-07-01

    Applicant: 东南大学

    Inventor: 王田浩 夏思宇

    Abstract: 本发明公开了一种基于深度学习的通用椭圆目标检测方法,该方法包括:构建通用椭圆目标检测器;建立基于Anchor‑free目标检测的卷积神经网络结构;使用通用椭圆目标检测数据集训练建立好的卷积神经网络的参数;将待检测图片输入到训练好的卷积神经网络中检测,输出检测结果图。本发明通过Anchor‑free目标检测卷积神经网络能够实现自动、准确地对任意椭圆目标进行检测和定位。

    一种基于微小图像的编解码方法

    公开(公告)号:CN114222143B

    公开(公告)日:2024-02-06

    申请号:CN202111471352.1

    申请日:2021-12-04

    Applicant: 东南大学

    Inventor: 田尹潇 夏思宇

    Abstract: 本发明公开了一种利用微小图像进行信息编码的方式,为特定的商标进行定制。首先,设计了基于三角形的编码方式,利用三角形的顶点朝向(左或右)与5种颜色(红黄蓝绿黑)进行编码。然后利用数字图像处理的方法对图案进行了解码,最后对于商标上的编码图案所在位置进行了定位,以便于放大解码。此编码方式具有独创性,能够在2mm*18mm的空间上存储一定信息量。解码方式以及定位方式通过合理的算法设计,具有较高鲁棒性。对于商标在极其狭小的空间存储一定信息提供了有效的解决方案。

    基于SLAM技术的铁路路堑边坡的除草机及路径规划方法

    公开(公告)号:CN116918562A

    公开(公告)日:2023-10-24

    申请号:CN202310986861.0

    申请日:2023-08-07

    Applicant: 东南大学

    Inventor: 李英朋 夏思宇

    Abstract: 本发明公开了一种基于SLAM技术的铁路路堑边坡的除草机及路径规划方法,除草机包括箱体和药液桶,还包括走行系统、除植系统及防倾系统,走行系统装配于箱体的下端面,药液桶装配于箱体的上端面上,于药液桶的外壁的中部可拆卸连接有转轮A,于转轮A的下端面转动连接有除植系统支架,除植系统可拆卸连接于所述除植系统支架上,防倾系统可拆卸连接于药液箱的上端面上;路径规划方法基于除草机来实现,用于合理规划除草路线。本发明能够在未知环境中实现自主定位与导航,从而更加灵活高效地完成除草任务,适应不同草地的变化,识别出杂草并除草,同时保持安全,避免障碍物,为用户提供更加智能化的除草解决方案。本发明适用于除草机的技术领域。

    一种融合全局和局部信息的乳腺癌辅助检测方法

    公开(公告)号:CN114098781A

    公开(公告)日:2022-03-01

    申请号:CN202111410613.9

    申请日:2021-11-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种融合全局和局部信息的乳腺癌辅助检测方法,先通过图像处理技术去除影像中的噪声、裁剪无关背景,得到只包含乳腺区域的图像;然后将图像送入全局网络提取全局信息,得到全局显著性图;接着通过全局显著性图选出若干个可能包含良性/恶性肿瘤的高危区域,将这些高危区域送入局部网络进一步提取局部细节特征;最后通过融合网络融合全局信息和局部细节特征,自动判别输入影像是否存在良性/恶性肿瘤,对存在肿瘤的影像,进一步检测出肿瘤的区域。本方法对乳腺钼靶图像进行由粗到精的分析,能够较快速地自动检测到不同设备采集的乳腺钼靶图像中的良性、恶性肿瘤分布区域,为医生提供辅助诊断信息并提高工作效率。

    一种基于YOLO目标检测算法的水上交通违章行为检测方法

    公开(公告)号:CN113657151A

    公开(公告)日:2021-11-16

    申请号:CN202110769368.4

    申请日:2021-07-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于YOLO目标检测算法的水上交通违章行为检测方法,该方法包括:通过对监控摄像头拍摄的航道监控视频进行抽帧并标注船舶,制作船舶目标识别数据集;通过裁剪船舶图像并标注交通违章行为的检测目标,如旗帜,船名,救生衣等,制作违章行为数据集;用数据集训练网络参数,获得船舶检测和违章行为检测的网络模型,将监控视频输入训练好的船舶检测和违章行为检测的网络模型,判别目标船只是否有交通违章行为。本发明通过YOLO目标检测算法能够实现自动,准确,实时的水上交通违章行为检测。

    一种基于深度学习的缺陷检测算法

    公开(公告)号:CN113379689A

    公开(公告)日:2021-09-10

    申请号:CN202110599182.9

    申请日:2021-05-31

    Applicant: 东南大学

    Abstract: 本发明公开一种基于深度学习的缺陷检测方法,该方法包含以下步骤:使用预训练权重网络对正样本进行特征提取,并建立特征库;使用相同网络对测试集的样本进行特征提取;在提取完测试图像的特征以后,使用KNN算法通过比较最后一层的图像级之间的距离来获取与测试图像最相似的K个正样本图片;再比较测试图片和K个正样本的中间层输出特征图之间的像素级距离来获取每一层的缺陷得分图;再将不同层的特征图通过插值resize为图像大小,并取平均值;最后将得到的缺陷得分图进行高斯滤波;设定阈值获得图片的缺陷mask。本发明方法无需额外的训练就可以简单有效的获取测试图像的缺陷图。

    一种基于视觉的激光投线仪精度快速检测系统

    公开(公告)号:CN113048957A

    公开(公告)日:2021-06-29

    申请号:CN202110254461.1

    申请日:2021-03-09

    Applicant: 东南大学

    Inventor: 侍文龙 夏思宇

    Abstract: 本发明涉及一种基于视觉的激光投线仪精度快速检测系统,包括标准激光投线仪、待检测激光投线仪和设备支持框架,使用多个小支架构成,方便灵活调整。每一条激光线对应三个支架平行,三个支架大致放在同一直线上,并且每个支架配备一台摄像头和一个玻璃片,在玻璃片靠近摄像头侧放置刻度纸,将激光线从另一侧投射到玻璃片上,透过玻璃片显示在刻度纸上。利用摄像头拍摄的结果,使用USB直接传输至电脑端进行图像的处理,得到激光投线仪的精度指标。本发明通过更加合理的设置检测结构,避免了拍摄图片的畸变,并利用机器视觉检测技术获取激光线和刻度线的位置信息,可以降低检测成本,减少了激光对人眼的损伤也避免了检测过程中的人为误差。

    一种基于局部图像块的人脸年龄识别方法

    公开(公告)号:CN111709305A

    公开(公告)日:2020-09-25

    申请号:CN202010439994.2

    申请日:2020-05-22

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于局部图像块的人脸年龄识别方法,该方法基于深度学习技术,利用采集到的清晰的人脸面部图像,进行分割检测处理,得到图像中人脸的真实年龄。先运用dlib关键点检测模型,去掉采集图像的非面部皮肤区域;再对处理后的图像进行滑动裁剪;针对每个图像块,先进行灰度化,计算平均灰度值,将皮肤占比小于40%的部分作为噪点图片进行剔除,结果保存成patch-image,用Resnet50网络进行训练,得到获取图像块年龄的模型;再对单张图片进行上述图像处理,将其patch-image送入模型验证,每张patch-image会得出一个分类,然后运用SVM方法,得到最终的年龄结果。

Patent Agency Ranking