-
公开(公告)号：CN103411562B
公开(公告)日：2016-01-13
申请号：CN201310369448.6
申请日：2013-08-22
Applicant: 电子科技大学
Abstract: 本发明提供一种基于动态规划和均值漂移的结构光光条中心提取方法，其属于机器视觉技术领域，包括以下步骤：首先对光条图像进行图像增强；然后对线状光条增强图像进行动态规划处理，获得光条中心点的初始位置向量；最后使用一维均值漂移算法进行迭代，计算出光条中心的精确位置，获得光条中心点的最终位置向量。本发明运算量小、计算速度快且精度上也能达到较高的要求；另外，本发明由于采用动态规划算法时，寻找的是全局最优的光条中心点路径，且迭代时只在光条的像素点中进行，可以在一定程度上避免噪声的影响，抗干扰性强，通用性良好。
-
公开(公告)号：CN103985109A
公开(公告)日：2014-08-13
申请号：CN201410246721.0
申请日：2014-06-05
Applicant: 电子科技大学
Abstract: 本发明公开一种基于3D剪切波变换的特征级医学图像融合方法，属于医学图像处理及应用技术领域，该方法主要步骤为：一、对两幅图像进行3D-D-CSST变换或者3D-DT-CSST得到变换系数图像Ca、Cb；二、对变换系数进行图像融合，得到融合系数Cf；三、对步骤二融合后的系数Cf进行DWT或者DTCWT反变换，对变换后的图像进行后向shear变换得到融合图像Vf。本发明解决了融合图像质量相对较低以及局部重要但不显著的信息易被忽略掉的问题。
-
公开(公告)号：CN102902978A
公开(公告)日：2013-01-30
申请号：CN201210319552.X
申请日：2012-08-31
Applicant: 电子科技大学
Abstract: 本发明提供一种面向对象的高分辨率遥感图像分类方法，包括：S1、对待处理图像进行分割处理，得到多个子图像对象；S2、获取所述子图像对象的特征信息；以及，S3、根据获取到的特征信息对所述子图像对象进行分类；其中，所述待处理图像为高分辨率遥感图像，所述子图像对象的特征信息包括子图像对象的光谱信息、形状信息和纹理信息。本发明在面向对象分类的基础上，引入了概率潜在语义分析和支撑向量机结合的分类方法，在一定程度上解决了现有技术中“同特征异类别”和“同类别异特征”识别率不高的问题，使高分辨率遥感图像的分类精度有了很大的提高，并且结合了LSA和PLSA两者的优点，有效地解决了随机初始化造成的过拟合和局部最优问题。
-
公开(公告)号：CN119851148A
公开(公告)日：2025-04-18
申请号：CN202411733922.3
申请日：2024-11-29
Applicant: 电子科技大学
IPC: G06V20/13 , G06V10/774 , G06V10/32 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/08 , G06N3/045
Abstract: 本发明公开了一种大模型驱动的高分辨率遥感图像解译方法，属于图像处理与分析领域。本发明包括：构建大规模的高分辨遥感图像数据集；对数据进行清洗和标注，划分训练集和验证集；构建多模态遥感信息智能提取大模型，实现多模态遥感特征的提取与协同；构建多模态遥感信息融合模块，实现可见光编码特征和热红外编码特征的融合；基于当前大语言模型的编码器来处理融合后的多模态特征，实现高分辨率遥感图像的解译。本发明所提方法的实施，能有效提升高分辨遥感图像解译的准确度。
-
公开(公告)号：CN119135849A
公开(公告)日：2024-12-13
申请号：CN202411605023.5
申请日：2024-11-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种机场航站楼视频数字孪生方法、装置、设备及介质，首先获取多传感器采集的数据，然后构建高精度机场航站楼静态三维模型，并以世界坐标系为基准，构建二维图像坐标系、航站楼静态三维模型坐标系、摄像机坐标系之间的映射关系，获取航站楼空间初始布局，以二维布局估计为关键点，对图像纹理进行重建，实现单摄像机下二维图像纹理至航站楼静态三维模型的注册，最后计算融合渲染过程中的缝合线，将多摄像机二维图像与构建的静态三维模型进行融合，以实现航站楼三维全景数字孪生。通过本发明方案，实现了航站楼多摄像头、结构化数据、航站楼室内模型融合大场景下三维实景可视化，实现了全面实时监测，保障了机场的安全运行。
-
Patent Agency Ranking
公开(公告)号：CN115100540B
公开(公告)日：2024-05-07
申请号：CN202210778771.8
申请日：2022-06-30
Applicant: 电子科技大学
Abstract: 本发明涉及视频图像处理技术领域，尤其涉及一种高分辨率遥感影像道路自动提取的方法，本发明通过加入多Agent系统，在深度卷积神经网络模型的训练过程中，在输入的高分辨率遥感影像上分区域创建生成Agent，由生成Agent随机生成大量的提取Agent，不同的提取Agent负责遍历不同的区域，再将路图迭代生成算法模型加入每个提取Agent的运行周期中，通过同一区域内不同提取Agent间、提取Agent和生成Agent间，以及不同区域的生成Agent间的信息共享、协同合作完成整张遥感影像的道路提取任务。本发明通过多Agent技术实现模型高效训练，又能利用深度学习的强大特征学习能力，实现高效率和高准确性的高分辨率遥感影像道路提取。
-
公开(公告)号：CN114613004B
公开(公告)日：2023-08-01
申请号：CN202210206087.2
申请日：2022-02-28
Applicant: 电子科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0464 , G06N3/08
Abstract: 本发明属于视频处理技术领域，具体涉及一种人体动作的轻量化在线检测方法，本发明包括：步骤1：采集视频数据并标注分块；步骤2：对视频块预处理并生成在线检测数据集；步骤3：基于SlowFast构建特征提取网络，得到视频块特征；步骤4：构建基于双路孪生网络对特征进行辨别性映射；步骤5：构建基于Informer概率稀疏注意力与注意力蒸馏的时序编码器，得到时序编码特征；步骤6：构建基于Informer概率稀疏注意力的时序解码器进行时序解码，将解码结果送入分类器得到人体动作在线检测结果,基于多时态检测结果对整体网络联合优化；本发明通过上述技术方案，极大减少了时序推理运算量，提高了在线动作检测效率和精度。
-
公开(公告)号：CN112633378B
公开(公告)日：2022-06-28
申请号：CN202011550220.3
申请日：2020-12-24
Applicant: 电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/22 , G06V10/44 , G06K9/62 , G06V10/82 , G06N3/04
Abstract: 本发明提出了一种多模态影像胎儿胼胝体智能检测方法及系统，所述检测方法包括：对多模态切面医学影像进行胼胝体目标框标注和影像模态‑切面位信息标注，形成胼胝体目标检测数据集；对胼胝体目标检测数据集中的多模态切面医学影像进行预处理，对多模态切面医学影像的模态‑切面信息进行编码；建立包括特征提取网络模型和Transformer网络模型的胎儿胼胝体智能检测模型；对胎儿胼胝体智能检测模型进行训练，获得训练后的胎儿胼胝体智能检测模型；利用训练后的胎儿胼胝体智能检测模型对待检测的多模态切面医学影像进行胎儿胼胝体智能检测，获得胎儿胼胝体检测结果。本发明利用特征提取网络模型和Transformer网络模型实现多模态影像中胎儿胼胝体的准确定位。
-
公开(公告)号：CN114359202A
公开(公告)日：2022-04-15
申请号：CN202111638766.9
申请日：2021-12-29
Applicant: 电子科技大学
IPC: G06T7/00 , G06T7/10 , G06K9/62 , G16H50/20 , G06V10/774
Abstract: 本发明公开了一种基于交互式半监督的胎儿胼胝体分割系统及方法，解决了传统技术中制作数据过程需要进行大量标注、浪费医生时间的问题，其中系统包括：超声图像语义分割网络模块、半监督标注模块、噪声标注模块、数据集存储模块，所述超声图像语义分割模块连接半监督标注模块，所述半监督标注模块连接噪声标注模块，所述噪声标注模块连接数据集存储模块，所述数据集存储模块的数据输出端连接超声图像语义分割网络模块，实现了提高数据标注效率、降低医生工作量的技术效果。
-
公开(公告)号：CN109241972B
公开(公告)日：2021-10-01
申请号：CN201810947587.5
申请日：2018-08-20
Applicant: 电子科技大学
Abstract: 本发明公开一种基于深度学习的图像语义分割方法，涉及图像语义分割和深度学习领域，包括如下步骤：选择训练数据集；构建基于深度学习的语义分割模型；语义分割模型包括：语义监督模块、语义嵌入分值模块、特征重校正模块、上采样层和卷积层；通过分类模型对训练数据集进行预处理，并将分类模型的中间层输出的不同尺度的特征图输入构建好的语义分割模型中的语义监督模块中；对整个图像语义分割模型进行训练；步骤5：输入新的图像，在已训练好的深度神经网络模型中进行一次前向传播，端到端地输出预测的语义分割结果。本发明解决了现有技术中的图像语义分割准确率较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.031 seconds)
