-
公开(公告)号：CN112381830B
公开(公告)日：2022-08-09
申请号：CN202011300818.7
申请日：2020-11-19
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种基于YCbCr超像素和图割的鸟类关键部位提取方法和装置，该方法包括：步骤1，在YCbCr颜色空间下，对鸟类图像进行超像素分割，形成图割模型的node顶点；步骤2，对鸟类图像中的背景和鸟身体的各关键部位进行多边形标记，并制作背景和关键部位的标签类型，形成图割模型中的Terminal节点；步骤3，利用超像素的颜色直方图和纹理直方图比较两个超像素的相似程度，计算两Node节点之间的边以及Node节点与Terminal节点之间的边；步骤4，构建图割模型中目标函数，并进行优化求解，得到鸟类关键部位分割结果。本发明能够获得鸟类具有区分性的精确关键部位特征，有助于避免拍摄角度、光照及姿态的影响，提高鸟类图像细粒度分类与识别的准确率。
-
公开(公告)号：CN118823831A
公开(公告)日：2024-10-22
申请号：CN202410923287.9
申请日：2024-07-10
Applicant: 北京信息科技大学 , 山东黄河三角洲国家级自然保护区管理委员会
IPC: G06V40/10 , G06V10/20 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于提示学习的鸟类细粒度识别增量学习方法和装置，包括：步骤1，搭建增量学习模型；步骤2，将预处理图像重构变为序列；步骤3，接收预处理图像，获得查询特征；步骤4，接收种级类别标签，输出对应的多粒度文本信息，转化为独热编码向量，作为文本提示向量；步骤5，构建视觉提示池，选择最终视觉提示子集；步骤6，将文本提示池和视觉提示池共同与嵌入特征拼接；步骤7，将拼接结果先后输入编码模块、分类头，输出预测分类结果，再根据预测分类结果对增量学习模型的参数进行优化，并随着增量学习模型学习不同分类任务来更新增量学习模型的参数，引导增量学习模型进行预测。本发明能够实现对鸟类图像进行高精度识别。
-
公开(公告)号：CN117171605A
公开(公告)日：2023-12-05
申请号：CN202311453699.2
申请日：2023-11-03
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
IPC: G06F18/23213 , G01S19/37
Abstract: 本发明公开了一种基于GPS数据的迁徙鸟类轨迹分割方法，其包括：步骤1，获取鸟类个体的GPS数据；步骤2，将GPS数据中不符合条件的数据去除，将剩下的数据按时间依正序排列，每一数据作为一个位点，获得的所有位点构成点集；步骤3，将点集进行聚类，获得多个聚类，再将聚类中的有效类划分成运动类或静止类，计算每一有效类的统计结果；步骤4，根据点集，采用停留点检测算法，获得多个类，再将该类划分成运动类或静止类，计算每一个类的统计结果；步骤5，对比步骤3和步骤4划分出的运动类和静止类的统计结果，选出最终的迁徙鸟类轨迹分割结果。本发明属于时空数据挖掘与处理技术领域，用于获得迁徙鸟类轨迹分割结果。
-
公开(公告)号：CN110827338B
公开(公告)日：2022-08-16
申请号：CN201911063001.X
申请日：2019-10-31
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种分区域自适应匹配的光场数据深度重建方法，所述分区域自适应匹配的光场数据深度重建方法包括以下步骤：步骤110，定义中心视图与待匹配视图中的待匹配像素点的距离测度函数；步骤120，为不同区域的待匹配像素点选择不同的匹配窗口，其中，所述不同区域包括纹理区域、平滑区域和边缘遮挡区域；步骤130，统计匹配窗口正确匹配像素点的个数作为窗口的距离测度值，并在所述平滑区域加上平滑因子；步骤140，优化匹配视差，并计算场景深度。本发明能够在四维光场理论下实现高精度的深度重建。
-
公开(公告)号：CN119515718A
公开(公告)日：2025-02-25
申请号：CN202411582663.9
申请日：2024-11-07
Applicant: 北京信息科技大学 , 中国绿化基金会 , 山东黄河三角洲国家级自然保护区管理委员会
Abstract: 本发明公开了一种基于隐式神经表示的珍稀鸟类虚拟数字化方法和系统，其包括：步骤1，创建输入数据；步骤2，将珍稀鸟类重建区域的空间位置坐标X经过傅立叶特征映射为高维傅立叶特征向量γ(X)，在X处设自适应可学习滤波器HB(α(X))，HB(α(X))包含控制HB(α(X))的维度用的B和控制HB(α(X))滤波初始位置用的α(X)；步骤3，将HB(α(X))与γ(X)结合，得到MLPs网络Fθ的第1层的隐藏单元z(1)，以得到X处的颜色和体密度；步骤4，通过体渲染技术，生成珍稀鸟类静态背景的新视角和新姿势图。本发明能够仅通过单目相机采集到的数据，快速渲染出任意视角的珍稀鸟类高质量图片，在处理珍稀鸟类复杂的形态和细节时表现出色。
-
Patent Agency Ranking
公开(公告)号：CN116777750B
公开(公告)日：2023-12-26
申请号：CN202310943431.0
申请日：2023-07-31
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种基于视差维滤波的聚焦堆栈视差维超分辨方法和装置，其包括：S1，通过低通滤波器#imgabs0#对低视差分辨率聚焦堆栈频谱#imgabs1#进行视差维滤波，并输出；S2，对S1输出的滤波后的聚焦堆栈频谱#imgabs2#进行三维傅里叶逆变换，获得高视差分辨率的聚焦堆栈#imgabs3#。本发明获得的高视差分辨率的聚焦堆栈能够为视差估计等计算成像应用提供数据支撑。本发明属于计算成像和计算机视觉技术领域。
-
公开(公告)号：CN116740622B
公开(公告)日：2023-10-27
申请号：CN202311027313.1
申请日：2023-08-16
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
IPC: G06V20/40 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/46 , G06V10/82 , G06V10/80 , G06V10/762
Abstract: 本发明公开了一种基于多尺度特征编码的密集油滴目标检测计数方法和装置。该方法包括：步骤1，采集密集油滴目标视频数据；步骤2，对视频数据的油滴识别定位，获得每一油滴的边界框；步骤2包括：先对密集油滴目标视频数据多尺度特征编码，获得特征权重；再对特征图进行增强处理，获得增强特征图；其次对增强特征图引导处理，获得密集油滴的特征图；最后使用回归和分类思想对密集油滴目标的特征图进行检测，获得每一个油滴的边界框。本发明涉及计算机视觉技术领域和石油开采与加工领域，解决了密集油滴目标检测中存在多形态以及遮挡导致难以检测的技术问题。本发明能够提升网络对不同形态目标的学习能力，还能增强对密集油滴遮挡场景的识别能力。
-
公开(公告)号：CN116721142A
公开(公告)日：2023-09-08
申请号：CN202311000568.9
申请日：2023-08-10
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种基于区域匹配正则化的由光场数据估计视差的方法及应用。基于区域匹配正则化的由光场数据估计视差的方法包括：步骤1，建立用于衡量区域匹配窗口区域匹配窗口准确性和稳定性的窗口适应性度量函数；步骤2，建立场景视差估计优化模型；步骤3，利用搜索法实现区域匹配正则化，得到最优区域匹配窗口；步骤4，利用最优区域匹配窗口，求解最优视差函数。本发明用于对四维光场数据进行高精度和高鲁棒性的视差估计，以及用于场景三维重建、虚拟现实和三维显示等。本发明属于计算成像和计算机视觉技术领域。
-
公开(公告)号：CN112381830A
公开(公告)日：2021-02-19
申请号：CN202011300818.7
申请日：2020-11-19
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种基于YCbCr超像素和图割的鸟类关键部位提取方法和装置，该方法包括：步骤1，在YCbCr颜色空间下，对鸟类图像进行超像素分割，形成图割模型的node顶点；步骤2，对鸟类图像中的背景和鸟身体的各关键部位进行多边形标记，并制作背景和关键部位的标签类型，形成图割模型中的Terminal节点；步骤3，利用超像素的颜色直方图和纹理直方图比较两个超像素的相似程度，计算两Node节点之间的边以及Node节点与Terminal节点之间的边；步骤4，构建图割模型中目标函数，并进行优化求解，得到鸟类关键部位分割结果。本发明能够获得鸟类具有区分性的精确关键部位特征，有助于避免拍摄角度、光照及姿态的影响，提高鸟类图像细粒度分类与识别的准确率。
-
公开(公告)号：CN117726647A
公开(公告)日：2024-03-19
申请号：CN202311161824.2
申请日：2023-09-11
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
IPC: G06T7/246 , G06T7/73 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于形态特征聚合的多油滴实时跟踪监控装置与方法。所述多油滴实时跟踪监控装置包括：目标检测模块，用于为图像中油滴目标提供目标检测框；多目标跟踪框架，用于预测带有目标检测框的图像序列的每一帧图像中各油滴目标相应的轨迹；多目标跟踪框架包括形态特征聚合模块、特征提取模块和特征关联与更新模块，形态特征聚合模块包括双向长短期记忆网络，双向长短期记忆网络具有正向长短期记忆网络和反向长短期记忆网络，对多幅历史帧内油滴目标的形态特征进行处理，获得多幅历史帧内油滴目标的形态特征聚合，再将聚合的形态特征进行压缩和存储。本发明通过计算机视觉技术能够对油水两相流中的多油滴目标进行跟踪。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.083 seconds)
