公开(公告)号：CN101286199A

公开(公告)日：2008-10-15

申请号：CN200710018667.4

申请日：2007-09-14

Applicant: 西北工业大学

Inventor： 郭雷 ,  杨卫莉 ,  赵天云 ,  肖谷初

IPC: G06K9/34 ,  G06K9/62 ,  G06T5/00

Abstract: 本发明涉及一种基于区域生长和蚁群聚类的图像分割方法，技术特征在于：首先，由于考虑的前提是从灰度值最高的像素点开始生长，因此去除图像中的噪声很重要。因此采用四邻域的中值滤波去滤除噪声；接着，选择具有灰度值最大的像素点作为种子点进行区域生长。然后利用区域生长后提到的空间信息和灰度信息定义一种新的引导函数，用到蚁群算法中在区域之间进行聚类合并，获得最终的分割结果。本发明提出的一种基于区域生长和蚁群聚类的图像分割方法，具有三个明显的优点：第一，克服了区域生长得不到有意义区域的不足；第二，大大提高了蚁群聚类算法的搜索时间。第三，新的引导函数的定义可准确有效引导蚁群聚类，提高图像分割的准确率。

公开(公告)号：CN110751155A

公开(公告)日：2020-02-04

申请号：CN201910970704.4

申请日：2019-10-14

Applicant: 西北工业大学

Inventor： 赵天云 ,  刘琦 ,  杨卫莉 ,  陈梓荣 ,  金道源

IPC: G06K9/34 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种新的基于Faster R-CNN的目标检测方法。首先，对图像进行图像分割，并利用不同区域对比度进行显著性计算，得到显著图；然后，采用传统卷积神经网络对图像进行特征提取，得到特征图像；接着，将显著图与特征图像进行Concat拼接；最后，将拼接后的特征图像输入Faster R-CNN网络，得到最终的目标检测结果。本发明通过将图像的显著性信息引入Faster R-CNN目标检测网络，可以大大提升目标检测的精度。