-
公开(公告)号：CN118297841B
公开(公告)日：2024-10-25
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：CN117315224A
公开(公告)日：2023-12-29
申请号：CN202311147316.9
申请日：2023-09-06
IPC: G06V10/25 , G06V10/764 , G06V10/766
Abstract: 本发明提供一种改进边界框回归损失的目标检测方法、系统及介质，涉及计算机视觉技术领域；方法包括：步骤S1，预先对目标物体的真实边界框和类别进行标注，构成训练数据集；步骤S2，将训练数据集中的图片输入训练后的检测模型中进行预测，得到预测类别和预测边界框；步骤S3，构建损失函数，通过损失函数对定位损失进行计算；步骤S4，根据定位损失对检测模型进行优化，并将训练后的检测模型替换为优化检测模型，重复步骤S2‑S4，直至达到预设训练次数；步骤S5，将待检测图片输入训练后的优化检测模型进行预测，得到目标边界框位置和目标分类。通过构建边界框回归损失使预测框拟合度更高，从而优化检测模型，加快收敛，提升检测的精度。
-
公开(公告)号：CN117036985A
公开(公告)日：2023-11-10
申请号：CN202311299444.5
申请日：2023-10-09
Applicant: 武汉工程大学
IPC: G06V20/13 , G06V10/762 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种面向视频卫星图像的小目标检测方法及装置，包括：获取待检测图像，对所述待检测图像进行预处理，得到目标图像；获取预设的标注框，基于K‑means聚类算法，利用所述标注框自适应计算目标图像的锚框；基于YOLOv5模型，构建边缘感知模块；其中边缘感知模块由通道注意力模块和空间注意力模块组成；为所述边缘感知模块构建边角对齐交并比损失函数；对所述锚框进行调整得到目标图像的预测框，基于所述交并比损失函数，通过具有预测框的目标图像对所述边缘感知模块进行训练，得到小目标检测模型；将所述待检测图像输入所述小目标检测模型，得到待检测图像的小目标检测结果。
-
公开(公告)号：CN111008956A
公开(公告)日：2020-04-14
申请号：CN201911103773.1
申请日：2019-11-13
Applicant: 武汉工程大学
Abstract: 本发明涉及一种基于图像处理的梁底裂纹检测方法、系统、装置和介质，方法包括获取桥梁底面的多个原始裂纹图像，并对所有原始裂纹图像进行预处理，得到多个处理裂纹图像；从所有处理裂纹图像中获取多个待拼接裂纹图像，基于SURF图像处理方法，将所有待拼接裂纹图像进行拼接，得到待检测裂纹图像；获取预设的神经网络裂纹检测模型，并利用所述神经网络裂纹检测模型对所述待检测裂纹图像进行检测，得到目标裂纹图像；对所述目标裂纹图像进行分析，得到裂纹检测数据。本发明能避免图像拍摄距离对梁底裂纹识别和检测的影响，提高裂纹检测精度，能够避免微小裂纹的图像被当做噪声过滤掉，极其适用于微小裂纹的检测。
-
公开(公告)号：CN119784792A
公开(公告)日：2025-04-08
申请号：CN202411848952.9
申请日：2024-12-16
Applicant: 武汉工程大学 , 光宇锦业(武汉)智能科技有限公司
Abstract: 本申请涉及多目标跟踪领域，公开多目标跟踪方法及相关设备。方法包括获取视频序列每帧图像的目标检测信息并确定前预设连续帧图像的目标跟踪信息，将该目标跟踪信息作为参考数据；确定参考数据中最后一帧图像的交互信息和场景约束信息；基于参考数据中最后一帧图像的目标跟踪信息、交互信息和场景约束信息确定参考数据的下一帧图像的预测跟踪信息；基于参考数据的下一帧图像的目标检测信息和预测跟踪信息确定该帧图像的目标跟踪信息；将参考数据的下一帧图像的目标跟踪信息和参考数据作为新的参考数据，重复执行前述步骤，直至获得视频序列内每帧图像的目标跟踪信息，以确定视频序列内每个目标的跟踪轨迹。方法能够提高多目标跟踪的准确率。
-
Patent Agency Ranking
公开(公告)号：CN119672085A
公开(公告)日：2025-03-21
申请号：CN202411734017.X
申请日：2024-11-29
Applicant: 武汉工程大学
IPC: G06T7/593 , G06T7/40 , G06T3/4053 , G06T5/70
Abstract: 本发明提供一种视差指导的双目超分辨率图像重建方法与系统，涉及计算机视觉双目超分辨率技术领域；方法包括：通过构建的视差指导双目超分辨率模型对输入的双目低分辨率图像进行去伪影处理，得到双目去伪影图像，对双目去伪影图像进行迭代去噪处理，得到双目超分辨率重建图像，并估计出双目超分辨率重建图像的双目估计视差，分别计算双目估计视差和双目超分辨率重建图像对应的损失值，根据不同的损失值对模型优化，以使用优化后的模型将目标双目低分辨率图像重建为目标双目超分辨率重建图像。通过视差损失和路径损失来约束模型，提高模型重建精度，以重建出高保真和聚集高频信息的双目高分辨率图像。
-
公开(公告)号：CN118333896A
公开(公告)日：2024-07-12
申请号：CN202410272717.5
申请日：2024-03-11
Applicant: 武汉工程大学
Abstract: 本发明公开了一种误差分解网络的全色锐化方法、系统、设备及介质，涉及遥感图像处理技术领域，方法包括：获取目标区域的全色影像和初始分辨率多光谱影像，对初始分辨率多光谱影像进行下采样操作得到低空间分辨率多光谱影像；根据全色锐化的光谱响应理论和全色影像的预设误差项构建分解网络模型，将全色影像输入到分解网络模型中，得到分解后的伪多光谱影像；将低空间分辨率多光谱影像进行上采样操作得到的多光谱影像和伪多光谱影像输入到融合网络模型中，得到最终融合遥感影像。本发明能够避免全色锐化技术存在的光谱响应不重叠现象，全色影像中存在着误差信息对融合遥感影像的干扰等问题。
-
公开(公告)号：CN118115884A
公开(公告)日：2024-05-31
申请号：CN202311668886.2
申请日：2023-12-05
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于运动图嵌入的多目标跟踪系统及方法，涉及多目标跟踪技术领域；本发明对分频后的图像按时间进行排序，并进行目标检测得到多帧图像的多个检测结果图像；对检测结果图像进行特征提取，得到特征图像序列；对特征图像序列进行运动信息提取得到表观特征向量和运动特征向量；以表观特征向量为顶点，运动特征向量为边构建运动图；并对运动图进行迭代简化处理，生成运动图中各顶点的提案集合；对提案集合进行评分，得到质量分数；根据质量分数生成提案簇集合，并获得多个短轨迹，将多个短轨迹连接成长跟踪轨迹。本发明通过找到具有运动图代表性的边特征来构建运动图，获得轨迹级别的时间信息，从而提高微小目标跟踪的性能。
-
公开(公告)号：CN109886869B
公开(公告)日：2022-12-20
申请号：CN201811199243.7
申请日：2018-10-15
Applicant: 武汉工程大学
IPC: G06T3/40 , G06V10/774 , G06V10/772
Abstract: 本发明公开了一种基于上下文信息的非线性拓展的人脸超分辨率方法，该方法首先通过上下文块对上下文信息进行抽样，以丰富人脸图像表示的先验信息，并在正则化目标函数时利用设置阈值对上下文字典进行降维，然后利用高斯核函数将原始数据转化为核空间，通过协作表示建立高低分辨率图像之间的非线性关系，最后采用上下文残差学习重建出待测图像。本方法通过高斯核函数建立高低分辨率图像之间的非线性映射，并将高维特征空间中的非线性问题表示为线性问题。此外，它还使用上下文残差学习来获得更准确的图像表示的先验信息，提高了重建的性能。
-
公开(公告)号：CN119180997A
公开(公告)日：2024-12-24
申请号：CN202311519338.3
申请日：2023-11-13
Applicant: 武汉工程大学
IPC: G06V10/774 , G06V10/40 , G06V10/80 , G06V20/13 , G06V20/40
Abstract: 本申请提供一种目标检测模型训练方法、装置、电子设备及存储介质，涉及计算机处理技术领域。方法包括：获取用于模型训练的数据集，将数据集输入待训练的初始检测模型中的特征提取网络，以对样本图像进行多尺度特征提取和注意力特征提取，得到每个样本图像对应的多个多尺度特征图；将各个多尺度特征图输入初始检测模型中的检测头，得到样本图像对应的检测结果，然后获取检测结果中每个待检测目标和每个待检测目标对应的真实目标之间的损失值，判断损失值是否满足预设模型收敛条件，若满足，则将满足预设模型收敛条件的初始检测模型作为目标检测模型。如此，可以改善传统目标识别类模型对视频卫星图像中的小目标检测精度低、效果差的问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.022 seconds)
