一种基于昇腾处理器的指节纹和指静脉身份识别装置

    公开(公告)号:CN113052072A

    公开(公告)日:2021-06-29

    申请号:CN202110318506.7

    申请日:2021-03-25

    Abstract: 一种基于昇腾处理器的指节纹和指静脉身份识别装置,包括昇腾处理器图像处理子系统以及指节纹和指静脉图像采集子系统,系统以搭载昇腾310处理器的Atlas200模块为核心设计嵌入式平台,构建了昇腾处理器图像处理子系统;以650nm和850nm光波长的LED阵列和摄像头为核心搭建指节纹和指静脉图像采集子系统,光强可调;同时,在图像采集过程中通过预处理和图像评估获得最佳质量图像,并使用Triplet Loss函数神经网络进行高效的特征匹配,实现身份识别。本发明有效地解决不同环境下指节纹和指静脉图像差异明显、手指图像识别算法难以实时实现以及低功耗和小型化条件下系统开发的难题。

    一种基于卷积神经网络和数字全息的海洋浮游生物自动分类方法

    公开(公告)号:CN111723848A

    公开(公告)日:2020-09-29

    申请号:CN202010452771.X

    申请日:2020-05-26

    Abstract: 一种基于卷积神经网络和数字全息的海洋浮游生物自动分类方法,包括以下步骤:1)使用数字全息系统拍摄海洋浮游生物的全息图像;2)构建卷积神经网络模型,设定卷积层数,卷积核尺寸,训练参数和损失函数,将1)中得到的图片输入至神经网络中,运行神经网络,获得最终分类结果。本发明针对目前数字全息系统对海洋浮游生物的广泛应用,为满足高效率、低成本和快速性的要求,利用数字全息技术结合深度学习技术,公开了一种基于数字全息图像的海洋浮游生物快速分类方法。

    一种基于非局部信息的三维卷积神经网络的皮下汗腺提取方法

    公开(公告)号:CN111666813A

    公开(公告)日:2020-09-15

    申请号:CN202010356352.6

    申请日:2020-04-29

    Abstract: 一种基于非局部信息的三维卷积神经网络的皮下汗腺提取方法,包括如下步骤:1)利用归一化算法图像增强后,通过截取局部数据和数据旋转进行数据增广;2)通过添加Non_local模块构建基于非局部信息的三维卷积神经网络模型,损失函数采用Dice损失函数;3)将步骤一获取的训练集输入神经网络进行训练;4)利用汗腺体的大小的一定规律和汗腺体上下端的位置偏差不会太大的特性从初步的三维汗腺体图像中筛选并去除伪汗腺体。本发明充分利用指纹切片之间的像素相关性,利用非局部的信息来增加信息量,增强汗腺体信息,提高了指汗腺体检测的准确率。

    一种基于血管分割和背景分离的眼底图像质量评价方法

    公开(公告)号:CN111489328A

    公开(公告)日:2020-08-04

    申请号:CN202010149988.3

    申请日:2020-03-06

    Abstract: 一种基于血管分割和背景分离的眼底图像质量评价方法,包括以下步骤:1)首先,通过在DRIVE公开眼底图像数据集上预训练的U-Net模型对输入图像进行血管分割;2)将步骤1)得到的血管特征图与原始图像进行逐元素相乘,得到只含血管和背景信息的图像;3)使用提取后的特征图像分别输入卷积神经网络分支中进行训练,得到模型参数;4)将训练好的卷积神经网络模型对测试图片进行质量评价。本发明实现更高的评价准确率,并降低医生复检率,避免重复检查可能带来的治疗时机延误。本发明提出的模型具有通用性,可以嵌入到各种先进的卷积神经网络结构中并提升网络性能,同时,提供一种融合血管先验知识和神经网络端到端特征提取的方法。

    一种基于OCT的皮下汗孔图自动提取方法

    公开(公告)号:CN110309699A

    公开(公告)日:2019-10-08

    申请号:CN201910219874.9

    申请日:2019-03-22

    Abstract: 一种基于OCT的皮下汗孔图提取方法,包括如下步骤:1)对每张OCT图像的每个像素进行灰度值差分运算,并选择结果大于阈值的点作为初始特征点集;2)应用霍夫变换,将角质层特征点集从初始特征点集中分离出来,并对其进行二次多项式拟合得到角质层轮廓,同时去除位于角质轮廓周围附近以及上方的特征点;3)由远及近地去除乳头层轮廓外的特征点,得到准确的乳头层特征点集,并对其进行三次插值拟合得到乳头层轮廓;4)据两条轮廓的位置获得汗腺切线,然后将所有OCT图像中获得的汗腺切线拼接成大小为W×N皮下汗孔图,再经过图像增强获得最后结果。本发明能够得到正确的汗腺切线,最后获得清晰的皮下汗孔图。

    基于AM335X处理器的便携式数字全息显微系统

    公开(公告)号:CN109240064A

    公开(公告)日:2019-01-18

    申请号:CN201810886098.3

    申请日:2018-08-06

    Abstract: 一种基于AM335X处理器的便携式数字全息显微系统,包括光路、电源模块和处理主板,所述处理主板与电源模块连接,所述光路部分采用便携性较高的同轴光路,搭配部分相干LED光源和100um微孔实现相干光,同时采用光学传感器记录获得的全息图,将数据通过USB高速串行总线送给ARM嵌入式平台进行重建处理;ARM嵌入式平台利用搭载的LINUX操作系统和优化后的角谱算法实现快速重建,然后通过LCD液晶屏进行显微图像的显示,同时搭载电容式触摸屏便于用户的交互。本发明装置简单、器件通用、价格低廉,具有良好的便携性,适合在生产生活中推广使用,方便生活。

    基于高通骁龙处理器的无人机运动跟踪系统

    公开(公告)号:CN107450583A

    公开(公告)日:2017-12-08

    申请号:CN201710727623.2

    申请日:2017-08-23

    CPC classification number: G05D1/0808 G05D1/101

    Abstract: 一种基于高通骁龙处理器的无人机运动跟踪系统,由Qx200四旋翼机架(1000)、信号转接板(1100)、高通骁龙控制板(1200)三部分组成,其中高通骁龙控制板(1200)用于实现系统的飞行控制、运动目标检测与跟踪、无人机跟踪飞行;信号转接板(1100)用于实现高通骁龙处理器的串行电机控制信号的转换和面向系统的电源输出;Qx200四旋翼机架(1000)作为系统的基础构架,用于负责执行高通骁龙控制板(1200)和信号转接板(1100)的控制命令,实现跟踪飞行。本发明系统的集成度高,可以在小型化无人机上实现在线图像采集和运动跟踪飞行,提高了无人机在线视频图像处理系统的效率。

    基于盲目更新策略和前景模型的改进视觉背景提取方法

    公开(公告)号:CN105741319A

    公开(公告)日:2016-07-06

    申请号:CN201610045316.1

    申请日:2016-01-22

    Abstract: 基于盲目更新策略和前景模型的改进视觉背景提取方法,包括如下步骤:第一步:读取视频的首帧,进行背景模型的初始化及建模;第二步:进行前景模型的初始化及建模;第三步:读取新的视频帧,首先根据背景模型判断该点是否分类为背景点,若分类为背景点,则将该点继续与其前景模型进行分类判断;第四步:使用形态学滤波对二值前景图像进行处理;第五步,更新前景模型与背景模型;第六步:读取新的视频帧,重复第三步到第五步,实时检测视频序列中的运动前景区域。

    一种基于国产化昇腾AI处理器的前视声呐视频目标检测方法和装置

    公开(公告)号:CN119274117A

    公开(公告)日:2025-01-07

    申请号:CN202411809635.6

    申请日:2024-12-10

    Abstract: 一种基于国产化昇腾AI处理器的声呐视频目标检测方法和装置,属于海洋声学探测技术领域,其方法包括以下步骤:S1、搭建基于Atlas200I A2加速模块的边缘智能硬件平台;S2设计前视声呐视频目标检测网络,引入运动激励模块,以增强帧间运动特征,设计自注意力特征聚合模块聚合时间上下文特征;S3、使用两阶段训练法训练声呐视频目标检测网络,保存训练的网络权重和结构为ONNX推理框架图文件,使用非对称量化法对模型的权重进程量化;S4、使用昇腾CANN异构推理框架部署视频目标检测网络。本发明克服单帧检测器对前视声呐视频中的运动模糊和目标隐蔽等情况检测差的挑战,提升了检测精度,推动国产化AI处理器在前视声呐检测技术中的应用与发展。

    一种基于深度学习的红外图像辅助图像去雾方法

    公开(公告)号:CN118781018A

    公开(公告)日:2024-10-15

    申请号:CN202411239305.8

    申请日:2024-09-05

    Abstract: 本发明公开了一种基于深度学习的红外图像辅助图像去雾方法,包括获取待去雾的有雾图像和对应的红外图像。在图像去雾模型中引入红外图像进行辅助去雾,使得在极端条件下也能表现出很好的去雾效果,同时在图像去雾模型中将红外图像作为雾霾密度相关的先验信息,引入了Transformer模块与改进的CNN网络结合提取特征,Transformer可以提取包含烟雾密度的全局特征信息,与CNN网络提取的局部特征信息互补,提高去雾性能;图像去雾模型的注意力模块中设计通道注意力和空间注意力,通道注意力帮助模型更好地关注图像中的重要特征通道,从而提高模型的准确性,空间注意力帮助模型更好地关注图像中的重要区域,进而提高去雾性能。

Patent Agency Ranking