-
公开(公告)号：CN101964055A
公开(公告)日：2011-02-02
申请号：CN201010515043.5
申请日：2010-10-21
Applicant: 重庆大学
Abstract: 本发明公开了一种模仿视觉感知机制的自然场景类型辨识方法，属于计算机视觉技术领域。该方法旨在利用自然场景图像中的固有统计性视觉特征来进行自然场景图像类型辨识，其技术方案包括以下步骤：1、对给定的自然场景图像样本集进行预处理；2、用模仿视觉感知机制的方法提取自然场景图像样本集的特征；3、用自然场景图像样本集的特征训练出一个自然场景类型辨识器模型；4、对一幅待辨识的自然场景图像，进行预处理和用模仿视觉感知机制的方法提取其特征；5、利用自然场景类型辨识器模型对待辨识的自然场景图像进行场景类型辨识。本发明能够实现对多种自然场景类型的辨识，有效提高对自然场景图像进行场景类型辨识的正确率。
-
公开(公告)号：CN110969589B
公开(公告)日：2023-06-02
申请号：CN201911216879.2
申请日：2019-12-03
Applicant: 重庆大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于多流注意力生成对抗网络的动态场景模糊盲复原方法。本发明首先设计了一种注意力引导模块，利用该模块生成具有在特征提取和去模糊过程中具有引导作用的注意力引导图，该引导图能够更多的关注模糊程度严重的区域或目标及其周围复杂的结构。另外，针对复杂的动态场景模糊信息，提出多流多尺度特征提取策略用于提取的复杂特征，并且设计一个多尺度残差块提取动态场景模糊图像的多尺度特征，捕获不同类型的模糊信息和更多纹理细节。最后，提出利用多尺度融合策略来获取更好的特征，并设计一个可学习的门结构来自适应融合来自不同流的多尺度特征。本发明可以更好地复原模糊程度较大的和复杂的动态场景模糊；进一步，还能提高复原图像的效率。
-
公开(公告)号：CN113379738A
公开(公告)日：2021-09-10
申请号：CN202110821397.0
申请日：2021-07-20
Applicant: 重庆大学
Abstract: 本发明提出一种基于图像的疫木检测与定位方法及系统。本发明设计的多尺度候选区域融合网络，其中检测小目标的RPN(S‑RPN)以ResNet18得到的特征图，检测中型目标的RPN(M‑RPN)以ResNet32得到的特征图，检测大型目标的RPN(L‑RPN)以ResNet50得到的特征图。然后采用非最大抑制(NMS)来减少冗余的候选区域。该网络可以解决目前基于深度神经网络的目标检测网络模型难以应对多尺度松林疫木检测的问题。本发明提出根据云台监测塔的摄像机成像原理和数字地形高程数据(DEM)构建疫木三维定位几何模型，可以准确实现疫木爆发点的三维定位。本发明简单、快速，可提高松林疫木的监测预警能力。
-
公开(公告)号：CN106791273B
公开(公告)日：2019-08-20
申请号：CN201611119552.X
申请日：2016-12-07
Applicant: 重庆大学
Abstract: 本发明是一种结合帧间信息的视频复原方法，属于视频图像处理技术领域。其核心是从视频编码中相邻帧之间的关联性出发，在模糊核估计和视频帧的非盲复原过程中均对该关联性加以利用和约束。首先对相邻两视频帧进行运动估计和补偿得到运动补偿帧；由于该帧具有清晰的边缘信息，对它进行预处理后结合到正则化模型中以实现视频帧模糊核的精确估计；最后对运动补偿帧和当前清晰帧之间的关系进行时域正则化约束，并用提出的时空正则化复原方法复原出清晰视频帧。实验表明本发明方法克服了传统单幅图像复原方法时域不连续的问题及时空体方法速度慢的问题，能够快速、有效地复原人为模糊和真实模糊视频序列，且对时间变化的模糊核具有较好的复原效果。
-
公开(公告)号：CN106204502B
公开(公告)日：2019-07-05
申请号：CN201610682501.1
申请日：2016-08-17
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明提出一种混合阶L0正则化模糊核估计方法，特点为对模糊核估计模型中的中间清晰图像进行混合阶L0正则化约束，利用一阶约束保护图像边缘，二阶约束抑制一阶约束产生的振铃效应，复原出清晰的中间图像；然后在模糊核估计模型中增加改进的自适应调整因子，从中间清晰图像中提取出更多的有利于模糊核估计的显著边缘信息。根据半二次性的变量分裂技术则可求解提出的模糊核估计模型。本发明在人造模糊图像和真实模糊图像进行的实验证明：提出的模糊核估计方法是有效的，复原出的图像与近几年极具代表性的方法相比，主观视觉效果和客观评价指标都有明显提高。
-
Patent Agency Ranking
公开(公告)号：CN109063826B
公开(公告)日：2019-05-31
申请号：CN201811066871.8
申请日：2018-09-13
Applicant: 重庆大学
IPC: G06N3/04
Abstract: 本发明公开了一种基于忆阻器的卷积神经网络实现方法，包括制备由卷积+池化层与全连接层构成的待训练的卷积神经网络，并输入训练集图像信息，得到全连接层输出值；根据待训练的卷积神经网络的全连接层输出值与标准信息的偏差，利用反向传播函数对待训练的卷积神经网络进行训练；当达到训练次数时，判定训练精度是否达标，若不达标则对训练后的卷积神经网络进行再次训练，直至精度达标；获得所需卷积神经网络等步骤。其显著效果是：在硬件上减少了对精度和制备难度、时间的影响；实现了更高级的多层卷积神经网络；不易受到硬件噪声、制备难度和时间的影响，在应用复杂化后能够表现出更强的适应能力。
-
公开(公告)号：CN106251861B
公开(公告)日：2019-04-23
申请号：CN201610638937.0
申请日：2016-08-05
Applicant: 重庆大学
Abstract: 本发明是一种基于场景建模的公共场所异常声音检测方法，该方法根据公共场所场景声音相对异常声音平均幅值小，波动范围较窄的统计特性，首先计算各场景声音信号的平均幅值，并基于期望最大化算法建立不同场景的高斯混合模型；然后求取待测声音信号与场景模型的似然度，进行似然度匹配，再基于多数投票原则和最小连续帧数的阈值条件判定待测声音帧是否为异常声音，从而实现异常声音的检测。本发明相对现有的异常声音检测方法，场景适应性更强，检测的错误率更低，同时检测的实时性和效率也较高。
-
公开(公告)号：CN105894478B
公开(公告)日：2018-08-31
申请号：CN201610435536.5
申请日：2016-06-17
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于统计局部秩特征的图像去噪方法，首先利用局部秩算子，在不同参数条件下对图像进行局部秩变换，得到图像的正局部秩变换和负局部秩变换；接着将所述正局部秩变换和负局部秩变换相加得到参数连续变化的统计局部秩特征；之后在稀疏表示的图像去噪方法的基础上，将所述统计局部秩特征作为约束条件对图像进行初次去噪；最后通过控制去噪前与去噪后图像之间所述统计局部秩特征的差异对图像进行二次去噪，实现图像噪声的去除，获得最终的清晰图像。其显著效果是：与传统的基于稀疏表示的去噪方法相比，具有更佳的去噪效果，能够获得质量更高的去噪图像，进而能有效保障后续图像处理和分析的可靠性。
-
公开(公告)号：CN104809456B
公开(公告)日：2017-11-17
申请号：CN201510262199.X
申请日：2015-05-21
Applicant: 重庆大学 , 重庆市科学技术研究院
Abstract: 本发明提出了一种基于二值描述符的三维目标识别方法，包括三维目标特征描述步骤，所述三维目标特征描述步骤包括以下过程:S1，将三维目标中的网格深度图像Q进行网格分辩率R的计算；S2，根据计算所得的网格分辨率R对网格深度图像Q进行均匀采样，得到特征点P'的坐标；S3，根据计算所得的特征点P'的坐标构建局部参考系，并对该局部参考系的x轴、y轴和z轴的方向进行消歧处理；S4，根据消歧后的局部参考系构建特征向量，得到特征点P'的二值化三维特征fp。本发明计算方法简单，特征提取和特征匹配效率高，可快速准确的实现对三维目标的二值化描述。
-
公开(公告)号：CN106558022A
公开(公告)日：2017-04-05
申请号：CN201611075966.7
申请日：2016-11-30
Applicant: 重庆大学
CPC classification number: G06T3/4053 , G06K9/6223
Abstract: 一种基于边缘差异约束的单幅图像超分辨率重建方法的实现包括以下三个步骤：步骤1，通过Gabor滤波器提取训练图像的纹理主方向特征，进行主成分分析字典训练得到训练字典。步骤2，利用该字典构建重建模型，并通过迭代阈值收缩得到具有较好边缘结构的初始重建高分辨率图像。步骤3，利用图像块之间的方向梯度直方图描述算子、空间距离、像素强度和边缘方向信息，建立一种非局部结构张量优化模型，对初始高重建高分辨率图像进一步优化后处理，得到具有显著边缘结构及丰富细节信息的最终重建高分辨率图像。本发明考虑到初始重建高分辨率图像与原始清晰图像存在一定的差异，进一步提出了后处理优化方法，丰富图像的边缘和纹理等细节信息。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.027 seconds)
