-
公开(公告)号：CN112669355B
公开(公告)日：2023-07-25
申请号：CN202110006480.2
申请日：2021-01-05
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于RGB‑D超像素分割的聚焦堆栈数据拼接融合方法及系统，该方法包括：步骤1，由聚焦堆栈数据计算生成全聚焦图与深度图，即准确配准的RGB‑D数据；步骤2，将低分辨率的2D大视场图像上采样至与RGB‑D数据尺度一致；步骤3，对RGB‑D数据进行超像素分割；步骤4，提取并匹配全聚焦图与大视场2D图像之间的特征点，计算同一深度层超像素的准确单应性变换矩阵；步骤5，逐深度层进行超像素变换实现全聚焦图和深度图的拼接融合；步骤6，由大视场的RGB‑D数据生成大视场的聚焦堆栈数据。本发明能够实现多组不同视角下的聚焦堆栈数据的拼接融合。
-
公开(公告)号：CN112967242B
公开(公告)日：2023-07-04
申请号：CN202110218843.9
申请日：2021-02-26
Applicant: 北京信息科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于视觉特征聚合的光场质量评价方法，该方法包括：步骤1，获取光场数据集；步骤2，提取每一四维光场的视觉特征，得到每个四维光场的视觉聚合特征；视觉特征为四维光场的中心子孔径图像的特征向量LFCV、宏像素图上的特征向量LFMLI、极平面图像上的灰度共生矩阵特征向量LFEPI、以及不同重聚焦面上重聚焦图的特征向量LFRI中的一种或一种以上的组合；LFCV用于描述光场在空间清晰度上质量变化情况，LFMLI用于描述光场在角度域一致性退化情况，LFEPI用于描述光场在空‑角耦合域上结构变化情况，LFRI用于描述光场在投影域上的质量变化情况；步骤3，根据所述视觉聚合特征，使用支持向量回归训练得到光场质量分数评测模型；步骤4，通过光场质量分数评测模型评价光场的质量分数。本发明计算得到的光场质量客观评价分数与主观评价分数有较高的一致性。
-
公开(公告)号：CN111932601B
公开(公告)日：2023-06-06
申请号：CN202010766902.1
申请日：2020-08-03
Abstract: 本发明公开了一种基于YCbCr颜色空间光场数据的稠密深度重建方法，该方法包括以下步骤：步骤1，获取YCbCr颜色空间光场数据；步骤2，在Y通道标记平滑区域；步骤3，在CbCr通道进行语义分割；步骤4，在Y通道进行区域匹配；步骤5，优化匹配视差，并计算场景深度。通过采用本发明提供的方法，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：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：CN107945221B
公开(公告)日：2021-06-11
申请号：CN201711293626.6
申请日：2017-12-08
Applicant: 北京信息科技大学
IPC: G06T7/33
Abstract: 本发明公开了一种基于RGB‑D图像的三维场景特征表达与高精度匹配方法，利用透视投影模型和尺度空间理论，检测并提取RGB‑D图像的三维特征点；利用圆的旋转不变性，为每一个特征点选定以其为圆心的四个同心圆区域为此特征点所需的特征描述区域；在每个圆环区域以及最里面的中心圆区域内分别计算像素点的梯度模值和方向，建立方向直方图，其中，“圆环区域”为相邻的两同心圆之间的环形区域；利用方向直方图，建立环形描述子，对每一个特征点进行特征描述，生成特征向量，并根据特征向量间的欧式距离匹配特征点。通过采用本发明提供的方法，对RGB‑D图像进行三维特征表达与匹配，避免了主方向的分配、降低特征向量的维数，为后续特征匹配降低了计算量、节省了时间，实现特征匹配的实时性。
-
Patent Agency Ranking
公开(公告)号：CN106875436B
公开(公告)日：2019-10-22
申请号：CN201710090688.0
申请日：2017-02-20
Applicant: 北京信息科技大学
IPC: G06T7/55
Abstract: 本发明公开了一种基于特征点密度由聚焦堆栈估计深度的方法和装置，所述方法包括：提取聚焦堆栈中每个图像的特征点，建立基于特征点密度的聚焦测度；建立引入特征点密度的加权聚焦测度的估计深度的模型：以采用SML聚焦测度为例，建立SML与特征点密度的加权线性混合聚焦测度作为深度估计的目标函数，实现对场景深度的估计和全聚焦图。本发明的方案，建立关于特征点密度的聚焦测度及建立线性加权聚焦测度，并构建基于聚焦测度的深度估计模型，获取场景的深度信息，以实现场景的全聚焦与三维重构，可为现实三维重构提供精确的深度信息并获取全聚焦图像。
-
公开(公告)号：CN106846469A
公开(公告)日：2017-06-13
申请号：CN201710091014.2
申请日：2017-02-20
Applicant: 北京信息科技大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于特征点追踪由聚焦堆栈重构三维场景的方法和装置，包括：建立由三维场景生成聚焦堆栈的正演模型，给出三维场景特征点与聚焦堆栈的几何关系；提取聚焦堆栈中每个图像的特征点，追踪匹配成功的特征点的坐标，得到特征点在聚焦堆栈中的轨迹；建立由聚焦堆栈重构三维场景的反演模型：由匹配成功的特征点，建立关于特征点三维坐标的方程组，通过求解方程组得到特征点的三维坐标，重构三维场景，并实现三维几何测量。本发明的聚焦堆栈是将探测器固定，通过沿光轴移动透镜完成聚焦堆栈的采集，采用本发明的方案，能够实现相机拍摄视角下的三维重构，可以为虚拟现实和几何测量提供精确的三维结构信息。
-
公开(公告)号：CN119942449A
公开(公告)日：2025-05-06
申请号：CN202510023206.4
申请日：2025-01-07
Applicant: 北京信息科技大学
IPC: G06V20/52 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种网格划分与多尺度特征融合的密集小目标计数方法及装置，包括：步骤一，处理数据集；步骤二，根据近大远小原理，将输入图像划分为三个区域，在每一区域设置网格，按照不同大小的网格进行裁剪；步骤三，将图像切片进行特征提取，得到图像的多层次特征图；步骤四，将每一分支特征向其它分支特征维度对齐，通过动态生成特征融合权重，不同分支特征和对应的权重相乘再相加，输出低层分支融合特征、中间层分支融合特征和高层分支融合特征；步骤五，选择中间层分支融合特征和高层分支融合特征融合，输出预测点位置坐标和置信度分数，与真实点匹配，完成密集小目标计数。本发明能够提高远距离小目标的检测精度并优化计算效率。
-
公开(公告)号：CN114742847B
公开(公告)日：2025-02-14
申请号：CN202210405016.5
申请日：2022-04-18
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于空角一致性光场抠图方法及装置，其包括：步骤1，提取光场数据的中心子孔径图像并计算其视差；步骤2，计算中心子孔径图像alpha图；步骤3，通过光场alpha图传播模型，对中心子孔径图像alpha图进行传播，获取光场alpha图alphau,v(x,y)。通过采用本发明提供的方法，可以实现准确且具有一致性的光场抠图并评估其空角一致性。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.025 seconds)
