-
公开(公告)号：CN111860547B
公开(公告)日：2023-04-18
申请号：CN202010794337.X
申请日：2020-08-10
Applicant: 华侨大学
IPC: G06V10/40 , G06V10/774 , G06T7/11 , G06T7/90
Abstract: 本发明提供一种基于稀疏表示的图像分割方法、装置、设备及存储介质，方法包括：收集一定数量的图像及其分割标记，然后用狄利克雷混合模型对其进行无监督分割，并调整其参数，获得每张图像最优参数，组成最优参数列表，然后将每张图像转换为灰度图，提取它们的灰度直方图特征，训练生成一个稀疏表示字典，提取待分割的图像的灰度直方图特征，计算它的稀疏系数，根据得到的稀疏系数，从稀疏表示字典获取与其最接近的图像，从最优参数列表中获取近似图像的最优参数，并用最优参数进行赋值，利用赋值好的参数对待分割图像进行无监督图像分割，得到分割结果。本发明狄利克雷混合模型的优化参数不需要人工调整，而是经过稀疏表示预测后自动生成。
-
公开(公告)号：CN119860781A
公开(公告)日：2025-04-22
申请号：CN202510346073.4
申请日：2025-03-24
Applicant: 华侨大学
Abstract: 本发明公开了基于多视角的无人机视觉定位方法及系统，涉及无人机视觉领域，方法包括：获取目标区域的卫星地图并裁剪为重叠的切块构建卫星库；获取目标地理区域范围内无人机从多个视角拍摄的图像，基于拍摄的图像构建多视角无人机图像；通过多视角无人机视觉定位网络处理这些图像，该网络包括嵌入编码模块、视角一致性特征学习模块和原型构建与对齐模块，用于提取单视角及多视角无人机图像特征以及卫星库特征；通过计算多视角无人机图像特征与卫星库特征之间的余弦相似度，确定无人机的当前位置。本发明通过融合DINOv2特征提取、适配器设计以及视角不变注意力网络，确保了高效的信息处理和特征提炼，从而提升了定位精度和可靠性。
-
公开(公告)号：CN118982466A
公开(公告)日：2024-11-19
申请号：CN202410974607.3
申请日：2024-07-19
Applicant: 华侨大学
IPC: G06T5/50 , G06T5/60 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T3/4038
Abstract: 本发明提供了一种红外可见光图像融合方法，涉及计算机视觉和人工智能领域，核心在于通过构建和优化两个关键模块：U型红外图像语义分割神经网络模块与密集卷积操作模块，实现红外图像A与可见光图像B的自适应融合。该方法通过构建这种密集卷积网络和U型神经网络的组合，形成了从源图像到融合图像的直接映射关系，完全摒弃了传统的人工干预，确保了融合过程的高效性和准确性。在模型优化上，设计的损失函数结合了红外目标掩码和结构相似度，使得网络模型能够专注于保留红外目标的清晰度和可见光图像的结构信息，从而生成高质量、红外目标清晰且信息完整的融合图像。
-
Patent Agency Ranking
公开(公告)号：CN118644432A
公开(公告)日：2024-09-13
申请号：CN202410757801.6
申请日：2024-06-13
Applicant: 华侨大学
IPC: G06T5/90 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06V10/26 , G06T3/4038
Abstract: 本发明提供一种基于分割语义增强的遥感图像匀色方法、装置和介质，涉及遥感图像色彩匀色技术领域。遥感图像匀色方法包含步骤S1至步骤S4。S1、获取待匀色还原的遥感图像。S2、将待匀色还原的遥感图像进行切块，获取匀色前的图像切块。S3、将匀色前的图像切块输入预先训练好的基于语义感知增强的匀色模型中，获取匀色后的图像切块。S4、拼接匀色后的图像切块，并使用加权平均后处理算法消除拼接线，获取匀色还原后的遥感图像。本发明实施例的一种基于分割语义增强的遥感图像匀色方，能够很好的实现对色差较大的高分辨率遥感图像进行匀色处理。并且采用加权平均算法分别从横向和纵向做加权平均操作，从而完美消除图像切块拼接之后产生的拼接痕迹。
-
公开(公告)号：CN112150484B
公开(公告)日：2024-04-19
申请号：CN202011038459.2
申请日：2020-09-28
Applicant: 华侨大学
IPC: G06T7/11 , G06T7/90 , G06V10/762
Abstract: 本发明公开了一种超像素的狄利克雷混合模型图像分割方法、装置及设备，方法包括：读取待分割的图像，利用超像素分割算法将所述图像分割为多个超像素块，并记录下每个像素点所属的超像素块、每个超像素块的位置中心以及颜色均值信息；提取每个超像素块的邻域信息；对所有超像素块的颜色做归一化处理，并初始化分割类别个数和聚类中心；将归一化处理后的超像素块作为输入，利用k‑means聚类对狄利克雷混合模型的聚类中心和后验概率做初始化；初始化狄利克雷混合模型的超参数，将以超像素块为基本处理单位的处理向量放入初始化后的狄利克雷混合模型中进行无监督迭代分割计算，直到达到预设的迭代终止条件后，输出分割结果图。本发明能提高图像分割的速度。
-
公开(公告)号：CN112699835B
公开(公告)日：2023-09-26
申请号：CN202110038614.9
申请日：2021-01-12
Applicant: 华侨大学
IPC: G06V20/10 , G06V20/13 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于重建偏重U‑Net的道路提取方法、装置、设备和存储介质，方法包括：获取训练集和验证集；构建U‑Net神经网络模型，其中U‑Net神经网络模型包括编码器和解码器，所述编码器包括五个卷积模块，所述解码器包括四个上采样重建层；将所述训练集输入U‑Net神经网络模型进行训练，并保存所述网络模型的参数，以获得初始U‑Net神经网络模型；将所述验证集输入初始U‑Net神经网络模型并结合损失函数训练，直至模型收敛，以获得训练好的U‑Net神经网络模型。将待检测图像输入训练好的U‑Net神经网络模型，获取道路提取结果。本发明的道路提取U‑Net神经网络模型，能有效增强网络的重建能力，使得网络对于遮挡等信息，具备更好的逻辑推理能力，能取得更好的分割精度和鲁棒性。
-
公开(公告)号：CN112733702A
公开(公告)日：2021-04-30
申请号：CN202110016501.9
申请日：2021-01-07
Applicant: 华侨大学
Abstract: 本发明提供基于遥感图像的人行道检测方法、装置、设备和存储介，方法包括质获取训练集样本，并对训练集样本的道路区域和人行道区域都进行标记；利用道路区域的标记信息训练道路分割提取模型，获得一个训练后的道路分割提取模型；利用训练后的道路分割提取模型进行道路提取，以获得潜在道路提取结果；利用人行道区域的标记信息训练深度卷积神经网络模型，获得一个训练后的深度卷积神经网络模型；利用训练后的深度卷积神经网络模型进行人行道的检测，以获得初次人行道检测结果；利用混合分类的算法，融合潜在道路提取结果和初次人行道检测结果，以获得最终的人行道检测结果。本发明考虑到人行道和道路之间的相互依存关系，提高人行道检测精度。
-
公开(公告)号：CN111860547A
公开(公告)日：2020-10-30
申请号：CN202010794337.X
申请日：2020-08-10
Applicant: 华侨大学
Abstract: 本发明提供一种基于稀疏表示的图像分割方法、装置、设备及存储介质，方法包括：收集一定数量的图像及其分割标记，然后用狄利克雷混合模型对其进行无监督分割，并调整其参数，获得每张图像最优参数，组成最优参数列表，然后将每张图像转换为灰度图，提取它们的灰度直方图特征，训练生成一个稀疏表示字典，提取待分割的图像的灰度直方图特征，计算它的稀疏系数，根据得到的稀疏系数，从稀疏表示字典获取与其最接近的图像，从最优参数列表中获取近似图像的最优参数，并用最优参数进行赋值，利用赋值好的参数对待分割图像进行无监督图像分割，得到分割结果。本发明狄利克雷混合模型的优化参数不需要人工调整，而是经过稀疏表示预测后自动生成。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
