-
公开(公告)号：CN114492655B
公开(公告)日：2024-04-02
申请号：CN202210118319.9
申请日：2022-02-08
Applicant: 安徽大学
IPC: G06V10/74 , G06F17/16 , G06V10/764 , G06N3/006
Abstract: 本发明公开了一种基于进化计算的高光谱图像波段选择方法，涉及遥感图像处理技术领域，具体包括：使用多目标优化算法，对高光谱图像进行降维；在对高光谱特征选择的时候，随机在高光谱图像上取若干个像素点，计算这若干个像素点与其空间领域像素点之间在经过特征选择后的低维空间上的欧式距离，以及使用拉普拉斯矩阵计算若干点在不同选择特征的维度上的邻域距离指标与原始维度的结构相似性指标；以上述的两个指标作为优化目标，建立基于改进NSGAII的多目标优化模型，对波段空间进行二进制编码，经过交叉变异，最终得到最优的波段子集，有效提高分类精度和效率，同时也可以控制选择需要选择的波段数量，满足不同场景下的使用需求。
-
公开(公告)号：CN114095727B
公开(公告)日：2023-08-04
申请号：CN202111360751.0
申请日：2021-11-17
Applicant: 安徽大学
IPC: H04N19/124 , H04N19/186 , H04N19/42 , H04N19/625
Abstract: 本发明公开了一种基于演化计算的JPEG图像编码优化方法，涉及演化计算和JPEG编码优化技术领域，从进化计算的角度出发，对JPEG的量化表进行优化，针对图像编码中的码率多功能需求，研究基于多目标优化的多功能图像编码优化技术，在提升编码效率的同时，满足用户的多种码率需求，通过对图像编码问题进行多目标建模，设计符合率失真最优原则的进化算子、以及环境选择策略，能有效找到最优量化表，使得图像的编码效率能提升10％以上，同时，在优化的过程中产生的多组量化表能够有效应对图像压缩编码中的不确定性问题。
-
公开(公告)号：CN119964058A
公开(公告)日：2025-05-09
申请号：CN202510151038.7
申请日：2025-02-11
Applicant: 安徽大学
IPC: G06V20/40 , G06V10/764 , G06N3/0442 , G06V10/82 , G06N3/045 , G06V10/40 , G06N3/048 , G06N3/0464 , G06F17/14 , G06V10/80
Abstract: 本发明的一种基于深度学习的可见光视频等离子体破裂预测方法及设备，包括数据获取与处理，用来训练可见光视频等离子体破裂预测模型，通过预测模型对等离子体运行视频进行预测是否破裂；数据获取与处理包括获取可见光相机拍摄的等离子体运行视频，并截取视频片段，对于破裂炮视频，截取破裂前设定时间长度的视频片段，对于非破裂炮，随机截取电流平顶段的相同时间长度的视频片段，所截取的视频片段统一成相同的帧率，再对视频图像预处理。本发明利用可见光视频信号进行破裂预测，并实现实时预测，具有在线部署的潜力，为基于实时视频流输入的未来在线破裂预警与主动控制打开了可能性。
-
公开(公告)号：CN119739896A
公开(公告)日：2025-04-01
申请号：CN202411821939.4
申请日：2024-12-11
Applicant: 安徽大学
IPC: G06F16/783 , G06F16/78 , G06V20/40 , G06V30/19
Abstract: 本发明公开了一种基于压缩域视频流的视频文本检索方法，涉及视频处理技术领域，解决了当对模型进行训练时，若丢失了一部分的时序信息，可能会导致训练的模型检索能力不足的技术问题；本发明获取视频和文本的训练数据集，并对训练数据集中的视频进行预处理；利用图像编码器提取数据集中视频的关键帧特征，通过平均池化的方式整合关键帧特征，得到视频特征；利用卷积层和轻量级视觉转换器构建压缩特征提取编码器，对视频特征进行提取；构建压缩视频特征融合网络，对关键特征进行预测，得到预测视频特征；利用文本编码器生成单词特征和句子特征；计算视频与文本的匹配程度，得到最终匹配结果；有利于提高检索的效率和准确性。
-
公开(公告)号：CN119629357A
公开(公告)日：2025-03-14
申请号：CN202411772336.X
申请日：2024-12-04
Applicant: 安徽大学
IPC: H04N19/186 , H04N19/124 , H04N19/625 , H04N19/42 , H04N19/147 , H04N19/91
Abstract: 本发明公开了基于率失真的JPEG量化表和截断位置联合优化方法，涉及JPEG编码优化技术领域，解决了在JPEG压缩方案中，忽视了使用量化表和截断位置进行联合优化使编码效率提升，以及难以找到最优量化表和截断位置的技术问题；本发明从进化计算的角度结合JPEG压缩方法，对JPEG的量化表和截断位置进行联合优化，分别进行优化量化表时固定截断位置，优化截断位置时量化表不变的策略，设计适应度评价的估算方法，基于率失真优化的方法，能够有效找到最优量化表和截断位置，在优化过程中产生多组量化表的同时优化对应的截断位置；本发明通过联合优化量化表和截断位置，能够更有效压缩图像数据，减少冗余信息，从而提高编码效率。
-
Patent Agency Ranking
公开(公告)号：CN117692641A
公开(公告)日：2024-03-12
申请号：CN202311693328.1
申请日：2023-12-11
Applicant: 安徽大学
IPC: H04N19/124 , H04N19/122 , H04N19/625 , H04N19/186 , H04N19/129 , H04N19/91 , H04N19/147 , H04N19/157
Abstract: 本发明公开了一种基于固定码率的率失真进化算法优化的JPEG量化表优化方法，涉及多目标进化算法和JPEG率失真编码优化技术领域，针对图像编码中的特定码率需求，基于固定码率率失真优化的图像编码优化技术，在提升编码效率的同时，满足用户的固定码率需求，用多目标进化算法的方法对图像压缩，通过控制质量和码率的关键参数—量化表，同时优化JPEG标准亮度和色度量化表来获取两者平衡的最优解。本发明通过双种群的协同进化算法，针对固定码率优化的种群交互策略和环境选择策略，有效找到最优量化表，使得优化后的量化表的编码效率明显优于标准的JPEG量化表，同时在优化的过程中能够产生图像压缩编码的特定码率需求。
-
公开(公告)号：CN115578551A
公开(公告)日：2023-01-06
申请号：CN202211233760.8
申请日：2022-10-10
Applicant: 安徽大学 , 安徽国信类脑智能科技有限公司
IPC: G06V10/22 , G06V10/32 , G06V10/56 , G06V10/764 , G06V10/774
Abstract: 本发明涉及图像识别处理数技术领域，公开了一种基于图像识别的家用电表状态核查方法，包括：获取包含电表图像的目标图片；对所述目标图片进行电表定位，获得电表图像信息；根据所述电表图像信息分别进行电表组件定位和破损状态识别；根据所述电表组件定位的结果获取对应组件的状态信息；根据所述电表图像信息，获取电表电线的位置和颜色信息；可以通过一次拍摄来获得多个电表的相关数据信息，提升电表状态及信息核查的效率和精准度。
-
公开(公告)号：CN112070760B
公开(公告)日：2022-11-08
申请号：CN202010977948.8
申请日：2020-09-17
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的骨量检测方法，其步骤包括：1构建卷积神经网络；2获取根据骨密度仪标注的X光片数据集并进行预处理；3利用X光片数据集对神经网络进行训练，得到能够对骨量异常、骨量减少和骨量正常的X光片进行识别的网络模型；4利用网络模型对X光片进行检测，评估模型的分类精度；5基于训练的网络模型进行集成，并转化为可执行程序exe，输入dicom格式待检测数据，得到对应检测结果。本发明能实现端到端的骨量异常、骨量减少和骨量正常的X光片的检测，从而方便快捷的及时发现骨量减少或骨量异常状态，辅助进一步检查和治疗，以降低因为骨量异常而发生的一系列风险。
-
公开(公告)号：CN114897727A
公开(公告)日：2022-08-12
申请号：CN202210502585.1
申请日：2022-05-09
Applicant: 安徽大学
Abstract: 本发明公开了一种基于非支配排序的WNNM图像降噪优化方法，属于非支配排序和黑白图像降噪优化技术领域，具体包括以下步骤：读入原始图像，根据设定的噪声方差给图像加入随机噪声得到待降噪图片，再根据输入的噪声方差的大小设定不同的初始参数；根据噪声的方差将图片分割成像素块重叠的图像块，获取图像块Pi与其余图像块Pj之间的MSE和MAE，以此为评判标准进行非支配排序；将排序靠前的k个图像块Pj组成矩阵，使用不同的λ值对矩阵的奇异值进行软阈值收缩，得到低秩矩阵；将数值小的奇异值过滤掉，将得到的降噪图像块合并为完整的图像；本发明对WNNM的图像块匹配进行优化，使得图像的降噪效率得到了提升。
-
公开(公告)号：CN110363724A
公开(公告)日：2019-10-22
申请号：CN201910662190.6
申请日：2019-07-22
Applicant: 安徽大学
Abstract: 本发明公开了基于面内透视和规律性的非局部低秩化图像去噪方法，首先使用通用算法计算出一幅图内的消失点，使用两个消失点计算出一个平面的面内透射变换矩阵，在已重建的图像区域中搜索最佳匹配位置时，利用面内投射变换矩阵计算出当前片内每个像素所对应的位置或利用规律性侦测获取片内每个像素对应的位置，取出该位置的像素值作为该像素的预测。通过相似度匹配来获取当前片在透视变换空间和规律侦测上的相似片，并通过计算相似程度进行排序。选取某些相似程度较高的相似片组成矩阵，对该矩阵进行低秩处理，利用处理后得到的矩阵的值代替当前片的像素值；本发明简单有效，且易于实用，能够轻松实现对非局部低秩化图像进行去噪。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
