-
公开(公告)号：CN104331714A
公开(公告)日：2015-02-04
申请号：CN201410701485.7
申请日：2014-11-28
Applicant: 福州大学
CPC classification number: G06K9/645 , G06N3/0445 , G06N3/0454 , G06N3/049
Abstract: 本发明涉及一种基于图像数据提取和神经网络建模的铂浮选品位估算方法，通过变量实验得到充气速率、矿浆浓度、捕收剂、活化剂、起泡剂、抑制剂六个变量与浮选品位、回收率之间的相关程度；对铂泡沫图像进行采集和预处理，并从预处理所得的默认的灰度图像、直方图均衡化、图像的对比强化和图像的二值化四种特征图像中提取能量、熵、惯性、同质性、灰度相关性五种图像数据；建立包含三节点输入层、隐藏层和双节点输出层的多层感知器神经网络模型。本发明所提出的一种基于图像数据提取和神经网络建模的铂浮选品位估算方法，有效的实现了通过泡沫图像估算浮选品位和回收率，达到了实时监测浮选过程中品位和回收率的目的。
-
公开(公告)号：CN101977286B
公开(公告)日：2012-09-26
申请号：CN201010565857.X
申请日：2010-11-30
Applicant: 福州大学
Abstract: 本发明提供了一种数字电视节目替换方法。本方法可以将一路数字电视传输流中的一套或多套节目替换为另一数字电视传输流中的一套或几套节目，并使替换之后的数字电视传输流保持有相同的各种标识符，具有结构简单、硬件设备少、成本低、速度快等优点。该方法采用复用调度策略，在替换过程中仅过滤掉不需要的节目，同时将替换的节目、需要保留的节目以及各种服务信息通过复用调度的方式，重新合成为多节目传输流。本发明采用的FPGA硬件电路设计的应用系统主要包括码流同步检测模块，节目匹配检测模块，服务信息修改模块，数据缓冲模块，数据调度模块以及码流输入输出接口模块等部分。
-
公开(公告)号：CN102608016A
公开(公告)日：2012-07-25
申请号：CN201210107925.7
申请日：2012-04-13
Applicant: 福州大学
Inventor： 王卫星
Abstract: 本发明涉及图像处理技术领域，特别是一种基于Canny边界检测的复杂颗粒平均尺寸测量方法，按如下步骤进行：1、输入运动的颗粒图像；2、高斯平滑去除噪声；3、当图像尺寸大于图像尺寸阈值时，进行图像缩小；4、进行Canny边界扫描，并转换成二值图像；5、计算图像的颗粒边缘密度，确定颗粒平均形状参数和图像的背景空间参数；6、计算所检测的颗粒平均尺寸和颗粒数目。该方法有利于快速准确地检测出图像中颗粒的平均尺寸和数量，非常适用于实时在线的复杂多颗粒统计测量，同时也可用于复杂颗粒图像的预分割。
-
公开(公告)号：CN104331714B
公开(公告)日：2018-03-16
申请号：CN201410701485.7
申请日：2014-11-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于图像数据提取和神经网络建模的铂浮选品位估算方法，通过变量实验得到充气速率、矿浆浓度、捕收剂、活化剂、起泡剂、抑制剂六个变量与浮选品位、回收率之间的相关程度；对铂泡沫图像进行采集和预处理，并从预处理所得的默认的灰度图像、直方图均衡化、图像的对比强化和图像的二值化四种特征图像中提取能量、熵、惯性、同质性、灰度相关性五种图像数据；建立包含三节点输入层、隐藏层和双节点输出层的多层感知器神经网络模型。本发明所提出的一种基于图像数据提取和神经网络建模的铂浮选品位估算方法，有效的实现了通过泡沫图像估算浮选品位和回收率，达到了实时监测浮选过程中品位和回收率的目的。
-
公开(公告)号：CN104537342B
公开(公告)日：2017-08-11
申请号：CN201410812599.9
申请日：2014-12-24
Applicant: 福州大学
Inventor： 王卫星
IPC: G06K9/00
Abstract: 本发明涉及一种结合山脊边界检测及霍夫变换的快速车道线检测方法。该方法从采集的车道线视频中截取单帧图像，首先进行缩小并灰度化，减少数据量，然后在车道线范围内应用基于方向的快速山脊检测方法，得到二值图像；然后对得到的二值图像应用快速的霍夫直线检测方法检测到两组车道线，再对其进行膨胀腐蚀得到两条粗的车道线，再对其进行细线化，最后在细线化图像上选取采样点，利用最小二乘法拟合出车道线。本发明方法的每一步都是依据车道线的方向、形态等特征改进的特殊方法，比传统的检测方法更高效。
-
Patent Agency Ranking
公开(公告)号：CN104463892B
公开(公告)日：2017-06-06
申请号：CN201410813281.2
申请日：2014-12-24
Applicant: 福州大学
Inventor： 王卫星
IPC: G06T7/12
Abstract: 本发明涉及一种基于水平集及GVF Snake精确定位的菌落图像分割方法，根据菌落图像灰度变化快慢，区域灰度变化相似特性，采用基于图像灰度等高线及灰度变化加速度进行图像分割，即采用基于图像灰度等高线及按区域顺序合并来进行图像初分割，进而基于菌落的边界扫描和边界线连接确定菌落初步轮廓，再用GVF Snake算法对菌落轮廓进行精确地定位，然后对菌落中的孔洞进行充填和对菌落边界进行拟合，得到最终图像分割结果。本发明所提出的一种基于水平集及GVF Snake精确定位的菌落图像分割方法，不同于常规的直接利用相邻像素间灰度值的相似性进行图像分割的方法，有效的解决了菌落图像分割困难的问题。
-
公开(公告)号：CN104484997B
公开(公告)日：2016-09-07
申请号：CN201410813285.0
申请日：2014-12-24
Applicant: 福州大学
Inventor： 王卫星
Abstract: 本发明涉及一种基于视频图像技术的区域运动车流量检测方法，按照如下步骤实现：首先获取连续的运动车辆彩色图像，利用线性Hough变换对彩色图像进行匹配校准；其次对彩色图像进行灰度变换，对灰度图像分别进行减法操作、求交操作得到微弱图像；对微弱图像进行线性拉伸、二值化、二值膨胀变换得到增强和扩大后的运动车辆图像，这些信号是一些连通的小区域；最后定义一个欧式距离，基于定义的距离对连通区域几何中心点之间分别进行欧式距离的计算，确定最终区域的个数，并对其进行数字标记。本发明所提出的一种基于视频图像技术的区域运动车流量检测方法能快速、高效、简单的估算出当前道路区域的车辆情况及拥堵情况，能很好地应用于实践中。
-
公开(公告)号：CN104463199A
公开(公告)日：2015-03-25
申请号：CN201410706132.6
申请日：2014-11-28
Applicant: 福州大学
CPC classification number: G06K9/6269
Abstract: 本发明涉及一种基于多特征及分割再校正的矿岩块度分类方法，包括以下步骤：步骤1：对原始矿岩块度图像进行切割分块生成大小为64×43的子块图像；步骤2：对所述子块图像进行颜色特征提取；步骤3：对所述子块图像进行纹理特征提取；步骤4：对所述颜色特征和所述纹理特征进行特征选择；步骤5：采用支持向量机SVM进行分类器的设计，完成对所述子块图像的粗分类；步骤6：对所述原始矿岩块度图像进行分水岭分割并将获得的每一个岩块区域记为blob；步骤7：在分割基础上，对所述粗分类得到的结果进行校正调整以改进分类性能得到最终分类结果。本发明所述的分类方法综合不同分类算法，效率高、准确率高、成本低且满足采矿现场的实时性需求。
-
公开(公告)号：CN102663700A
公开(公告)日：2012-09-12
申请号：CN201210107909.8
申请日：2012-04-13
Applicant: 福州大学
Inventor： 王卫星
IPC: G06T5/00
Abstract: 本发明涉及复杂颗粒图像分割技术领域，特别是一种粘连颗粒二值图像的分割方法，包括以下步骤：步骤1：对二值区域对象进行目标物体的骨架提取；步骤2：在欧氏空间中定义骨架的边界距离函数；步骤3：求出所述骨架的边界距离函数的极小值点，即谷点；步骤4：以所述谷点为中心按区域边界距离函数最小差商分割目标对象。该方法有利于分割二值图像中粘连的目标区域对象，具有良好的抗干扰能力。
-
公开(公告)号：CN104657978A
公开(公告)日：2015-05-27
申请号：CN201410812909.7
申请日：2014-12-24
Applicant: 福州大学
Inventor： 王卫星
IPC: G06T7/00
CPC classification number: G06T7/12 , G06T2207/10032 , G06T2207/30184
Abstract: 本发明公开了一种基于遥感图像道路形状特征的道路提取方法。方法首先利用道路表面局部灰度一致性和目标区域与背景灰度相差很大的特性，对预处理后遥感图像局部区域分割。然后对分割后结果结合面积和Ferret Box 最小外接矩形形状特征进行融合获取直线和曲线道路段，并对确定的道路进行区域种子增长，连接大部分路段，从而实现道路信息提取。与现有技术相比，本发明的方法不仅可以实现获取直线和曲线道路段，还可以自动提取种子点及自动获取道路网，并且不受图像转动的影响，克服了许多方法只能提取直线道路段缺点，而且更加的智能化。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.035 seconds)
