-
公开(公告)号：CN114332510A
公开(公告)日：2022-04-12
申请号：CN202210001464.9
申请日：2022-01-04
Applicant: 安徽大学
IPC: G06V10/75 , G06V10/762 , G06K9/62 , G06N20/00
Abstract: 本发明公开一种层次化的图像匹配方法，获得查询图像和参考图像特征点特征描述子，从参考图像包含的局部特征点中，为查询图像中的每个局部特征点寻找两个最相似的候选匹配特征点；并依次筛选出最佳特征匹配结果。本发明能够快速地计算出两幅图像之间的特征匹配点，然后应用于一系列的基于图像匹配的高层次计算机视觉任务中：基于图像的三维重建、同时定位与地图构建、图像检索、地图导航、数字孪生、图像拼接、混合现实、虚拟现实和增强现实等。
-
公开(公告)号：CN108765472A
公开(公告)日：2018-11-06
申请号：CN201810477230.5
申请日：2018-05-18
Applicant: 安徽大学
IPC: G06T7/30
CPC classification number: G06T7/30 , G06T2207/10088 , G06T2207/30016
Abstract: 本发明公开了一种基于稀疏有向图的图像集配准方法，包括步骤：步骤1，输入一组包含n个图像的图像集{Ii|i＝1,…,n}；步骤2，利用基于图像集全局信息和图像分布流形的稀疏流形编码方法计算图像集的图像相似度；步骤3，根据相似度计算结果建立以图像为节点、以图像相似度倒数为权重的有向图；步骤4，基于有向图确定两两节点间最短路径以及根节点图像，并进一步确定非根节点图像到根节点图像的最短路径即配准路径；步骤5，根据确定的配准路径，将所有非根节点图像和依据配准路径配准得到的结果图像依次配准到其直接父节点图像，直至配准到根节点图像。本发明有效提高了图像集配准的精度。
-
公开(公告)号：CN120011593A
公开(公告)日：2025-05-16
申请号：CN202510072981.9
申请日：2025-01-17
Applicant: 安徽大学
IPC: G06F16/783 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/09 , G06F16/78
Abstract: 本发明涉及计算机视觉技术领域，具体涉及基于双重语义对齐的视频时刻检索和高光检测方法，包括：利用视觉编码器和文本编码器分别提取视觉特征和文本特征；对视觉特征和文本特征进行交叉注意力运算得到联合特征；利用编码器和解码器对联合特征进行处理，编码器输出用于高光检测，解码器输出用于时刻检索；基于显著性对比学习实现片段级语义对齐；基于时刻中心距离实现时刻级语义对齐；采用匈牙利算法进行二分匹配，将预测时刻与真实时刻建立最优对应关系；联合优化高光检测损失和时刻检索损失更新编码器、解码器参数。本发明通过显著性对比学习方法和中心距离回归方法进行双重语义对齐，实现更准确地高光检测以及输出更准确的时刻检索。
-
公开(公告)号：CN119417995B
公开(公告)日：2025-03-21
申请号：CN202510027365.1
申请日：2025-01-08
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0464 , G06N3/045 , G06N3/088 , G06V20/70 , G06V10/74 , G06V10/34 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/766 , G06V10/82 , G06N3/048
Abstract: 本发明公开一种抗遮挡区域的无监督多视图立体重建方法，能够在无需依赖真实深度信息的情况下，通过处理来自多个视角的图像，有效解决遮挡区域的三维重建问题，并计算出具有高精度的点云模型。首先，提取多尺度特征；然后，采用可变形的大核注意力网络聚合全局信息，计算场景的深度图和对应的置信图；其次，计算对比一致性损失和感知一致性损失为深度估计过程提供伪监督信号，优化深度图；最后，融合深度图，即可获得点云模型。本发明充分利用基于多种监督项的无监督多视图立体计算方法，有效挖掘输入图像自身的特征，估计出高质量的深度图，进而计算出精确的点云模型。
-
公开(公告)号：CN119379555A
公开(公告)日：2025-01-28
申请号：CN202411904895.1
申请日：2024-12-23
Applicant: 安徽大学
IPC: G06T5/70 , G06T5/50 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06F17/14 , G06N3/0464
Abstract: 本发明公开一种基于二维符号距离场的阴影消除方法，通过2D符号距离场计算阴影图像的软权重掩码和SDF图像，通过软权重掩码提取原始阴影图像中的阴影区域和非阴影区域；快速傅里叶变换模块提取局部空间特征全局频率特征；通过信息交互模块IIM融合局部空间特征全局频率特征的注意力权重图得到融合特征；通过边界细化模块BRM输出边界细化后特征图；通过卷积操作提取非阴影区域的特征，通过全局特征调制模块GFM将全局特征向量、非阴影区域的特征和SDF特征进行调制，最终输出无阴影图像。本发明在阴影区域的亮度恢复、边界过渡和平滑性方面具有显著优势，使得去除后的图像接近真实无阴影效果。
-
Patent Agency Ranking
公开(公告)号：CN118398154A
公开(公告)日：2024-07-26
申请号：CN202410804636.5
申请日：2024-06-21
Applicant: 安徽大学
Abstract: 本发明提供一种词语索引模型和医学报告的生成方法、系统、设备和介质。模型生成方法包括：获取医学影像集和对应的医学报告集，以及文本索引表和医学术语集；对医学报告集和医学术语集索引化处理，得到医学报告索引集和医学术语索引集；输入医学影像集至特征提取网络提取医学影像特征；将医学术语索引集和初始文本输入词嵌入网络获取文本特征和医学术语特征；将文本特征和医学术语特征、医学影像特征和医学术语特征输入融合网络得到对齐融合特征；输入对齐融合特征至预测网络得到预测文本序列集合；根据预测文本序列集合与索引化后的医学报告的差异度，更新模型参数，得到训练好的词语索引模型。提升了医学报告的准确度。
-
公开(公告)号：CN117853645A
公开(公告)日：2024-04-09
申请号：CN202410242047.2
申请日：2024-03-04
Applicant: 安徽大学
IPC: G06T15/20 , G06N3/0464 , G06N3/082 , G06T7/529 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种基于跨视图捆绑交叉感知神经辐射场的图像渲染方法，利用轻量型捆绑特征提取模块计算多尺度捆绑卷积特征；利用混合交叉感知机制细化卷积特征，聚合跨视图交互信息并及时补充上下文特征信息，然后，进行相似性嵌入体渲染，将几何先验条件的余旋相似度作为显示匹配嵌入线索，为预测颜色密度场捕捉相似匹配信息；再后，最小化颜色与内容一致性损失，添加相同时间戳内的渲染视图与真实瞬时视图对数的绝对值差异，解决场景跨度大和特征信息匮乏情况下的伪影和模糊纹理问题。
-
公开(公告)号：CN116109852B
公开(公告)日：2023-06-20
申请号：CN202310390886.4
申请日：2023-04-13
Applicant: 安徽大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开一种快速及高精度的特征匹配错误消除方法，输入初始特征匹配点，提取特征匹配点坐标，计算正弦值和欧氏距离，对新坐标进行网格划分、统计网格中特征匹配点的数量并获得角度集合；通过自适应参数估计，计算出网格中特征匹配点数量的拐点，获得纠错阈值，将网格中特征匹配点数量小于阈值的特征匹配点剔除，从而获得精确的特征匹配点。本发明能够快速地消除初始特征匹配结果中的错误特征匹配点，提高图像匹配的精度，提升基于图像匹配的计算机视觉应用系统的性能，如基于图像的三维重建、图像拼接、图像检索、视觉定位与导航、虚拟现实和增强现实。
-
公开(公告)号：CN116109852A
公开(公告)日：2023-05-12
申请号：CN202310390886.4
申请日：2023-04-13
Applicant: 安徽大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开一种快速及高精度的特征匹配错误消除方法，输入初始特征匹配点，提取特征匹配点坐标，计算正弦值和欧氏距离，对新坐标进行网格划分、统计网格中特征匹配点的数量并获得角度集合；通过自适应参数估计，计算出网格中特征匹配点数量的拐点，获得纠错阈值，将网格中特征匹配点数量小于阈值的特征匹配点剔除，从而获得精确的特征匹配点。本发明能够快速地消除初始特征匹配结果中的错误特征匹配点，提高图像匹配的精度，提升基于图像匹配的计算机视觉应用系统的性能，如基于图像的三维重建、图像拼接、图像检索、视觉定位与导航、虚拟现实和增强现实。
-
公开(公告)号：CN108664976B
公开(公告)日：2022-06-03
申请号：CN201810380400.8
申请日：2018-04-25
Applicant: 安徽大学 , 安徽安大笃北信息科技有限责任公司
IPC: G06V10/26 , G06V10/50 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种基于超像素的模糊谱聚类脑肿瘤图像自动分割方法，首先对包含脑肿瘤的核磁共振成像的FLAIR模态图像进行超像素分割，再提取这些超像素块的灰度直方图特征，将超像素块的灰度直方图特征作为算法的输入，通过输入的特征计算图像的模糊相似性矩阵，然后通过NJW谱聚类算法进行聚类，进而得到最终的分割结果。本发明用模糊理论优化了谱聚类的相似性度量方式，在谱聚类的高斯距离度量方法上引入了模糊权重参数，定义了基于超像素特征的模糊相似性度量方式。本发明是一种自动的图像分割方法，不需要人为干预，并且利用基于超像素的模糊谱聚类分割算法，大大降低了谱聚类算法的时间复杂度，并且可以提高分割的精度。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.027 seconds)
