-
公开(公告)号:CN105321178A
公开(公告)日:2016-02-10
申请号:CN201510657285.0
申请日:2015-10-12
Applicant: 武汉工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于稀疏主成分分析的图像分割的方法及装置,通过对待处理图像中的每一点,获取该点的邻域,根据该邻域的灰度值获取相似图像块,组成样本训练集,通过对样本训练集中的与该点对应的样本块进行稀疏主成分分析,得到稀疏主成分表达基和稀疏主成分表达系数,根据稀疏主成分表达基和稀疏主成分表达系数计算以该点为中心的图像块不含噪声的像素值,根据待处理图像中的各点对应的不含噪声的像素值构造不含噪声的图像,并且对不含噪声的图像分别进行二维直方图的全局阈值分割和基于移动平均法局部阈值分割,将两种分割方法得到图像根据区域联通性,获取分割后的图像,以此保证分割后的图像不受噪声影响。
-
公开(公告)号:CN105243636A
公开(公告)日:2016-01-13
申请号:CN201510852303.0
申请日:2015-11-27
Applicant: 武汉工程大学
IPC: G06T3/00
CPC classification number: G06T3/0093
Abstract: 本发明公开了一种基于MRLS-TPS的图像变形方法及系统,该方法包括以下步骤:S1、输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合S2、取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp;S3、根据S2中的公式求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;S4、根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。本发明的优点为:(1)变形后的图像可以很好地保留细节;(2)变形函数具有简单封闭解;(3)它具有非常高的计算效率。
-
公开(公告)号:CN104572992A
公开(公告)日:2015-04-29
申请号:CN201510004485.6
申请日:2015-01-06
Applicant: 武汉工程大学
IPC: G06F17/30
CPC classification number: G06F17/30241
Abstract: 本发明提供一种基于多约束推理的互联网地理位置信息规范化方法,首先利用爬虫从互联网上挖掘需要的原始文本地理信息,然后利用自定义的地理规范化模型,对从互联网中获取的零散的、不易理解的地理信息进行规范化,将他们进行分词,按照规范化的格式进行存储,最后结合贝叶斯公式进行计算判断信息的可信度,进行信息库的更新,使已经建立的规范化的地理文本信息库不断的完善和充实,信息的准确性和可靠性不断的提升。本发明提出了基于多约束的贝叶斯算法,提高了地理信息的准确性。
-
公开(公告)号:CN119313049A
公开(公告)日:2025-01-14
申请号:CN202411228210.6
申请日:2024-09-03
Applicant: 中铁大桥局集团有限公司 , 中铁大桥科学研究院有限公司 , 武汉工程大学
IPC: G06Q10/0631 , G06Q50/08 , G06V20/52 , G06V10/25
Abstract: 一种工序识别方法、装置、设备及计算机可读存储介质,所述方法包括:其获取施工现场的施工画面图像;根据预设的区域约束模型,确定施工画面图像中的目标区域;根据预设的设备识别模型,识别施工画面图像的目标区域中的设备种类;根据连续多个施工画面图像中的所述设备种类,确定施工现场当前的施工工序。通过在获取到施工现场的施工画面图像后,率先确定施工画面图像中需要分析的目标区域,实现有效降低其他无需识别区域画面的干扰,并进一步在目标区域内利用设备识别模型识别到相关设备的设备种类,并最终根据连续多个所述施工画面图像中的所述设备种类来结合确定施工现场当前的施工工序,实现有效保障施工工序的识别准确性。
-
公开(公告)号:CN118396852A
公开(公告)日:2024-07-26
申请号:CN202410415461.9
申请日:2024-04-08
Applicant: 武汉工程大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于多维空间域的人脸重建方法、系统、介质以及装置,涉及计算机视觉图像增强的技术领域,包括:对初始图像进行特征划分,得到目标图像和非目标图像;利用第一残差块对目标图像进行降采样和卷积操作,得到第一低分辨率特征图;利用第二残差块对第一低分辨率特征图中的人脸纹理细节特征进行增强,得到第二低分辨率特征图;结合第一全局注意力机制、第二全局注意力机制以及空间分组增强对第二分辨率特征图进行处理,得到低分辨率人脸重建图;利用第三残差块对低分辨率人脸重建图进行上采样和卷积操作,得到目标图像的人脸重建图。本发明解决了现有技术中存在的人脸图像重建的质量、精度较低的问题。
-
公开(公告)号:CN117953015B
公开(公告)日:2024-07-09
申请号:CN202410347796.1
申请日:2024-03-26
Applicant: 武汉工程大学 , 中国人民解放军海军工程大学 , 湖北文理学院
IPC: G06T7/246 , G06V40/10 , G06V20/40 , G06T3/4053
Abstract: 本发明公开了基于视频超分辨率多行人跟踪方法、系统、设备及介质,涉及超分辨率领域以及多目标跟踪领域技术领域,方法包括:获取检测区域的视频,对视频进行视频帧插值及超分辨率处理,对每一帧进行目标检测得到检测框,对重叠度满足条件的检测框进行融合;提取检测框的可见区域标签,根据可见区域标签计算当前帧的检测框和前一帧的检测框的特征距离,将特征距离经过匈牙利算法计算得到最终结果,将最终结果整合输出得到行人轨迹。本发明融合了不同视觉任务,能够实现多视觉任务的相互促进,提高了检测与跟踪的性能,解决了多行人跟踪在低质量成像场景下视频帧模糊难以处理、漏检和误检高概率等问题。
-
公开(公告)号:CN118297841A
公开(公告)日:2024-07-05
申请号:CN202410334859.X
申请日:2024-03-22
Applicant: 武汉工程大学
IPC: G06T5/73 , G06T5/50 , G06T5/60 , G06N3/0464
Abstract: 本申请涉及一种全色锐化模型的构建方法、系统、设备及介质,方法包括:获取预设的地面实况的高分辨率多光谱图像和全色图像;在预设的最大后验概率模型中,利用预设误差图像、高分辨率多光谱图像和全色图像,确定预测误差图像;利用预测误差图像、高分辨率多光谱图像和全色图像,确定融合全色锐化图像;确定融合全色锐化图像与预设的地面实况的真实图像之间的绝对误差,基于绝对误差得到目标全色锐化模型。解决了进行融合的多光谱图像和全色图像存在着光谱响应的差异,导致了误差信息的引入,融合生成的全色锐化图像会出现光谱失真问题,从而降低全色锐化图像的准确性的问题。
-
公开(公告)号:CN117953590A
公开(公告)日:2024-04-30
申请号:CN202410354226.5
申请日:2024-03-27
Applicant: 武汉工程大学 , 湖北文理学院 , 中国电力科学研究院有限公司
IPC: G06V40/20 , G06V10/22 , G06V10/764 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0455 , G06N3/082
Abstract: 本发明涉及一种三元交互动作检测方法、系统、设备及介质,方法包括:获取待测三元关系交互动作图像;确定待测三元关系交互动作图像的降维特征图;为降维特征图上每个预设区域添加位置信息,确定全局信息图;利用预设的多头注意力机制,将全局信息图和预设的查询规则进行融合,确定预测交互动作信息;将预测交互动作信息转换为三元检测框信息和交互动作类别。解决了现有技术无法对三元交互动作信息进行完整的描述,不仅降低了预测出的该交互动作信息的区域范围的准确性,还降低了该交互动作信息对应的交互动作类别的准确性的问题。
-
公开(公告)号:CN117953589A
公开(公告)日:2024-04-30
申请号:CN202410354224.6
申请日:2024-03-27
IPC: G06V40/20 , G06V10/22 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/096
Abstract: 本发明涉及一种交互动作检测方法、系统、设备及介质,方法包括:获取待测三元交互动作图像;对待测三元交互动作图像进行特征提取,获得至少一个第一人物框、至少一个第一工具框和至少一个第一物体框;若任意一个第一人物框、任意一个第一工具框和任意一个第一物体框三个框具有第一重合区域,则将每个第一重合区域对应的三个框组合而成的区域作为一个交互动作检测候选框;对每个交互动作检测候选框进行识别,确定每个交互动作检测候选框对应的交互动作类别。解决了目前的动作交互动作检测方法只能检测出当前图像场景中人与物体的交互动作,无法检测出人、工具与物体之间的三元交互动作的问题。
-
公开(公告)号:CN117689547A
公开(公告)日:2024-03-12
申请号:CN202311220386.2
申请日:2023-09-20
Applicant: 武汉工程大学 , 武汉烽火技术服务有限公司
IPC: G06T3/4076 , G06T5/50
Abstract: 本发明公开了一种基于多阶段增强框架的渐进式人脸超分辨率计算方法,包括以下步骤:构建人脸超分辨率数据集;构建双边回归路径;构建注意力残差组;构建双边回归路径约束;构建特征聚合上采样模块,得到具有高频细节信息的超分辨率图像;构造双边回归人脸超分辨率网络,将分块图像输入双边回归人脸超分辨率网络中,输出人脸超分辨率图像。本发明通过设计一个双边回归网络来学习和指导面部细节关键像素的恢复;其次本发明不包含池化层以避免面部结构信息的二次损失,并通过融合具有不同注意力的三个原始特征来指导面部图像重建。本发明在公共数据集上进行广泛实验能够显示出明显优于现有方法的优势。
-
-
-
-
-
-
-
-
-