-
公开(公告)号：CN113096057B
公开(公告)日：2022-08-19
申请号：CN202110395655.3
申请日：2021-04-13
Applicant: 南京大学
Abstract: 一种基于四光源光度立体法的高光消除方法，保持相机与物体位置不变，改变光源照射角度采集同一场景的四幅彩色图像，基于多光源的方法去除高光，进而实现对图像中物体轮廓的提取，包括高光检测、高光去除和轮廓提取三部分。本发明进行高光检测，提出的高光像素判定方法能有效识别出高光像素，提出比率图的方案，在过度曝光情况下能很好地修复高光区域，有效去除物体表面由于镜面反射造成的高光区域，准确地提取出物体表面轮廓，具有重要的实际应用价值。
-
公开(公告)号：CN113095332B
公开(公告)日：2022-08-19
申请号：CN202110397165.7
申请日：2021-04-13
Applicant: 南京大学
IPC: G06V10/28 , G06V10/46 , G06V10/762 , G06V10/774 , G06K9/62
Abstract: 一种基于特征学习的显著性区域检测方法，首先应用优化的SLIC算法将输入图像分割为特征相似的超像素区域，以超像素区域为样本提取足以表征样本特征的信息，将提取的特征向量用SPBL算法学习获得检测模型。SPBL算法为SPL和Boosting算法的结合，将其用于超像素区域的分类，取得良好分类效果。在检测算法中，采用和学习算法一样的特征提取算法，应用学习的模型对特征向量进行分类，分类的结果应用基于能量函数约束模型的融合结构信息算法再次与分类结果组合获得最终的显著性检测图像。本发明在提出的数据集上能够准确分割出显著性区域，有效抑制相似背景的干扰信息。
-
公开(公告)号：CN113096057A
公开(公告)日：2021-07-09
申请号：CN202110395655.3
申请日：2021-04-13
Applicant: 南京大学
Abstract: 一种基于四光源光度立体法的高光消除方法，保持相机与物体位置不变，改变光源照射角度采集同一场景的四幅彩色图像，基于多光源的方法去除高光，进而实现对图像中物体轮廓的提取，包括高光检测、高光去除和轮廓提取三部分。本发明进行高光检测，提出的高光像素判定方法能有效识别出高光像素，提出比率图的方案，在过度曝光情况下能很好地修复高光区域，有效去除物体表面由于镜面反射造成的高光区域，准确地提取出物体表面轮廓，具有重要的实际应用价值。
-
公开(公告)号：CN113095332A
公开(公告)日：2021-07-09
申请号：CN202110397165.7
申请日：2021-04-13
Applicant: 南京大学
Abstract: 一种基于特征学习的显著性区域检测方法，首先应用优化的SLIC算法将输入图像分割为特征相似的超像素区域，以超像素区域为样本提取足以表征样本特征的信息，将提取的特征向量用SPBL算法学习获得检测模型。SPBL算法为SPL和Boosting算法的结合，将其用于超像素区域的分类，取得良好分类效果。在检测算法中，采用和学习算法一样的特征提取算法，应用学习的模型对特征向量进行分类，分类的结果应用基于能量函数约束模型的融合结构信息算法再次与分类结果组合获得最终的显著性检测图像。本发明在提出的数据集上能够准确分割出显著性区域，有效抑制相似背景的干扰信息。
-
公开(公告)号：CN115375604B
公开(公告)日：2024-07-26
申请号：CN202110541834.3
申请日：2021-05-18
Applicant: 南京大学
IPC: G06T7/00 , G06N10/80 , G06N3/0455 , G06N3/088 , G06N3/084
Abstract: 一种基于量子化自编码器的无监督缺陷检测方法，首先对输入图像进行预处理，将预处理后的图像输入编码网络中，映射得到中间特征图，并加上位置编码信息；将中间特征图中每个向量与编码表中的向量进行最邻近匹配，用最接近的向量对其进行替换，得到量化的特征图；然后，将量化后的特征图输入到解码网络中，解码网络将特征图重新恢复成图片；最后对于原图和重建图片，一方面逐像素计算均方误差损失，另一方面分块计算SSIM损失，综合两个指标来判别和定位缺陷。本发明方法利用VQ‑VAE的编码表机制，以及提出的向量三元组损失，抑制了模型的泛化能力，提高缺陷的检出效果，同时通过MSE和SSIM两种指标的结合，提升了对缺陷的定位能力。
-
Patent Agency Ranking
公开(公告)号：CN113112425B
公开(公告)日：2024-03-22
申请号：CN202110379442.1
申请日：2021-04-08
Applicant: 南京大学
IPC: G06T5/70
Abstract: 一种四方向相对全变分图像去噪方法，包括去噪模型构建和去噪模型求解，在现有的全变分去噪模型中引入高斯加权算子对图像进行平滑，降低结果中光滑区域的梯度突变，同时将45°，135°两个方向的梯度加入模型的正则项中。本发明提出固有变分区分噪声与图像结构信息，去除噪声的同时也尽可能的保留了图像细节，在模型求解中提出迭代权重最小二乘法对模型进行求解，得到最后的去噪图片。本发明提出了一种综合考虑多方向和同方向上邻域多像素的四方向相对全变分模型，具有良好的保边性能和去噪效果，同时本发明还优化了算法的数值计算部分，满足工业检测场景下的效率要求，大大提升了检测的速度和效率。
-
公开(公告)号：CN113112471B
公开(公告)日：2023-12-29
申请号：CN202110383151.X
申请日：2021-04-09
Applicant: 南京大学
IPC: G06F17/00
Abstract: 基于RI‑HOG特征及快速金字塔的目标检测方法，包括特征提取、向量矫正及目标识别三部分，特征提取对旋转目标进行特征提取，向量矫正对目标旋转进行角度估计，实现特征向量的预校正；目标识别利用SVM分类器进行目标识别，采用稀疏金字塔策略进行分类识别计算，完成目标识别。本发明提出的算法在工业目标识别与检测领域获得了较高的检出率，同时没有增加太多的耗时，体现了本发明在工业领域目标检测中的优越性。
-
公开(公告)号：CN115375604A
公开(公告)日：2022-11-22
申请号：CN202110541834.3
申请日：2021-05-18
Applicant: 南京大学
Abstract: 一种基于量子化自编码器的无监督缺陷检测方法，首先对输入图像进行预处理，将预处理后的图像输入编码网络中，映射得到中间特征图，并加上位置编码信息；将中间特征图中每个向量与编码表中的向量进行最邻近匹配，用最接近的向量对其进行替换，得到量化的特征图；然后，将量化后的特征图输入到解码网络中，解码网络将特征图重新恢复成图片；最后对于原图和重建图片，一方面逐像素计算均方误差损失，另一方面分块计算SSIM损失，综合两个指标来判别和定位缺陷。本发明方法利用VQ‑VAE的编码表机制，以及提出的向量三元组损失，抑制了模型的泛化能力，提高缺陷的检出效果，同时通过MSE和SSIM两种指标的结合，提升了对缺陷的定位能力。
-
公开(公告)号：CN113112425A
公开(公告)日：2021-07-13
申请号：CN202110379442.1
申请日：2021-04-08
Applicant: 南京大学
IPC: G06T5/00
Abstract: 一种四方向相对全变分图像去噪方法，包括去噪模型构建和去噪模型求解，在现有的全变分去噪模型中引入高斯加权算子对图像进行平滑，降低结果中光滑区域的梯度突变，同时将45°，135°两个方向的梯度加入模型的正则项中。本发明提出固有变分区分噪声与图像结构信息，去除噪声的同时也尽可能的保留了图像细节，在模型求解中提出迭代权重最小二乘法对模型进行求解，得到最后的去噪图片。本发明提出了一种综合考虑多方向和同方向上邻域多像素的四方向相对全变分模型，具有良好的保边性能和去噪效果，同时本发明还优化了算法的数值计算部分，满足工业检测场景下的效率要求，大大提升了检测的速度和效率。
-
公开(公告)号：CN113112471A
公开(公告)日：2021-07-13
申请号：CN202110383151.X
申请日：2021-04-09
Applicant: 南京大学
Abstract: 基于RI‑HOG特征及快速金字塔的目标检测方法，包括特征提取、向量矫正及目标识别三部分，特征提取对旋转目标进行特征提取，向量矫正对目标旋转进行角度估计，实现特征向量的预校正；目标识别利用SVM分类器进行目标识别，采用稀疏金字塔策略进行分类识别计算，完成目标识别。本发明提出的算法在工业目标识别与检测领域获得了较高的检出率，同时没有增加太多的耗时，体现了本发明在工业领域目标检测中的优越性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
