-
公开(公告)号：CN113962851A
公开(公告)日：2022-01-21
申请号：CN202111261449.X
申请日：2021-10-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种逼真的彩色铅笔画生成方法，包括：将原图像转换到HSI颜色空间，得到色调分量、饱和度分量和亮度分量；对亮度分量进行编辑以生成高亮度分量；对饱和度分量进行编辑以生成低饱和度分量，将所述的色调分量、高亮度分量和低饱和度分量进行合并后转换到RGB颜色空间，得到色调图像；将原图像转换为灰度图像，针对灰度图像分别利用局部极大值、局部极小值进行轮廓提取，对提取的轮廓进行融合，得到最终的图像轮廓；根据原图像以及所述的最终图像轮廓，确定铅笔画的彩色轮廓；通过所述色调图像与彩色轮廓的融合，得到最终的彩色铅笔画。利用本发明方法生成的彩色图像满足铅笔画高亮度低饱和度的色调要求，且可以实现生成的轮廓线颜色与前景物体一致。
-
公开(公告)号：CN113392916A
公开(公告)日：2021-09-14
申请号：CN202110698418.4
申请日：2021-06-23
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于高光谱图像的麻竹笋营养成分检测方法、系统和存储介质，包括下述步骤：读入麻竹笋高光谱图像并对其进行预处理，得到样本集P1；将样本集P1导入CNN卷积神经网络进行显著特征提取并整合成相关的数据集文件；利用数据集文件构建麻竹笋营养成分指标的回归分析模型；将麻竹笋高光谱图像导入模型进行分析预测。本发明运用传统机器学习与深度学习方法搭建回归分析模型，利用高光谱图像提供的大量多维度数据，对麻竹笋的营养成分进行分析预测，确保了预测的准确性和有效性，降低了预测成本，为麻竹笋营养成分的检测提供了简便、快速、无损的技术方法，保障和促进了麻竹笋食品工业的高质量发展。
-
公开(公告)号：CN112288771A
公开(公告)日：2021-01-29
申请号：CN202011093852.1
申请日：2020-10-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种群体环境中多猪体运动轨迹提取和行为分析方法，包括下述步骤：改进已知的单目标跟踪算法，提出群体环境中同时跟踪多头生猪的算法；根据跟踪结果，提取每头猪每帧的中心点坐标，绘制每头猪的运动轨迹图和瞬时速度图；根据猪体的跟踪得到的目标框，提取感兴趣区域，分割出每头猪的目标轮廓，判断猪体当前形态特征为站立或趴卧；联合猪体运动轨迹、运动速度、轮廓形态，结合猪体运动规律和专家建议，判断每头猪在每个时间段的运动行为，主要包括：猪体站立、趴卧、缓慢行走、快速跑动、异常躁动。本发明展示了如何利用精准鲁棒的的跟踪算法监控群体环境中猪的行为，可实时检测猪的异常运动，辅助判断猪体健康状况。
-
公开(公告)号：CN119152014A
公开(公告)日：2024-12-17
申请号：CN202411188087.X
申请日：2024-08-28
Applicant: 华南农业大学
IPC: G06T7/62 , G06Q50/02 , G06T17/00 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本申请涉及一种大豆植株叶面积指数检测方法、装置、设备及介质，方法包括：根据大豆叶子区域中的像素点个数以及大豆叶子区域中每个像素点的面积确定大豆植株垂直投影面积；计算确定垂直于地面视角下的体密度图与掩码图像之间的乘积以确定大豆植株所有叶子的像素值，根据大豆植株所有叶子的像素值以及大豆叶子区域中每个像素点的面积确定无遮挡状态下所有叶子的垂直投影面积总和；基于无遮挡状态下所有叶子的垂直投影面积总和以及大豆植株垂直投影面积确定大豆植株的叶面积指数。本申请能够显著降低成本的同时，还能够大大提高叶面积指数的检测精度。
-
公开(公告)号：CN118967785A
公开(公告)日：2024-11-15
申请号：CN202411279367.1
申请日：2024-09-12
Applicant: 华南农业大学
IPC: G06T7/62 , G06T11/00 , G06T7/11 , G06N3/0464
Abstract: 本发明公开了一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，本发明通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄，进一步对大豆叶自然状态图像进行平铺化处理，最后利用大豆叶平铺化图像计算大豆叶的叶型表型参数，与人工直接测算大豆叶长宽比的方法相比，本发明通过生成大豆叶平铺化图像的深度学习技术的介入可以大大提高大豆叶叶型长宽比的测算效率，同时降低损伤大豆植株的风险；本发明在SwimIR模型的基础上进行改进，不仅实现了对自然弯曲状态下的大豆叶图像的平铺化处理，并且在模型训练数据集中拍摄图像与扫描图像之间存在色彩风格差异的情况下使得模型也可以保持输出的大豆叶平铺图像与输入的拍摄图像色彩风格一致。
-
Patent Agency Ranking
公开(公告)号：CN113962851B
公开(公告)日：2024-11-01
申请号：CN202111261449.X
申请日：2021-10-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种逼真的彩色铅笔画生成方法，包括：将原图像转换到HSI颜色空间，得到色调分量、饱和度分量和亮度分量；对亮度分量进行编辑以生成高亮度分量；对饱和度分量进行编辑以生成低饱和度分量，将所述的色调分量、高亮度分量和低饱和度分量进行合并后转换到RGB颜色空间，得到色调图像；将原图像转换为灰度图像，针对灰度图像分别利用局部极大值、局部极小值进行轮廓提取，对提取的轮廓进行融合，得到最终的图像轮廓；根据原图像以及所述的最终图像轮廓，确定铅笔画的彩色轮廓；通过所述色调图像与彩色轮廓的融合，得到最终的彩色铅笔画。利用本发明方法生成的彩色图像满足铅笔画高亮度低饱和度的色调要求，且可以实现生成的轮廓线颜色与前景物体一致。
-
公开(公告)号：CN114639009B
公开(公告)日：2024-04-16
申请号：CN202210024740.3
申请日：2022-01-11
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/40 , G06V10/77 , G06V10/764 , G06V10/774 , G06T5/60 , G06T5/70 , G06T5/30 , G06T7/136 , G06N20/10
Abstract: 本发明公开了一种基于高光谱图像和机器学习的桂圆干品种分类方法及装置，方法包括：将同一品种桂圆干的多个不同样本为一组进行高光谱成像得到高光谱图像集；将所有高光谱图像集进行图像预处理得到桂圆干高光谱样本集；标明高光谱样本集中不同品种桂圆干图像所属的种类；对高光谱样本集进行数据降维得到降维后的数据集；将降维后的数据集分别导入SVM和KNN学习模型中进行监督学习，使用交叉验证法计算准确率，构建桂圆干分类模型；将处理后待检测桂圆干高光谱图像导入桂圆干分类模型进行分类，得到分类结果。本发明采用高光谱成像技术结合图像处理技术，提取感兴趣区域，使用K邻近算法和支持向量机两类机器学习模型，实现多种类桂圆干的分类识别。
-
公开(公告)号：CN116205786A
公开(公告)日：2023-06-02
申请号：CN202211655193.5
申请日：2022-12-21
Applicant: 华南农业大学
IPC: G06T3/00 , G06F16/51 , G06F16/583
Abstract: 本发明的目的是提供一种基于文本驱动图像生成的虚拟试衣方法，属于虚拟现实技术领域，该方法包括：获取用户二维人物图像和用户服装需求文本；将用户二维人物图像转化为人体姿势估计图；提取用户服装需求文本中的服装形状属性和服装纹理属性；根据人体姿势估计图和服装形状属性生成人体解析图；结合人体解析图和服装纹理属性生成虚拟试衣图像。本发明能够自动生成真实的虚拟试穿效果，解决现有虚拟试衣的交互性不合理及试衣效果不真实自然的问题。
-
公开(公告)号：CN114639009A
公开(公告)日：2022-06-17
申请号：CN202210024740.3
申请日：2022-01-11
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/40 , G06V10/77 , G06V10/764 , G06V10/774 , G06K9/62 , G06T5/00 , G06T5/30 , G06T7/136 , G06N20/10
Abstract: 本发明公开了一种基于高光谱图像和机器学习的桂圆干品种分类方法及装置，方法包括：将同一品种桂圆干的多个不同样本为一组进行高光谱成像得到高光谱图像集；将所有高光谱图像集进行图像预处理得到桂圆干高光谱样本集；标明高光谱样本集中不同品种桂圆干图像所属的种类；对高光谱样本集进行数据降维得到降维后的数据集；将降维后的数据集分别导入SVM和KNN学习模型中进行监督学习，使用交叉验证法计算准确率，构建桂圆干分类模型；将处理后待检测桂圆干高光谱图像导入桂圆干分类模型进行分类，得到分类结果。本发明采用高光谱成像技术结合图像处理技术，提取感兴趣区域，使用K邻近算法和支持向量机两类机器学习模型，实现多种类桂圆干的分类识别。
-
公开(公告)号：CN105096362B
公开(公告)日：2018-10-26
申请号：CN201510433553.0
申请日：2015-07-21
Applicant: 华南农业大学
IPC: G06T11/40
Abstract: 本发明公开了一种基于重采样的颜色编辑扩散方法，该方法首先对图像做超像素分割并提取每个超像素中心作为重采样样本；遵循除了边缘像素，其余像素基本上只服从一种编辑模式的原则，对重采样样本，根据其与一维邻域样本的相似性及这些样本与每种编辑模式的相似性来判断其归属并依此计算编辑颜色；然后将这些样本的颜色编辑遵循相似颜色编辑后仍相似的原则采用增量的方式扩散到整幅图像。扩散时每个像素自适应地选择样本的数量，以避免相似度低样本的干扰。通过本发明简化了用户交互操作，而且生成的图像能够忠于编辑颜色且更好地保持图像细节。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.041 seconds)
