-
公开(公告)号:CN111008956B
公开(公告)日:2024-06-28
申请号:CN201911103773.1
申请日:2019-11-13
Applicant: 武汉工程大学
IPC: G06T7/00 , G06T3/4038 , G06T7/60
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:CN115830537A
公开(公告)日:2023-03-21
申请号:CN202211513518.6
申请日:2022-11-29
Applicant: 武汉工程大学
IPC: G06V20/52 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种人群计数方法,方法包括以下步骤:获取人群计数数据集,对数据集中的人群图像进行预处理,得到预处理结果;构建基于CBAM‑Res2Net的人群计数网络,该网络分为前端网络、CBAM‑Res2Net模块以及后端网络3个部分;初始化人群计数网络的权重;使用预处理结果对构建的网络进行训练;对训练后的网络模型进行测试,将网络模型的输出结果与标签密度图进行对比,并根据评价指标对模型性能进行评估,得到训练完成的人群计数网络;利用训练完成的人群计数网络进行人群计数。本发明有益效果是:人群计数网络结构简单,训练方便,且提高了人群计数的精度与速度。
-
公开(公告)号:CN106530231B
公开(公告)日:2020-08-11
申请号:CN201610985891.X
申请日:2016-11-09
Applicant: 武汉工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于深层协作表达的超分辨率图像的重建方法及系统。其中,该方法包括:重建过程;重建过程包括:对初始图像、低分辨率图像训练集中的图像和高分辨率图像训练集中的图像在像素域中划分图像块;计算由低分辨率图像训练集划分的图像块训练集对由初始图像划分的图像块进行重建时的最优权值系数;将由初始图像划分的图像块替换为由高分辨率图像训练集划分的图像块,用最优权值系数合成高分辨率图像块;将高分辨率图像块融合,获得高分辨率图像;将获得的高分辨率图像作为新的初始图像,进行至少一次重建过程,得到最终的高分辨率图像,解决了重建精度低的技术问题,满足了实际的分辨率重建需求。
-
公开(公告)号:CN116757930A
公开(公告)日:2023-09-15
申请号:CN202310691423.1
申请日:2023-06-12
Applicant: 武汉工程大学
Abstract: 本申请涉及一种基于残差分离注意力机制的图像超分辨率方法、系统及介质,包括将高分辨率遥感卫星图像下采样至目标低分辨率遥感卫星图像;提取粗糙特征图;构建上采样模块;构建残差分离注意力模块;构建残差分离注意力组,进一步提取精细特征;将粗糙特征图作为全局残差学习与最后一个残差注意力组的输出进行融合,最后将各个阶段得到的精细遥感卫星特征图输入多级特征融合模块进行融合;将融合得到的最终精细的遥感卫星特征图进行普通卷积,重建成目标的高分辨率遥感卫星图像。本发明所提出的网络优于其他最新的遥感卫星图像超分辨率算法,能够生成更高质量的卫星图像,尤其是在高采样倍数的情况下。
-
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: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:CN115578259A
公开(公告)日:2023-01-06
申请号:CN202211209049.9
申请日:2022-09-30
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于便捷交替投影网络的人脸超分辨率方法及系统,结合便捷交替投影单元,使得网络能让各个高分辨率空间特征跨层级高效交互融合,从而提升网络的特征表达能力;本发明提出的便捷交替投影网络获得了与非紧凑型模型相似的性能和视觉质量,并显著减少了参数和测试时间,实现了提升人脸图像的超分辨率的重建效率与性能的功能。本发明解决了目前非紧凑型人脸超分辨率重建算法存在额外冗余特征、算法效率低、轻量级网络重建性能存在一定的局限性的技术问题。本发明所提出的网络效率与性能均优于其他最新的人脸图像超分辨率算法,生成的人脸高分辨率图像质量更高。
-
公开(公告)号:CN109886869A
公开(公告)日:2019-06-14
申请号:CN201811199243.7
申请日:2018-10-15
Applicant: 武汉工程大学
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:CN106600538A
公开(公告)日:2017-04-26
申请号:CN201611161604.X
申请日:2016-12-15
Applicant: 武汉工程大学
CPC classification number: G06T3/4053 , G06N3/084
Abstract: 本发明公开了一种基于区域深度卷积神经网络的人脸超分辨率算法,包括以下步骤:训练阶段:S1、对输入的低分辨率人脸图像在像素域中划分相互重叠的图像块,得到多个局部区域;S2、对局部区域提取得到局部特征;S3、对局部特征进行非线性变化得到非线性特征;S4、对非线性特征进行处理,得到重建后的高分辨率图像块;S5、对高分辨率图像块进行拼接,并调整多层卷积层和修正线性单元层的参数;测试阶段:S6、输入低分辨率的测试人脸图像,通过超分辨率网络处理得到高分辨率的人脸图像。本发明提出的区域卷积神经网络提高了重建高分辨率图像的主客观重建质量。
-
公开(公告)号:CN106530231A
公开(公告)日:2017-03-22
申请号:CN201610985891.X
申请日:2016-11-09
Applicant: 武汉工程大学
IPC: G06T3/40
CPC classification number: G06T3/4076 , G06T2207/20081
Abstract: 本发明公开了一种基于深层协作表达的超分辨率图像的重建方法及系统。其中,该方法包括:重建过程;重建过程包括:对初始图像、低分辨率图像训练集中的图像和高分辨率图像训练集中的图像在像素域中划分图像块;计算由低分辨率图像训练集划分的图像块训练集对由初始图像划分的图像块进行重建时的最优权值系数;将由初始图像划分的图像块替换为由高分辨率图像训练集划分的图像块,用最优权值系数合成高分辨率图像块;将高分辨率图像块融合,获得高分辨率图像;将获得的高分辨率图像作为新的初始图像,进行至少一次重建过程,得到最终的高分辨率图像,解决了重建精度低的技术问题,满足了实际的分辨率重建需求。
-
-
-
-
-
-
-
-
-