-
公开(公告)号：CN119739886A
公开(公告)日：2025-04-01
申请号：CN202411796399.9
申请日：2024-12-06
Applicant: 武汉工程大学
IPC: G06F16/583 , G06F16/55 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于跨X语义超图学习的图像检索方法及系统，方法包括：导入待测图像；通过预先训练好的卷积神经网络跨层和多尺度提取全局特征和局部区域特征，并输出该卷积神经网络最后两层的特征谱；将特征谱输入预先构建的超图神经网络，生成语义超图，以模拟从不同层、不同尺度和不同图像中全局特征和局部区域特征之间的高阶相关性，并输出多层逻辑元向量；将多层逻辑元向量融合后输入到多码本量化器，通过多码本量化器中的量化码书进行计算，找到与待测图像的量化嵌入最接近的数据库图像对应的量化码，将所对应的数据库图像作为检索结果。本发明可提高细粒度图像检索的精度。
-
公开(公告)号：CN117274578B
公开(公告)日：2024-02-02
申请号：CN202311569672.X
申请日：2023-11-23
Applicant: 武汉工程大学
IPC: G06V10/25 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/82 , G06F16/583
Abstract: 本发明公开了一种基于逻辑元变换乘积量化的细粒度图像检索方法，包括步骤：将待测图像导入卷积神经网络提取特征，输出最后一层的特征谱；再通过区域候选网络RPN将最后一层的特征谱生成Top‑N个部件，重新输入至卷积神经网络中，并将原始待测图像和Top‑N部件经过卷积神经网络后的最后三层特征进行融合级联；将融合级联后的输出特征通过线性投影生成相应的逻辑元，再通过逻辑元变换对生成的逻辑元向量重新加权；将重新加权后的逻辑元向量输入到细粒度图像检索模型，通过量化码书进行计算找到与待测图像的逻辑元向量最接近的数据库图像对应的量化码，将所对应的数据库图像作为检(56)对比文件Jun Xiang et al..An EfficientRetrieval System Framework for FabricsBased on Fine-Grained Similarity.《Entropy》.2022,全文.Shilin Wu et al..Improved Faster R-CNN for the Detection Method ofIndustrial Control Logic GraphRecognition《.Front. Bioeng. Biotechnol.》.2022,全文.Xin Lu et al..Attributes Grouping andMining Hashing for Fine-Grained ImageRetrieval《.MM '23: Proceedings of the31st ACM International Conference onMultimedia》.2023,全文.
-
公开(公告)号：CN116664928A
公开(公告)日：2023-08-29
申请号：CN202310597334.0
申请日：2023-05-22
Applicant: 武汉工程大学
IPC: G06V10/764 , G06V10/26 , G06V10/32 , G06V10/40 , G06V10/77 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CNN与Transformer的糖尿病视网膜病变分级方法，包括以下步骤：导入原始图像数据集，将原始图像数据集划分为图像训练集和图像测试集；将图像训练集中的各个原始图像等分成若干个图像块，并生成不同粒度版本的打乱图像；通过残差网络和Swin‑Transformer建立糖尿病视网膜病变分级网络，采用渐进式策略训练糖尿病视网膜病变分级网络，得到串联阶段输出的多尺度多粒度的特征谱；定义分类损失函数和加权卡帕损失函数，并根据分类损失函数和加权卡帕损失函数构建损失层；利用图像训练集优化糖尿病视网膜病变分级网络；利用测试样本集对糖尿病视网膜病变分级网络进行测试。本发明能实现更准确的糖尿病视网膜病变分级，同时获得类别监督信息和有序监督信息。
-
公开(公告)号：CN115439512A
公开(公告)日：2022-12-06
申请号：CN202210891551.6
申请日：2022-07-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种光流估计方法、装置以及存储介质，属于图像处理领域，方法包括：通过多个原始图像对训练模型进行训练得到光流估计模型；对待估计视频进行图像处理得到多个待估计视频组；通过光流估计模型分别对各个待估计视频组进行光流图像估计，得到与各个所述待估计视频组对应的目标光流图像，并将所有的目标光流图像作为光流估计结果。本发明能够进行端到端的训练，从而快速地获取两幅图像之间的近似光流估计，能够在计算上节省了大量的资源和时间，也提高了光流估计的准确性。
-
公开(公告)号：CN109522893B
公开(公告)日：2022-12-06
申请号：CN201811168246.4
申请日：2018-10-08
Applicant: 武汉工程大学
Abstract: 本发明公开了一种空中非合作目标气球要害点快速的检测方法，包括：S1、输入检测图像G1，进行中值滤波去除噪声得到图像G2；S2、对图像G2分别进行X、Y方向的灰度投影，确定检测气球的位置以及气球的中心点P；S3、以中心点P作为极坐标的原点，利用双线性插值，将图像G2转换到极坐标系统中,得到图像G3；S4、对图像G3进行直方图统计；计算出当前阈值t0和目标的边缘信息，存储在数组E中；S5、使用最小二乘法计算出边缘各点拟合圆的半径R,并将曲率1/R存储在一维的数组C中；S6、对曲率数组C进行均值滤波，找到数组C中最大的值，并返回到直角坐标系中的坐标位置M，该坐标M即为气球绳结。本发明能够快速、准确的对空中气球要害点进行检测。
-
Patent Agency Ranking
公开(公告)号：CN112213264A
公开(公告)日：2021-01-12
申请号：CN202010999364.0
申请日：2020-09-22
Applicant: 武汉工程大学
Abstract: 本发明公开了一种用于景象匹配制导的机场参考图制备方法，主要步骤包括：S1、根据机场面积、自身颜色信息与周围背景差异，在包含机场的可见光遥感卫星图像上进行目标区域粗定位，确定感兴趣区域ROI的大致范围；S2、根据颜色信息对感兴趣区域ROI采用Kmeans算法进行分类，将分类结果与地物类别一一对应，并进行标识；S3、基于红外景象条件先验知识，将机场地物全天候温度变化自动映射到灰度级上，并给标识后的图像赋灰度；S4、根据弹道信息对赋灰度后的图像进行透视变换，得到多尺度多视点的场景图像，依据预设的选取准则，选取机场目标/地标参考图。本发明能够自动、准确制备机场目标/地标参考图用于景象匹配制导。
-
公开(公告)号：CN112213264B
公开(公告)日：2024-04-05
申请号：CN202010999364.0
申请日：2020-09-22
Applicant: 武汉工程大学
IPC: G01N21/17 , G01J5/48 , G06V20/10 , G06V10/25 , G06V10/762 , G06V10/764
Abstract: 本发明公开了一种用于景象匹配制导的机场参考图制备方法，主要步骤包括：S1、根据机场面积、自身颜色信息与周围背景差异，在包含机场的可见光遥感卫星图像上进行目标区域粗定位，确定感兴趣区域ROI的大致范围；S2、根据颜色信息对感兴趣区域ROI采用Kmeans算法进行分类，将分类结果与地物类别一一对应，并进行标识；S3、基于红外景象条件先验知识，将机场地物全天候温度变化自动映射到灰度级上，并给标识后的图像赋灰度；S4、根据弹道信息对赋灰度后的图像进行透视变换，得到多尺度多视点的场景图像，依据预设的选取准则，选取机场目标/地标参考图。本发明能够自动、准确制备机场目标/地标参考图用于景象匹配制导。
-
公开(公告)号：CN109684909B
公开(公告)日：2023-06-09
申请号：CN201811184403.0
申请日：2018-10-11
Applicant: 武汉工程大学
Abstract: 本发明涉及一种无人机目标要害点实时定位方法、系统及存储介质，方法包括获取无人机的监控图像，根据监控图像选取当前帧图像，并对当前帧图像进行降采样处理，得到第一灰度图像；根据第一灰度图像获取目标中心的当前帧预测位置，并根据当前帧预测位置计算目标中心的当前帧准确位置；对当前帧图像进行二值化处理，得到第二灰度图像；在第二灰度图像中，根据当前帧准确位置确定当前帧图像中目标要害点的当前帧可疑域；并根据当前帧可疑域和当前帧准确位置确定无人机的多个目标要害点位置。本发明可以快速地对无人机的要害点进行实时且精确地定位，满足多旋翼的高帧频处理和复杂背景识别的要求，可以广泛用于无人机反制技术领域。
-
公开(公告)号：CN114331922B
公开(公告)日：2022-07-19
申请号：CN202210229047.X
申请日：2022-03-10
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种多尺度自校准气动光学效应湍流退化图像复原方法，包括以下步骤：S1、提取原始气动光学效应湍流退化图像的特征图；S2、通过预先构建的自校准网络对特征图进行校准，得到针对湍流退化图像局部模糊区域校准的局部融合特征图；S3、对原始气动光学效应湍流退化图像的特征图进行多尺度卷积恢复，得到针对全局区域的全局恢复特征图；S4、将局部融合特征图和全局恢复特征图合并，并通过卷积对合并后的特征图进行图像复原。本发明能在利用图像潜在高、低分辨率空间信息的同时兼顾到图像的多尺度信息，从而精准复原气动光学效应湍流退化图像。
-
公开(公告)号：CN113793285B
公开(公告)日：2022-05-10
申请号：CN202111364599.3
申请日：2021-11-17
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种气动光学效应目标孪生图像的超快复原方法，包括以下步骤：在高速流场中，通过相机快速生成两帧目标孪生图像；S2、对两帧目标孪生图像进行快速离散傅里叶变换，分别建立图像湍流模糊退化模型；S3、将两个图像湍流模糊退化模型合并计算，消去相同的噪声项与退化模型中的相同项，并加入非负性约束项和空间相关性约束项，求解得到每帧目标孪生图像的模糊核；S4、将两帧目标孪生图像的边界分别进行微分连续延拓，抑制边界振铃效应；S5、根据求解的模糊核，并通过超拉普拉斯先验的快速非盲反卷积方法进行两帧目标孪生图像的复原；S6、对复原后的图像分别进行归一化，得到清晰图像。本发明能够对具有目标孪生图像的气动光学效应退化图像进行超快复原。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.029 seconds)
