-
公开(公告)号:CN116452790A
公开(公告)日:2023-07-18
申请号:CN202310264901.0
申请日:2023-03-14
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种基于最优传输的边界校正方法,该方法包括:通用语义分割步骤:基于通用语义分割网络进行特征提取、特征增强及逐像素的分类操作,输出语义分割监督的损失值;边界预测步骤:在通用语义分割网络后引入一边界分支,基于边界分支计算预测边界的初始位置,并通过语义边界损失进行监督;边界校正步骤:将边界分支的每个像素预测结果进行归一化,通过最优传输计算语义边界定位损失,通过不断训练进行语义边界损失的校正,达到边界区域分割的最优准确度。本发明方法将边界预测建模为最优传输问题,通过计算预测边界到真实边界的最小传输代价以对边界预测的结果进行监督,有效地提高边界分割的准确性。
-
公开(公告)号:CN106372111B
公开(公告)日:2021-10-15
申请号:CN201610701965.2
申请日:2016-08-22
Applicant: 中国科学院计算技术研究所
IPC: G06F16/583 , G06F16/532 , G06K9/46
Abstract: 本发明提供一种用于筛选局部特征点的方法,其包括基于原图像生成与其相似的多个相似图像;提取原图像和各个相似图像的局部特征点及其特征描述子;将原图像的局部特征点与各个相似图像中的局部特征点进行匹配,并将原图像中匹配成功的局部特征点的得分增加;选择原图像中得分高的前若干局部特征点作为最终保留的局部特征点。该方法通过分析所生成的相似图像与原图像之间的匹配结果,对不同的特征点进行了打分,量化了各个特征点在图像匹配中的贡献,以筛选出一系列高贡献的特征点,去除对图像检索匹配贡献较低的特征点,具有较好的鲁棒性,适合于大规模图像实时检索。
-
公开(公告)号:CN107730451A
公开(公告)日:2018-02-23
申请号:CN201710911893.9
申请日:2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度残差网络的压缩感知重建方法和系统,包括:获取原始图像信号作为训练数据,并通过尺度变换和分割处理将训练数据分割为多个图像块;根据每个图像块的亮度分量和压缩感知理论模型,获得亮度分量对应的测量值;通过全连接网络对测量值进行线性映射处理,得到初步重建结果;将初步重建结果输入深度残差网络,训练得到估计残差值;将估计残差值与初步重建结果进行融合,生成重建信号。由此,本发明通过引入深度残差网络参与信号的重建,不仅实现对测量值到图像的还原重建还用到深度残差网络仅学习与目标之间的差异这一特点,提升了还原信号的质量。
-
公开(公告)号:CN105118031A
公开(公告)日:2015-12-02
申请号:CN201510490628.9
申请日:2015-08-11
Applicant: 中国科学院计算技术研究所
IPC: G06T5/00
Abstract: 本发明提供一种恢复深度信息的图像处理的方法,包括:利用通光直径小的小光圈快速地采集场景的图像,并计算所述图像的梯度,以确定所述图像的场景内容的主方向;用沿所述主方向排列的编码光圈采集场景的图像;所述编码光圈的矩阵可为在一个方向上的傅里叶频谱有较高的幅值,在与所述方向正交的方向上的傅里叶频谱有较多的零点;计算并搜索所述图像与不同预测深度下的校准内核的反卷积,以获取深度图;利于所述深度图,计算得到场景的全清晰图像。
-
公开(公告)号:CN102075753A
公开(公告)日:2011-05-25
申请号:CN201110007133.8
申请日:2011-01-13
Applicant: 中国科学院计算技术研究所
IPC: H04N7/26
Abstract: 本发明提供一种视频编解码中去块滤波方法,在对宏块进行滤波时,亮度边界处理顺序为右边第4条、右边第3条、右边第2条、上边第1条、上边第2条、上边第3条、上边第4条、右边第1条;色度边界处理顺序为右边第2条、上边第1条、上边第2条、右边第1条。本发明的方法可以利用更多的空闲处理单元,使得同步耗费相比于现有技术明显减少;另外,各个宏块在滤波前,只需要和更少的宏块进行同步通信,减少了额外操作,进一步加快了整体滤波速度。
-
公开(公告)号:CN115690410A
公开(公告)日:2023-02-03
申请号:CN202211160286.0
申请日:2022-09-22
Applicant: 中国科学院计算技术研究所
IPC: G06V10/26 , G06V10/762 , G06V20/70
Abstract: 本发明提出一种基于特征聚类的语义分割方法和系统,包括:语义分割模型中的特征提取层提取训练图像的深层语义特征和浅层细节特征,语义分割模型中第一卷积分类器为深层语义特征进行分类,得到训练图像中各像素的第一分类结果,归一化第一分类结果,得到每个像素属于类别的概率,点积概率和深层语义特征,得到每个类别的类特征;融合深层语义特征和浅层细节特征,得到像素级别特征;根据像素级别特征,取训练图像中各像素到每个类特征的相似度最大对应的类别作为第二分类结果;语义分割模型中第二卷积分类器为像素级别特征进行分类,得到训练图像中像素的第三分类结果;根据类别标签和各分类结果,训练语义分割模型,以为指定图片进行语义分割。
-
公开(公告)号:CN107862698A
公开(公告)日:2018-03-30
申请号:CN201711230611.5
申请日:2017-11-29
Applicant: 首都师范大学 , 中国科学院计算技术研究所
CPC classification number: G06T7/11 , G06K9/6223 , G06T7/136 , G06T7/168 , G06T7/194 , G06T2207/10052 , G06T2207/20052
Abstract: 本发明公开了一种基于K均值聚类的光场前景分割方法及装置,方法包括:针对待处理的光场图像,提取重聚焦图像、极线平面图像和全清晰图像;采用结构张量方法对极线平面图像进行处理,获取极线平面深度信息;采用离散余弦响应方法对重聚焦图像进行处理,获取重聚焦信息;采用超像素分割技术讲全清晰图像分割的多个区域,针对每一个区域,获取区域颜色特征、区域几何特征、区域对应点特征和区域重聚焦特征;并采用K均值聚类计算区域之间的相似度;基于相似度,采用图割算法标记前景和背景,获取光场图像的前景分割结果。上述方法处理后的前景分割结果比现有技术中的前景分割结果更准确。
-
公开(公告)号:CN107749047A
公开(公告)日:2018-03-02
申请号:CN201710954199.5
申请日:2017-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T3/40
Abstract: 本发明涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统,包括:将原始哈达玛矩阵作为低阶哈达玛矩阵,将低阶哈达玛矩阵中的行数据转换为第一观测矩阵,利用第一观测矩阵对原始图像进行压缩感知采样,获得原始图像的低阶测量值,并将根据低阶测量值生成的重建图像实时输出给用户进行查看;对低阶哈达玛矩阵进行迭代处理,得到高阶哈达玛矩阵,将高阶哈达玛矩阵中的行数据转换为第二观测矩阵,并利用第二观测矩阵对原始图像进行压缩感知采样,获得原始图像的高阶测量值,并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果,使用户直观感受图像压缩结果,以采样率最少的采样数据,达到预期图像压缩效果。
-
公开(公告)号:CN105067489B
公开(公告)日:2018-01-09
申请号:CN201510483564.X
申请日:2015-08-07
Applicant: 中国科学院计算技术研究所
IPC: G01N15/02
Abstract: 本发明提供一种基于动态光散射技术的悬浮颗粒粒径测量装置,包括:调制单元;光源单元,用于生成振幅调制的入射光并照射待测悬浮颗粒溶液中的目标点;样品容纳单元,用于容纳待测悬浮颗粒溶液;TOF传感器阵列,用于接收来自于所述待测悬浮颗粒溶液中的目标点的出射光,进行光电转换后输出相应的电信号;解调单元,用于对TOF传感器阵列输出的电信号进行解调,得到对应于TOF传感器阵列各个像素的测量信号;以及计算单元,用于基于Schaetzel算法和动态光散射技术计算出待测悬浮颗粒粒径。本发明还提供了相应的悬浮颗粒粒径测量方法。本发明能够从更多角度探测光子,从而获得更完整的散射信息,进而提高粒径测量结果的精度。并且,本发明更加便于操作。
-
公开(公告)号:CN104408092B
公开(公告)日:2018-01-09
申请号:CN201410645743.4
申请日:2014-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供一种基于排序测度特征的图像检索方法,该方法基于分块属性值相似度和位置相似度对待检测图像的排序测度特征进行置换以得到该图像的多个排序测度特征,从图像库中检索出其排序测度特征与待检测图像的任一排序测度特征相同的图像。该方法不需要计算排序测度特征之间的相似度,而是以定长字符串的比较方式匹配排序测度特征,提高了比对和检索的速度,适用于大规模图像检索。而且基于分块属性值相似度和位置相似度来对排序测度特征进行置换,这种置换考虑的属性值大小的分布,弥补了原OM特征仅考虑属性值高低而不考虑属性值差别大小的不足。
-
-
-
-
-
-
-
-
-