-
公开(公告)号：CN103226823B
公开(公告)日：2016-05-25
申请号：CN201310085478.4
申请日：2013-03-18
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于对数差值点集模板的图像配准方法，包括：（1）分别确定基准图像和待配准图像的搜索区域；（2）计算搜索区域的像素灰度值对数差值矩阵；（3）将基准图像搜索区域的对数差值矩阵中绝对值最大的若干个点进行平均分组，每一组点的集合构成一个基准模板；（4）在待配准图像搜索区域的对数差值矩阵中搜索各基准模板的最佳匹配模板；（5）根据各基准模板及其最佳匹配模板得到最终配准结果，实现配准。本发明的对数差值点集模板方法在配准显微图像时计算操作主要为查表和减法等简单运算，计算速度快。同时，在保证配准速度的前提下可以评价配准结果的可信度，从而提高配准结果的可靠性。
-
公开(公告)号：CN115100120B
公开(公告)日：2024-09-24
申请号：CN202210624077.0
申请日：2022-06-02
Applicant: 华中科技大学
Abstract: 本发明属于神经网络特征提取相关技术领域，其公开了一种增强神经网络特征多样性的缺陷检测方法及系统，方法包括：将待检测图像输入第一神经网络特征提取模块和第二神经网络提取模块，以提取不同维度的图像缺陷特征；采用特征差异性损失函数计算上述两提取模块提取到的图像缺陷特征之间的差异性损失，基于分割损失和差异性损失构建训练函数；采用训练函数对两种神经网络提取模块、以及两种神经网络提取模块提取结果的融合解码过程进行训练，直至收敛，得到缺陷图像。本申请提出一种能够提取不同特征的神经网络模块和衡量不同模块提取到特征之间差异性的损失函数，进而获得多样性特征，降低特征冗余，提升检测效果。
-
公开(公告)号：CN114332047B
公开(公告)日：2024-09-06
申请号：CN202111666451.5
申请日：2021-12-31
Applicant: 华中科技大学
IPC: G06T7/00 , G06N3/0464 , G06V10/82 , G06V10/774 , G06V10/771
Abstract: 本发明属于图像处理领域，具体涉及一种表面缺陷检测模型的构建方法及其应用，包括：编码模块中级联的前m层编码块逐级对训练图像特征提取得到浅层特征；将所有浅层特征融合输入到缺陷定位模块，利用条形池化得到位置特征，将位置特征与最后一层级的浅层特征相加后利用编码模块中级联的后n层编码块逐级进行特征提取得到深层特征，将所有深层特征融合后输入到缺陷形状检测模块，利用金字塔池化和局部条形池化得到形状特征，控制解码模块将形状特征与部分或全部层级特征逐层上采样、融合和降维，得到缺陷区域；在缺陷位置标签、形状标签及区域标签约束下更新神经网络参数，迭代训练。本发明既关注缺陷位置又强化缺陷形状适应，实现对缺陷精确分割。
-
公开(公告)号：CN114332047A
公开(公告)日：2022-04-12
申请号：CN202111666451.5
申请日：2021-12-31
Applicant: 华中科技大学
IPC: G06T7/00 , G06N3/04 , G06K9/62 , G06V10/774 , G06V10/771
Abstract: 本发明属于图像处理领域，具体涉及一种表面缺陷检测模型的构建方法及其应用，包括：编码模块中级联的前m层编码块逐级对训练图像特征提取得到浅层特征；将所有浅层特征融合输入到缺陷定位模块，利用条形池化得到位置特征，将位置特征与最后一层级的浅层特征相加后利用编码模块中级联的后n层编码块逐级进行特征提取得到深层特征，将所有深层特征融合后输入到缺陷形状检测模块，利用金字塔池化和局部条形池化得到形状特征，控制解码模块将形状特征与部分或全部层级特征逐层上采样、融合和降维，得到缺陷区域；在缺陷位置标签、形状标签及区域标签约束下更新神经网络参数，迭代训练。本发明既关注缺陷位置又强化缺陷形状适应，实现对缺陷精确分割。
-
Patent Agency Ranking
公开(公告)号：CN111445484A
公开(公告)日：2020-07-24
申请号：CN202010247704.4
申请日：2020-04-01
Applicant: 华中科技大学
Abstract: 本发明属于机器视觉与机器学习领域，并具体公开了一种基于图像级标注的工业图像异常区域像素级分割方法，包括如下步骤：S1获取工业图像数据集，并进行图像级标注；S2构建正常图像模板生成网络，其包括正常图像模板生成器、异常图像模板生成器、正常图像鉴别器、异常图像鉴别器；S3根据优化目标，通过工业图像数据集对正常图像模板生成网络进行训练，得到正常图像模板生成模型；S4将待测工业图像输入正常图像模板生成模型中，得到对应的正常图像模板，进而将其与待测工业图像进行对比，实现对工业图像异常区域的分割。本方法能基于图像级标注数据获取精确的像素级图像分割结果，且相对于其他弱监督分割方法具有更好的实时性与泛化性。
-
公开(公告)号：CN103226823A
公开(公告)日：2013-07-31
申请号：CN201310085478.4
申请日：2013-03-18
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于对数差值点集模板的图像配准方法，包括：（1）分别确定基准图像和待配准图像的搜索区域；（2）计算搜索区域的像素灰度值对数差值矩阵；（3）将基准图像搜索区域的对数差值矩阵中绝对值最大的若干个点进行平均分组，每一组点的集合构成一个基准模板；（4）在待配准图像搜索区域的对数差值矩阵中搜索各基准模板的最佳匹配模板；（5）根据各基准模板及其最佳匹配模板得到最终配准结果，实现配准。本发明的对数差值点集模板方法在配准显微图像时计算操作主要为查表和减法等简单运算，计算速度快。同时，在保证配准速度的前提下可以评价配准结果的可信度，从而提高配准结果的可靠性。
-
公开(公告)号：CN118570133A
公开(公告)日：2024-08-30
申请号：CN202410607048.2
申请日：2024-05-16
Applicant: 华中科技大学
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/80 , G06T7/10 , G06V10/75
Abstract: 本发明公开了一种基于孪生架构的光通信器件表面缺陷检测网络结构及检测方法，属于图像处理相关技术领域。该表面缺陷检测网络结构包括特征提取编码器和特征融合解码器；特征提取编码器由孪生ResNet残差网络、非缺陷特征匹配消除模块和缺陷特征增强模块构成；缺陷特征增强模块由Transformer编解码器和卷积三元组注意力模块组成；特征融合解码器采用多层感知机模块。利用改进的ResNet残差网络同时提取待测样本图像和模板样本图像的多尺度图像特征，消除非缺陷特征，得到差异特征图，经过缺陷特征增强和多层感知机处理，输出最终缺陷区域的分割结果。实现了对光通信器件表面缺陷区域精准快速的分割，显著提高了光通信器件的表面缺陷分割及缺陷检测的效率及精度。
-
公开(公告)号：CN116664494A
公开(公告)日：2023-08-29
申请号：CN202310504727.2
申请日：2023-05-06
Applicant: 华中科技大学
IPC: G06T7/00 , G06T7/11 , G06T5/00 , G06T5/50 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明属于图像处理相关技术领域，并公开了一种基于模板对比的表面缺陷检测方法。该方法包括：S1采集待检测对象的工业图像，构建训练集、验证集和测试集；构建表面缺陷检测网络；S2设定检测网络的网络参数；将训练集中的模板和样本输入检测网络中，输出分割图；计算获得训练损失，调整网络参数；S3将验证集中的数据输入检测网络中，计算训练损失和平均损失，判断该平均损失是否下降，下降时返回步骤S2；否则，当前网络参数即为最优网络参数；S4将测试集中的模板和样本输入最优网格参数对应的检测网络中，获得每个样本对应的分割图，以此实现缺陷检测。通过本发明，不再直接学习样本的特征表达，仅收集模板，即可适应到新的批次。
-
公开(公告)号：CN112669265A
公开(公告)日：2021-04-16
申请号：CN202011500470.6
申请日：2020-12-17
Applicant: 华中科技大学
Abstract: 本发明属于图像处理相关技术领域，其公开了一种基于傅里叶变换和图像梯度特征实现表面缺陷检测的方法，包括以下步骤：(1)将采集到的工件表面图像转为灰度图；(2)求图像的梯度方向特征图，并将梯度方向进行压缩；(3)生成梯度方向矩形和垂直梯度方向矩形；(4)分别计算得到所述梯度方向矩形及所述垂直梯度方向矩形的灰度特征，并分别写入新的图像中以得到对应的梯度方向特征图及垂直梯度方向特征图；(5)将梯度方向特征图及垂直梯度方向特征图相乘，并做灰度拉伸变换；(6)对图像做阈值提取以得到疑似缺陷区域，并对所述疑似缺陷区域进行对比度筛选以得到目标区域，继而完成表面缺陷检测。本发明提高了准确性和实时性。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
