-
公开(公告)号：CN111860500A
公开(公告)日：2020-10-30
申请号：CN202010665054.5
申请日：2020-07-10
Applicant: 大连海事大学
Abstract: 本发明提供一种鞋印磨损区域检测与描边方法，包括针对读入的图像特征进行预处理得到待处理图像的感兴趣区域；对预处理后的图像利用多尺度高斯差分算子检测出特异性点集；对特异性点集进行条件筛选从而得到候选点集；采用基于灰度与空间距离的双边区域生长方法初步绘制磨损的掩模；采用基于连通域的条件筛选的方法去除实心小花纹；根据每个连通区域对应预处理后图像区域的熵值进行磨损程度分级，并依据分级边界进行不同颜色的标注。本发明能够有效检测鞋底花纹磨损部分并精确描述边界，对于不同类型的鞋底花纹也有较好的适应性，在嫌疑人足迹分析识别的过程中，更好更快的协助工作人员进行鞋印的对比与分析，得到较人工测量更加可靠的效果。
-
公开(公告)号：CN111401172A
公开(公告)日：2020-07-10
申请号：CN202010153127.2
申请日：2020-03-06
Applicant: 大连海事大学
Abstract: 本发明提供一种基于视频的港口吊装料包自动计数方法，包括：训练得到料包模板，统计颜色特征；计数开启状态判定；检测与校正吊架区域；吊装料包排数判别；料包检测；建立料包跟踪模型，利用建立的料包跟踪模型对料包进行跟踪和预测；对料包跟踪模型得到的跟踪和预测结果进行置信度分析，获得料包计数结果。本发明的技术方案缓解了目前统计料包吊装过程中对人力需求过高的问题。本发明可以对吊装的起始，结束和空吊状态进行判定，并且准确的对料包吊装数量计数。
-
公开(公告)号：CN107301426B
公开(公告)日：2020-06-30
申请号：CN201710446061.4
申请日：2017-06-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种鞋底花纹图像的多标签聚类方法，包括以下步骤：选取鞋底花纹图像库中各个图像的基元图像，并计算基元图像的特征选取代表图，统计得到鞋印图像库的语义词汇表；根据语义词汇表，运用PLSA模型计算鞋底花纹图像‑潜在语义主题之间的概率矩阵，去除重复的主题得到最终的概率矩阵；根据不同鞋底花纹图像属于相同潜在语义主题可能性的大小，对鞋印图像库进行单标签聚类；根据最初概率矩阵和索引矩阵，实现鞋底花纹图像的多标签聚类。本发明将鞋印图像划分为基元图像进行处理，并且考虑鞋底花纹图像之间关联性的同时也考虑了类别间的关联性，是鞋底花纹图像多标签分类的基础，可以在一定程度上提高鞋底花纹图像识别和检索的正确率。
-
公开(公告)号：CN110163173A
公开(公告)日：2019-08-23
申请号：CN201910447667.9
申请日：2019-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种基于加权局部结构的脚印表达方法，包括：对脚印图像进行预处理并获取特征点；计算特征点几何结构；计算所述特征点的局部结构矩阵；计算所述特征点加权局部结构矩阵；构建脚印加权局部结构矩阵。本发明提取的单脚印图像的局部结构矩阵兼顾了特征点的空间分布特性和特征点之间的几何结构关系，具有很强的可区分性，从而提高了识别的精确度。进一步地，本发明在局部结构矩阵中引入加权因子，减弱了脚印残缺的问题，特征适用性更广泛。
-
公开(公告)号：CN106323937B
公开(公告)日：2018-11-09
申请号：CN201610647605.9
申请日：2016-08-08
Applicant: 大连海事大学
IPC: G01N21/65
Abstract: 本发明公开一种高辨识力的原油指纹谱构建及鉴别方法。具体是在相同条件下，对标样和盲样采集包含荧光及拉曼特征的光谱。基于标样数据，剔除对判别不重要的变量，依据“同类离差最小，类间离差最大”原则构建典则判别函数组，将保留的重要变量组所对应的强度数据投影至低维空间。对低维空间的标样及盲样的重心坐标，采用系统聚类分析法进行盲样鉴别；或基于前三维、前四维及前五维的重心坐标，分别绘制柱状堆栈图，构建出标样及盲样的新型指纹谱，通过指纹谱比对进行盲样鉴别。本发明所述方法显著提高鉴别效率、准确度和说服力。在艺术品、文物、珠宝、刑侦物证的无损鉴定，道地药材、海产品的产地鉴别、医学疾病诊断等领域也有广泛的应用前景。
-
Patent Agency Ranking
-
公开(公告)号：CN105678795B
公开(公告)日：2018-09-21
申请号：CN201610119713.9
申请日：2016-03-02
Applicant: 大连海事大学
IPC: G06T7/13
Abstract: 本发明实施例提供一种现场鞋印图像检验方法，包括：对现场鞋印图像进行预处理，确定鞋印痕迹；采用角点检测算法多尺度检测所述鞋印痕迹的第一个性特征点；检测所述鞋印痕迹的边缘图像的连通区域的第二个性特征点；所述第一、第二个性特征包括：所述鞋印痕迹的外部损伤特征、修补特征以及附着物特征；根据所述第一个性特征点和所述第二个性特征点确定所述鞋印痕迹的稳定个性特征点；根据所述稳定个性特征点区分鞋印图像。解决了人为检验的时效性问题和二义性问题。针对个性特征的多尺度角点检测策略具有旋转、缩放、平移不变性，提高了检验结果的准确性。
-
公开(公告)号：CN106875546A
公开(公告)日：2017-06-20
申请号：CN201710073714.9
申请日：2017-02-10
Applicant: 大连海事大学
IPC: G07D7/206
CPC classification number: G07D7/2016 , G07D7/2008
Abstract: 本发明提供一种增值税发票的识别方法，其特征在于，包括如下步骤：对输入的发票图像进行预处理；对发票图像进行选项区域定位；字符分割；字符区域分为9块；提取每个图像块的HOG特征，得到9个一维的HOG特征序列；特征序列分别与模板做比对，得到差异系数；根据差异系数的大小，为这9块赋予不同权重，生成权重矩阵；将权重与差异系数加权求和，得到候选字符差异得分，计算每个候选字符差异得分，取最小值对应字符为匹配结果；对每个切分后的字符重复上述步骤直至完成发票各项内容的识别。本发明有效地实现对增值税发票中的汉字模块识别，同时对形近字区分能力增强，具有光照不变性和旋转不变性，抗干扰能力更强，对模糊字符有着较好的识别能力。
-
公开(公告)号：CN106776950A
公开(公告)日：2017-05-31
申请号：CN201611097257.9
申请日：2016-12-02
Applicant: 大连海事大学
IPC: G06F17/30
Abstract: 本发明是一种基于专家经验引导的现场鞋印痕迹花纹图像检索方法，本发明对于与查询图像同一现场图像，利用专家经验给出相应的专家意见相似度得分，并利用该得分引导检索，提升检索精度；本发明构建专家意见得分预测模型，有效地避免了由人主观原因引起的检索精度的降低；本发明通过引入流形学习方法，考虑库中图像两两之间的关系，进一步提高检索精度；本发明引入了系数矩阵，有效地解决了传统流形学习检索中使计算排序得分趋于零的问题。通过实验证明本方法在现场鞋印花纹图像的检索实验中的检索精度明显优于现有技术，利用少量的同一现场鞋印花纹图像样本提高了检索性能。因此，本发明可以广泛用于现场鞋印花纹图像检索领域。
-
公开(公告)号：CN106327437A
公开(公告)日：2017-01-11
申请号：CN201610651527.X
申请日：2016-08-10
Applicant: 大连海事大学
Abstract: 本发明公开了一种彩色文本图像校正方法及系统，所述方法包括如下步骤：对输入的文本图像进行预处理，并提取出所述文本图像的背景图像以及前景图像；对所提取的背景图像进行光照均匀化调整，并计算所述背景图像的光照比例因子bk；估计前景图像的光照比例因子fk，并基于所估计的fk对前景图像进行光照均匀化调整；将均匀化调整后的前景图像和背景图像进行叠加，得到光照均匀化的校正图像。本发明对分割得到的前景图像和背景图像采用了不同的均匀化校正方法，这种针对前景、背景特性的处理方式有效的避免了全局处理中出现的明暗区域差异明显、部分细节丢失等现象；因而其具有图像提取效率高、且图像提取精度高等优点。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.022 seconds)
