-
公开(公告)号：CN119027702A
公开(公告)日：2024-11-26
申请号：CN202411030050.4
申请日：2024-07-30
Applicant: 新疆大学
IPC: G06V10/762 , G06V10/25 , G06V10/30
Abstract: 本发明公开了一种夜间大视场下视频图像小目标变化检测方法及装置，方法包括：采用综合Anscombe根变换和全变分正则化去除差异图中残留的泊松噪声，通过逆变换得到去噪图像；使用基于偏微分方程的全变分正则化、最小化能量泛函数去除去噪图像中残留的高斯噪声；使用原始对偶算法来求解上述能量泛函数；基于统计信息的多尺度的超像素分割与重建方法对差异图进行处理，用于增强变化区域的边缘特征，同时抑制噪声的干扰；基于多尺度奇异值分解融合对两幅差异图进行融合，使用FCM聚类算法对融合后的差异图进行分割得到检测结果。装置包括：处理器和存储器。本发明通过多尺度奇异值分解融合算法对两幅差异图进行融合得到一个鲁棒差异图，最终通过聚类算法获得细节结构完整的变化检测结果。
-
公开(公告)号：CN118365615A
公开(公告)日：2024-07-19
申请号：CN202410504003.2
申请日：2024-04-25
Applicant: 新疆大学
IPC: G06T7/00 , G06V10/40 , G06V10/762 , G06V10/80 , G06V10/764 , G06T5/30 , G06T7/194 , G06T7/136 , G06V10/28
Abstract: 本发明公开了一种用于低照度宽视场视频图像的显著变化检测方法及装置，方法包括：利用对数比算子和减法算子分别获取全局差异图并进行融合；利用频域注意力机制获取全局差异图的显著变化区域；结合形态学滤波、以及能量特征和密度特征进行噪声处理，并提取目标所在的局部变化区域对；利用对数比率算子提取局部变化区域对的差异特征，得到局部变化差异图；采用加权融合对局部变化差异图进行特征优化，得到局部特征融合图；利用k‑means聚类算法对局部特征融合图进行分类生成对应的局部变化图，并将所有的局部变化图合成为全局变化图，得到最终的变化检测结果。装置包括：处理器和存储器。
-
公开(公告)号：CN118154433A
公开(公告)日：2024-06-07
申请号：CN202410259985.3
申请日：2024-03-07
Applicant: 新疆大学
Abstract: 本发明公开了一种宽视场视频图像变化检测方法及装置，方法包括：采用改进的自适应快速引导滤波器用于视频图像的变化检测；对多时相视频图像进行滤波后，提出种考虑邻域信息的对数比算子，改进均值比差异图生成方式，生成差异图；采用离散小波变换对改进的MR图像和改进的LR图像进行图像融合，获取融合差异图；采用软阈值函数，对融合差异图进行初始分类，得到初始的变化区域和未变化区域；使用累积分布函数将分类结果的像素值从[0,255]压缩至[0,1]；提出超快速鲁棒约束模糊C‑Means聚类算法，采用改进的自适应中值滤波进行去噪处理。装置包括：处理器和存储器。
-
公开(公告)号：CN119942542A
公开(公告)日：2025-05-06
申请号：CN202311461799.X
申请日：2023-11-03
Applicant: 新疆大学
IPC: G06V20/70 , G06V10/774 , G06V10/80 , G06T7/11 , G06T3/4053
Abstract: 本发明属于计算机视觉领域，公开一种基于超分辨率重建的棉田虫害检测系统。该系统包括构建棉田虫害数据集与建立虫害检测模型；构建的数据集是使用黄色沾虫板在棉田实地采集并进行标注，最后将原图像按640×640像素进行裁剪；虫害检测模型基于YOLOv7目标检测算法，利用改进后的超分辨率重建模块替换上采样模块，增强特征图的恢复效果；设计特征融合，重建后的特征图与P3层特征图进行元素相加，然后与重建后的特征图、P3层特征图进行通道拼接形成新的特征图；利用已训练好的模型对棉田沾虫板害虫进行检测。本发明从数据集、超分辨率重建和特征融合对检测算法进行优化，从而提升了检测模型在棉田害虫检测方面的性能，为农业相关工作提供了极大的便利。
-
公开(公告)号：CN119941781A
公开(公告)日：2025-05-06
申请号：CN202311464122.1
申请日：2023-11-03
Applicant: 新疆大学
IPC: G06T7/246 , G06N3/094 , G06N3/088 , G06V10/764 , G06V10/82
Abstract: 本发明属于计算机视觉领域，公开一种基于无监督域适应的雾天目标跟踪系统，该系统包括构建视频数据集与建立雾天跟踪模型；构建的视频数据集是一个完整的雾天视频数据集，包括一个合成雾数据集以及一个真实雾数据集；雾天跟踪模型基于无监督域适应目标跟踪算法，利用改进后的域分类器，通过对抗训练解决目标跟踪在真实雾天性能下降的问题；引入中间域的方法实现从清晰天到合成雾天再到真实雾天的渐进域适应；利用已训练好的模型对真实雾天目标进行实时跟踪。本发明从数据集、训练策略以及跟踪模型上对目标跟踪算法进行优化，从而提升目标跟踪在真实雾天的性能与泛化能力，为监控系统、无人驾驶等实际应用提供了极大的便利。
-
Patent Agency Ranking
公开(公告)号：CN118365936A
公开(公告)日：2024-07-19
申请号：CN202410474205.7
申请日：2024-04-19
Applicant: 新疆大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06Q50/02
Abstract: 本发明公开了一种基于图像预处理的YOLOv8害虫检测方法及装置，包括：对自建的害虫数据集进行标注和划分；构建改进的图像预处理网络，将害虫图像进行预处理；构建改进的YOLOv8害虫检测网络，在YOLOv8颈部引入结合图像多尺度的全局语义信息SSFF模块和捕获小目标局部精细细节的TFE模块；将预处理后的害虫图像输入到改进的YOLOv8害虫检测网络中，用于增强小目标害虫的特征提取，之后使用合成的数据集进行评估模型，在自建的害虫数据集上进行测试。装置包括：处理器和存储器。本发明先对图像进行预处理，恢复害虫特征，减少光照变化所带来的影响；之后再将处理后的害虫图像输入到改进的检测网络里，提高微小害虫检测精度。
-
公开(公告)号：CN119380267A
公开(公告)日：2025-01-28
申请号：CN202411399821.7
申请日：2024-10-09
Applicant: 新疆大学
IPC: G06V20/52 , G06V10/80 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种绿色注意力和联合特征融合的田间杂草检测方法及装置，方法包括：设计绿色注意力机制，用于增强杂草部分的关注度，并弱化非目标区域；设计自适应联合特征融合方式用于加权双向特征金字塔融合架构，将底层的杂草颜色、纹理特征和高层语义信息结合相起来，提取杂草的个性化特征；使用dyhead模块设计解耦头在尺度感知注意力、空间感知注意力与任务感知注意力三者上实现统一；使用特征内容感知重组聚集大感受野内的上下文信息，并根据实例内容动态生成自适应内核；使用动态任务对齐策略和分布焦点损失预测杂草的回归框和正样本匹配；对田间杂草进行检测。装置包括：处理器和存储器。本发明更适合真实田间的杂草条件，具有更高的检测精度。
-
公开(公告)号：CN119048463A
公开(公告)日：2024-11-29
申请号：CN202411140469.5
申请日：2024-08-20
Applicant: 新疆大学
IPC: G06T7/00 , G06T5/70 , G06T5/50 , G06V10/762
Abstract: 本发明公开了一种雾天宽视场视频图像变化检测方法及装置，方法包括：基于颜色衰减先验对单幅图像进行去雾，获取去雾后的清晰图像；通过反正切比算子和极值像素比算子对去雾后的清晰图像进行处理，分别得到两幅差异图；结合图像能量特征和拉普拉斯金字塔对获取的两幅差异图像进行自适应融合得到融合后的差异图并结合中值滤波进一步去噪；对去噪后的融合差异图像进行去均值归一化操作，压缩传感器噪声引起的变化与未变化像素之间的差异得到最终差异图；基于像素最邻近关系初始化聚类原型的EN‑K‑Means聚类算法对最终差异图进行聚类分析得到最终的二值图像。装置包括：处理器和存储器。本发明可以有效减少误报警情况发生。
-
公开(公告)号：CN118692105A
公开(公告)日：2024-09-24
申请号：CN202410745995.8
申请日：2024-06-11
Applicant: 新疆大学
IPC: G06V40/10 , G06V10/82 , G06V10/44 , G06V10/764 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本发明公开了一种基于点框架的多类农作物害虫识别与计数方法、装置，本发明使用轻量级的目标检测网络YOLOv7‑tiny的骨干和颈部网络来提取图像中的特征并进行多尺度融合；接着，对于YOLOv7‑tiny输出的特征图，回归分支和锚点生成模块共同生成预测目标的位置信息，使用点坐标表示，而分类分支负责预测目标的类别，使用softmax函数输出每个类别的置信度分数；然后，通过匈牙利算法，选择置信度分数和像素距离的组合作为成本度量，一对一地为目标匹配预测点，最终输出害虫的精确位置和类别。本发明能够处理从不同距离和角度拍摄的图像中的害虫，优化了小型和高密度害虫的识别能力，显著提升了监测效率和精确性，减少人力需求，支持实时决策，并有助于科学喷洒农药，减轻环境负担。
-
公开(公告)号：CN118351397A
公开(公告)日：2024-07-16
申请号：CN202410504001.3
申请日：2024-04-25
Applicant: 新疆大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/26
Abstract: 本发明公开了一种基于深度判别的低照度宽视场图像变化检测方法及装置，方法包括：在用于训练的双时相图像数据上制作关于物体和噪声变化特征的训练和验证数据集，并对ON‑DisNet进行训练；在测试数据上计算全局差异图像，并根据预设的宽能量阈值检索变化对象；对检索到的变化对象进行归一化和形态学融合滤波；利用训练后的ON‑DisNet来判别检索到的变化对象是物体还是噪声，并根据真实物体的变化、方位和尺度信息从输入的双时相测试图像中获取局部图像对；使用WeibDO从局部图像对中提取局部差异特征并创建局部差异图像；应用LoG‑Graph对局部差异图像进行二元分割，生成局部变化图，并将其合成为全局变化图。装置包括：处理器和存储器。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
