-
公开(公告)号：CN116682070B
公开(公告)日：2024-05-28
申请号：CN202310970365.6
申请日：2023-08-03
Applicant: 武汉工程大学
IPC: G06V20/52 , G06V20/40 , G06V10/54 , G06V10/62 , G06V10/774 , G06V10/766 , G06V10/80 , G06V10/82 , G06T7/269 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种复杂场景下危险气体泄漏红外视频检测方法，包括以下步骤：S1、将自然光照下的待测火灾烟雾视频输入预先训练好的生成对抗网络，生成虚拟的复杂场景下的红外泄漏气体数据；S2、将红外泄漏气体数据输入预先训练好的Flow Faster RCNN网络中；S3、该Flow Faster RCNN网络通过并行的空间特征提取通道和运动光流特征提取通道，分别提取红外泄漏气体的空间纹理信息和光流运动信息，经拼接后输入RPN模块，生成区域建议框及对应的特征图子块；通过两个全连接层判别是否有危险气体泄漏以及泄漏气体的位置。本发明能更好的融合气体泄漏时的运动信息，提升检测准确率。
-
公开(公告)号：CN117274578B
公开(公告)日：2024-02-02
申请号：CN202311569672.X
申请日：2023-11-23
Applicant: 武汉工程大学
IPC: G06V10/25 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/82 , G06F16/583
Abstract: 本发明公开了一种基于逻辑元变换乘积量化的细粒度图像检索方法，包括步骤：将待测图像导入卷积神经网络提取特征，输出最后一层的特征谱；再通过区域候选网络RPN将最后一层的特征谱生成Top‑N个部件，重新输入至卷积神经网络中，并将原始待测图像和Top‑N部件经过卷积神经网络后的最后三层特征进行融合级联；将融合级联后的输出特征通过线性投影生成相应的逻辑元，再通过逻辑元变换对生成的逻辑元向量重新加权；将重新加权后的逻辑元向量输入到细粒度图像检索模型，通过量化码书进行计算找到与待测图像的逻辑元向量最接近的数据库图像对应的量化码，将所对应的数据库图像作为检(56)对比文件Jun Xiang et al..An EfficientRetrieval System Framework for FabricsBased on Fine-Grained Similarity.《Entropy》.2022,全文.Shilin Wu et al..Improved Faster R-CNN for the Detection Method ofIndustrial Control Logic GraphRecognition《.Front. Bioeng. Biotechnol.》.2022,全文.Xin Lu et al..Attributes Grouping andMining Hashing for Fine-Grained ImageRetrieval《.MM '23: Proceedings of the31st ACM International Conference onMultimedia》.2023,全文.
-
公开(公告)号：CN116664928A
公开(公告)日：2023-08-29
申请号：CN202310597334.0
申请日：2023-05-22
Applicant: 武汉工程大学
IPC: G06V10/764 , G06V10/26 , G06V10/32 , G06V10/40 , G06V10/77 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CNN与Transformer的糖尿病视网膜病变分级方法，包括以下步骤：导入原始图像数据集，将原始图像数据集划分为图像训练集和图像测试集；将图像训练集中的各个原始图像等分成若干个图像块，并生成不同粒度版本的打乱图像；通过残差网络和Swin‑Transformer建立糖尿病视网膜病变分级网络，采用渐进式策略训练糖尿病视网膜病变分级网络，得到串联阶段输出的多尺度多粒度的特征谱；定义分类损失函数和加权卡帕损失函数，并根据分类损失函数和加权卡帕损失函数构建损失层；利用图像训练集优化糖尿病视网膜病变分级网络；利用测试样本集对糖尿病视网膜病变分级网络进行测试。本发明能实现更准确的糖尿病视网膜病变分级，同时获得类别监督信息和有序监督信息。
-
公开(公告)号：CN113793285B
公开(公告)日：2022-05-10
申请号：CN202111364599.3
申请日：2021-11-17
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种气动光学效应目标孪生图像的超快复原方法，包括以下步骤：在高速流场中，通过相机快速生成两帧目标孪生图像；S2、对两帧目标孪生图像进行快速离散傅里叶变换，分别建立图像湍流模糊退化模型；S3、将两个图像湍流模糊退化模型合并计算，消去相同的噪声项与退化模型中的相同项，并加入非负性约束项和空间相关性约束项，求解得到每帧目标孪生图像的模糊核；S4、将两帧目标孪生图像的边界分别进行微分连续延拓，抑制边界振铃效应；S5、根据求解的模糊核，并通过超拉普拉斯先验的快速非盲反卷积方法进行两帧目标孪生图像的复原；S6、对复原后的图像分别进行归一化，得到清晰图像。本发明能够对具有目标孪生图像的气动光学效应退化图像进行超快复原。
-
公开(公告)号：CN113962908A
公开(公告)日：2022-01-21
申请号：CN202111569294.6
申请日：2021-12-21
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种气动光学效应大视场退化图像逐点校正复原方法，包括：计算输入的退化图像的梯度，选取多个大梯度区域，并计算每个局部区域的模糊核；逐点计算到最近两个局部区域中心点的距离，并根据每个像素点的两个距离对全图各点的模糊核进行反距离加权插值计算，得到全图各点模糊核初值，构成初始模糊核矩阵；根据初始模糊核矩阵建立空变退化模型，并添加非负性约束正则化项和基于自适应各向异性变系数的稀疏性约束正则化项使目标图像和各点模糊核具有非负性和空间自适应性；求解空变退化模型，得到各点的模糊核与各点的灰度值来实现逐点校正，最终输出空变退化复原图像。本发明能够对大视场的气动光学效应空变退化图像进行校正复原。
-
Patent Agency Ranking
公开(公告)号：CN111915717A
公开(公告)日：2020-11-10
申请号：CN202010553065.4
申请日：2020-06-17
Abstract: 本发明公开了一种法兰管管路对接设计方法及系统，该方法包括：利用双目相机获取管路需对接设计处的图像；从图像中提取管道连接末端的特征点空间坐标、特征尺寸和中间对接障碍物的轮廓信息；确定中间对接管的管路标准和生产规范；通过特征点空间坐标确定法兰盘法兰面以及法兰面上阵列孔的中心位置，通过特征尺寸确定法兰盘的内径、外径、厚度和阵列孔直径，通过中间对接障碍物的轮廓信息确定中间对接管的对接空间区域，最后根据中间对接管的管路标准和生产规范生成中间对接管路模型。本发明将双目视觉技术与管路对接设计相结合，显著提高了现场空间信息利用率、设计精度和设计效率，解决了传统靠模方法作业不便以及存在安全风险的问题。
-
公开(公告)号：CN117274578A
公开(公告)日：2023-12-22
申请号：CN202311569672.X
申请日：2023-11-23
Applicant: 武汉工程大学
IPC: G06V10/25 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/82 , G06F16/583
Abstract: 本发明公开了一种基于逻辑元变换乘积量化的细粒度图像检索方法，包括步骤：将待测图像导入卷积神经网络提取特征，输出最后一层的特征谱；再通过区域候选网络RPN将最后一层的特征谱生成Top‑N个部件，重新输入至卷积神经网络中，并将原始待测图像和Top‑N部件经过卷积神经网络后的最后三层特征进行融合级联；将融合级联后的输出特征通过线性投影生成相应的逻辑元，再通过逻辑元变换对生成的逻辑元向量重新加权；将重新加权后的逻辑元向量输入到细粒度图像检索模型，通过量化码书进行计算找到与待测图像的逻辑元向量最接近的数据库图像对应的量化码，将所对应的数据库图像作为检索结果。本发明能够通过挖掘图像中最具辨别力的区域，提高细粒度图像检索的精度。
-
公开(公告)号：CN116433707B
公开(公告)日：2023-08-11
申请号：CN202310702494.7
申请日：2023-06-14
Applicant: 武汉工程大学
Abstract: 本发明公开了一种复杂背景下线结构光中心亚像素精确提取方法，首先对图像进行预处理后，进行骨架细化分割出有效光条区域的单像素点，初步确定感兴趣点像素坐标，再利用主成分分析法获取线结构光条纹中心的法向量，并利用法向的方向性优化光条法向，最后在光条法向截面上根据光条灰度分布变化率，获取高斯拟合区间数据进行局部高斯拟合，精确提取出线结构光条纹中心亚像素坐标。本发明不易受到条纹宽度变化和背景环境的影响，有效提高了激光条纹中心的提取精度和鲁棒性。
-
公开(公告)号：CN113793285A
公开(公告)日：2021-12-14
申请号：CN202111364599.3
申请日：2021-11-17
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种气动光学效应目标孪生图像的超快复原方法，包括以下步骤：在高速流场中，通过相机快速生成两帧目标孪生图像；S2、对两帧目标孪生图像进行快速离散傅里叶变换，分别建立图像湍流模糊退化模型；S3、将两个图像湍流模糊退化模型合并计算，消去相同的噪声项与退化模型中的相同项，并加入非负性约束项和空间相关性约束项，求解得到每帧目标孪生图像的模糊核；S4、将两帧目标孪生图像的边界分别进行微分连续延拓，抑制边界振铃效应；S5、根据求解的模糊核，并通过超拉普拉斯先验的快速非盲反卷积方法进行两帧目标孪生图像的复原；S6、对复原后的图像分别进行归一化，得到清晰图像。本发明能够对具有目标孪生图像的气动光学效应退化图像进行超快复原。
-
公开(公告)号：CN119540100A
公开(公告)日：2025-02-28
申请号：CN202510093625.5
申请日：2025-01-21
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于动态分解及融合的图像复原方法及系统，通过按退化模式分解具有混杂特征的待恢复图像，提取数量与退化模式的类型数相同的退化特征；分别处理每个退化特征，得到与每个退化模式相应的恢复特征；动态融合恢复特征，得到与待恢复图像相同尺寸的清晰的恢复图像，实现了对复杂混杂图像进行高质量恢复的功能。本发明在多个尺度下对恢复特征图进行分解、处理和融合，得到融合多个尺度恢复特征的恢复特征图，提高了混杂图像恢复的视觉效果。本发明基于方法形成的相应模型构建对称的U型网络，并构建与退化模式对应的处理子模块，很好地应对了真实环境下复杂多样的退化图像，为图像复原领域提供了一种高效、可靠的解决方案。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.02 seconds)
