-
公开(公告)号：CN113916894B
公开(公告)日：2024-05-03
申请号：CN202111173508.8
申请日：2021-10-08
Applicant: 福州大学
Abstract: 本发明提出一种基于量子鸽群峰谷区间分割的铜冲压件表面裂缝检测方法，首先，对带裂缝的铜件表面图像进行预处理，采用了中值滤波与同态滤波处理，去除了椒盐噪声，增强了图像裂缝信息的细节；其次，对带裂缝的铜件表面图像进行全局多方向灰度变化扫描，遍历灰度变化曲线然后选出标准差最大的变化曲线；然后，通过峰谷判断阈值对灰度变化曲线进行峰谷点的搜索，在各个峰谷区间进行局部阈值分割，并引入改进量子鸽群算法对峰谷判断阈值以及修正参数进行最优化处理；最后，采用形态学方法消除裂缝图像噪声、填补裂纹中的细小空洞，再通过分析金属裂缝连通域的几何特性，去除残余噪声，提高了方法的有效性和通用性。
-
公开(公告)号：CN117115075A
公开(公告)日：2023-11-24
申请号：CN202310386231.X
申请日：2023-04-12
Applicant: 福州大学
Abstract: 本发明涉及一种融合多方向多元宇宙局部分割的金属表面锈斑检测方法，首先采集待检测金属表面锈斑图像，并对图像进行中值滤波及同态滤波预处理；其次对图像进行全局多方向灰度扫描分析，确定主灰度分布曲线并进行峰谷点搜索与定位；然后采用多元宇宙优化算法优化峰谷区间分割的波动幅度阈值和浮动阈值参数，获得各个方向的最优局部分割；最后采用主成分分析法对多方向的最优局部分割图像进行压缩融合，得到最终锈斑检测结果。该方法有利于提高检测效率和精确度。
-
公开(公告)号：CN110969086A
公开(公告)日：2020-04-07
申请号：CN201911050472.7
申请日：2019-10-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度CNN特征及量子菌群优化KELM的手写图像识别方法首先，将手写图像进行NSST分解，得到三个尺度的多尺度图像；其次，用CNN模型提取每一个尺度的细节特征，并以最大值的方式融合这些细节特征；然后，用量子菌群算法去优化KELM模型的参数，得到最佳的KELM模型；最后，把融合后的特征当作KELM的输入，对特征进行识别，完成手写图像的识别。本发明不仅增强了识别精度和泛化能力，同时在训练模型时采用需要时间少的KELM模型，KELM仅需要优化两个参数，而且用CNN-KELM能够提取出更多细节特征，这样极大的减少了手写图像识别的工作量以及提高了识别精度。
-
公开(公告)号：CN110738641A
公开(公告)日：2020-01-31
申请号：CN201910946728.6
申请日：2019-10-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于图像处理及KELM的医药试剂浓度定性检测方法，首先将未知浓度医药试剂瓶和多个已知浓度医药试剂瓶排列放置，同时获取所有医药试剂瓶的图像，并分别提取所有医药试剂瓶中的试剂目标区域；其次分别对未知浓度医药试剂图像和已知浓度医药试剂图像的目标区域进行中值滤波去噪，并获取去噪后的目标区域图像的RGB和HSV特征参数；然后把已知浓度医药试剂的特征参数和真实浓度输入到核极限学习机KELM中训练，得到最优参数和KELM模型；最后把未知浓度医药试剂的特征参数代入KELM模型，得出未知浓度医药试剂的预测浓度，实现医药试剂浓度的定性检测。该方法不仅检测精度高，而且易于使用，操作简便，检测效率高。
-
公开(公告)号：CN110648342A
公开(公告)日：2020-01-03
申请号：CN201910943180.X
申请日：2019-09-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于NSST显著性检测及图割的泡沫红外图像分割方法，首先，对泡沫红外图像进行NSST分解，得到低频子带图像和多尺度高频子带；其次，采用GBVS算法对低频子带图像进行显著性检测，得到显著性值和视觉显著图；然后，对各个高频方向子带系数计算阈值和尺度相关系数，去除噪声系数和非线性增强边缘、弱边缘系数；最后，对NSST重构图像，结合视觉显著性进行图割，得到分割结果。该方法抗干扰能力强，分割精度高。
-
Patent Agency Ranking
公开(公告)号：CN110298808A
公开(公告)日：2019-10-01
申请号：CN201910605110.3
申请日：2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及基于量子差分进化算法的NSCT域红外图像自适应去噪方法，首先对带噪声的红外图像进行NSCT分解，得到低频子带图像和多尺度高频子带；接着将量子编码和量子门更新引入差分进化算法的优化，防止陷入局部最优解；然后对于多尺度高频子带，采用量子差分进化算法自适应获取最优阈值，通过阈值处理函数对高频子带系数进行去噪处理；最后对处理后的各个子带系数进行逆变换，得到去噪后的红外图像。本发明减轻了几何特征丢失，保留了边缘、纹理等特征信息，图像表现的更为平滑，为后续红外图像的识别、跟踪及特征提取等处理提供基础。
-
公开(公告)号：CN110246106A
公开(公告)日：2019-09-17
申请号：CN201910545307.2
申请日：2019-06-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法，首先将浮选泡沫图像进行NSST分解，得到低频子带图像和多尺度高频子带；接着对低频子带图像进行量子和声搜索模糊集增强；然后对于多尺度高频子带，结合改进的贝叶斯萎缩阈值及尺度相关性去除噪声系数，并通过非线性增益函数增强边缘和纹理系数；最后对处理后的低频子带、各个高频子带的系数进行NSST重构，得到增强去噪后的图像。本发明能够改善泡沫图像的亮度、对比度和清晰度，在有效抑制噪声的同时气泡边缘得到明显增强，保留更多的纹理细节，更有利于后续的气泡分割和边缘检测等处理。
-
公开(公告)号：CN113870235B
公开(公告)日：2024-07-19
申请号：CN202111173452.6
申请日：2021-10-08
Applicant: 福州大学
Abstract: 本发明提出一种基于量子烟花圆弧边缘提取的圆形冲压件缺陷检测方法，对采集的圆形冲压件表面图像进行预处理；采用最大类间方差法对图像进行阈值分割，将冲压件从背景中分离；采用改进的分数阶微分检测算子进行梯度计算，对梯度进行非极大值抑制，采用双阈值进行边缘的检测和连接；本发明改进量子烟花算法的烟花位置量子旋转门更新策略，将改进的量子烟花算法去求取圆弧边缘提取的最优参数，完成圆弧边缘的自适应提取，通过圆弧边缘聚类和端点连接分割出各个圆形区域；通过质心偏离标准差实现偏心缺陷识别，通过圆形度大小实现形变缺陷识别，通过边缘点到质心的距离偏差实现边缘缺陷识别。
-
公开(公告)号：CN117788424A
公开(公告)日：2024-03-29
申请号：CN202311828372.9
申请日：2023-12-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习密度图的浮选泡沫时空分形特征检测方法。利用融合多尺度注意力机制的MARNet网络模型对浮选泡沫数据集进行训练学习，获取浮选泡沫的深度学习密度图，统计密度图中的气泡密度作为尺寸系数，并计算最近邻气泡最长距离与最短距离之比来近似所测气泡的形变系数；然后，空间上对一张泡沫图像进行等比例放大子区域进行尺寸、形变系数检测，利用分形思想用最小二乘拟合方法获取空间尺寸、形状分形系数；时间上分析每一帧图像中泡沫的尺寸、形变系数，利用分形思想用最小二乘拟合方法得到一段时间内的尺寸、形状分形系数。本发明可以有效表征浮选工况状态，为后续浮选生产回收率、精矿品位等生产指标预测提供基础。
-
公开(公告)号：CN116503378A
公开(公告)日：2023-07-28
申请号：CN202310546945.2
申请日：2023-05-16
Applicant: 福州大学
IPC: G06T7/00 , G06N3/0464 , G06N3/096 , G06N3/006 , G06V10/82 , G06V10/774 , G06Q10/04 , G06Q50/02 , G06V10/40 , G06V10/764 , G06V10/80
Abstract: 本发明提出一种双模态CNN二次迁移学习的精矿品位等级预测方法。首先，构建基于改进SE‑DenseNet的泡沫双模态图像深度学习网络模型，并借助RGB‑D大数据集对模型预训练；其次，构建不同加药状态下的小规模数据集对迁移后模型的最后卷积层、全连接层和softmax重新训练；最后，采用自适应深度核极限学习机代替全连接层和softmax进行再次迁移学习，得到各种加药状态下的精矿品位等级预测模型。本发明方法在小规模训练集条件下可有效扩大相邻品位等级图像特征的差异程度、降低误识别率，有效解决了单次迁移学习的过拟合问题，具有较高的预测精确度和召回率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.02 seconds)
