公开(公告)号：CN112784880B

公开(公告)日：2023-04-07

申请号：CN202110002622.8

申请日：2021-01-04

Applicant: 安徽大学

Inventor： 章军 ,  汪倩倩 ,  陈鹏 ,  王兵 ,  夏懿

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/40 ,  G06V10/774

Abstract: 本发明涉及图像识别技术领域，公开了基于自然特征统计方法标注高速公路雾天能见度等级，包括自然特征统计的方法和能见度等级的划分，所述自然特征统计的方法包括以下步骤：S1、提取雾感特征；S2、计算高斯模型参数、马氏距离和雾密度；S3、建立实验模型，标注能见度等级。本发明利用自然图像特征统计方法从图片中提取雾特征，将其拟合到多元高斯模型中，计算模型参数，得到模型之间的马氏距离，再计算出雾密度，表示不同等级能见度之间的阈值，以此来自动标注能见度等级，相对于目测法，结果更客观，大大提高了标注效率，相较于仪器检测更方便，可靠，同时为深度学习能见度检测提供大量的样本数据库。

公开(公告)号：CN114187233A

公开(公告)日：2022-03-15

申请号：CN202111277730.2

申请日：2021-10-29

Applicant: 安徽大学

Inventor： 陈鹏 ,  马子涵 ,  章军 ,  王兵 ,  夏懿 ,  张东彦 ,  黄林生 ,  赵晋陵 ,  梁栋

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/10 ,  G06V10/80

Abstract: 本发明公开了一种基于卷积神经网络的小麦麦穗赤霉病识别方法，包括：获取待识别麦穗图片；将所述待识别麦穗图片输送至分割网络模型中，得到麦穗分割结果图；将所述麦穗分割结果图输送至可视化模块中进行显示。本申请解决了现有技术中需要在纯背景或者受控环境下才能进行麦穗图片处理和机器学习的技术问题，实现了可以适应不同环境下的麦穗图像处理，实现了对小麦麦穗赤霉病的有效准确分割，以提高对小麦麦穗赤霉病识别的环境适应能力和精准度。

公开(公告)号：CN108537832B

公开(公告)日：2021-11-26

申请号：CN201810316415.8

申请日：2018-04-10

Applicant: 安徽大学

Inventor： 卢一相 ,  陈帅 ,  高清维 ,  孙冬 ,  彭学明 ,  鲍华 ,  夏懿

IPC: G06T7/33 ,  G06T7/11

Abstract: 本发明属于数据识别及数据表示技术领域，公开了一种基于局部不变灰度特征的图像配准方法、图像处理系统，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。构建描述子，将采样点分为奇偶两部分，使得构造描述子时维度显著降低，减少了运行时间，提高了配准时的精度与准确度；构造描述子向量时，根据灰度值大小进行排序，具有旋转不变性。本发明的检测精度较高，具有较好的噪声鲁棒性和较低的计算复杂度，主要得益于较大程度上降低原描述子的维度，对光照变换不敏感。

公开(公告)号：CN112989994A

公开(公告)日：2021-06-18

申请号：CN202110261116.0

申请日：2021-03-10

Applicant: 安徽大学

Inventor： 章军 ,  胡涛 ,  陈鹏 ,  王兵 ,  夏懿

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及图像识别技术领域，公开了一种离散标签下基于深度相对学习的雾天能见度估计方法，它是利用图像的顺序信息和相对关系来估计能见度，通过将有序信息编码成一组图像对的相对排序，这样，VISOR‑NET就可以有效地学习一个全局排序函数。本发明通过采集真实监控场景拍摄的大规模雾天高速公路能见度图像数据集，通过对现有深度学习方法的综合实验，证明了该方法在准确度、有效性、稳定性等方面具有更好的性能，此外，该方法可以将类别间扩展到类别内进行可见性估计，实现离散层标签下的近似回归估计，也就是能够实现对级别内能见度距离的估计。

公开(公告)号：CN112784880A

公开(公告)日：2021-05-11

申请号：CN202110002622.8

申请日：2021-01-04

Applicant: 安徽大学

Inventor： 章军 ,  汪倩倩 ,  陈鹏 ,  王兵 ,  夏懿

IPC: G06K9/62 ,  G06K9/46

Abstract: 本发明涉及图像识别技术领域，公开了基于自然特征统计方法标注高速公路雾天能见度等级，包括自然特征统计的方法和能见度等级的划分，所述自然特征统计的方法包括以下步骤：S1、提取雾感特征；S2、计算高斯模型参数、马氏距离和雾密度；S3、建立实验模型，标注能见度等级。本发明利用自然图像特征统计方法从图片中提取雾特征，将其拟合到多元高斯模型中，计算模型参数，得到模型之间的马氏距离，再计算出雾密度，表示不同等级能见度之间的阈值，以此来自动标注能见度等级，相对于目测法，结果更客观，大大提高了标注效率，相较于仪器检测更方便，可靠，同时为深度学习能见度检测提供大量的样本数据库。

公开(公告)号：CN110264456A

公开(公告)日：2019-09-20

申请号：CN201910533477.9

申请日：2019-06-19

Applicant: 安徽大学

Inventor： 夏懿 ,  李彦琳

IPC: G06T7/00 ,  G06T7/33 ,  G06T7/62

Abstract: 本发明公开了一种基于深度学习的足底压力图像配准方法，本发明是利用级联卷积神经网络回归模型来估算得到足底压力图像的配准参数，而对待配准足底压力图像则使用主轴算法来估算得到初始配准参数，进而使得待配准图像的旋转角度缩小到一定范围，以便后续的二次配准，且设计的级联卷积神经网络框架，其分为粗调网络和细调网络，通过不同的变换参数来产生源足底压力图像，所产生的数据集用于模型训练，之后将待配准图像依次输入至训练出的粗调网络模型和细调网络模型中，最后将粗调网络模型和细调网络模型输出的结果进行叠加组合，以得到最终的足底压力图像配准参数，使得优化配准参数的效率得到显著提升。