-
公开(公告)号：CN106504263B
公开(公告)日：2019-07-12
申请号：CN201610963593.0
申请日：2016-11-04
Applicant: 辽宁工程技术大学
IPC: G06T7/13
Abstract: 本发明提供一种图像的快速连续边缘提取方法，包括：采用微分检测算子对图像I进行边缘检测，得到边缘检测结果；对边缘检测结果进行骨架提取，得到骨架提取结果；遍历骨架提取结果中每个像素点，如果当前像素点值不为0，统计以当前像素点为中心的九宫格中像素点值不为0的数量，如果数量为2则标记当前像素点，放入断点提取结果集合；延拓断点提取结果，获得延拓结果；将延拓结果膨胀至宽度r；生成偏微分方程的嵌入函数初始数据矩阵；迭代求解偏微分方程获得图像的连续边缘，得到图像连续边缘提取结果。本发明能够在图像处理过程中得到连续性好的边缘，以更好地提高后期的图像分割、测量、匹配等准确性。
-
公开(公告)号：CN114418000B
公开(公告)日：2024-11-19
申请号：CN202210064145.2
申请日：2022-01-20
Applicant: 辽宁工程技术大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06T5/40 , G06V20/10
Abstract: 本发明公开了一种基于自适应感知机的遥感影像智能解译方法及系统，涉及深度学习在遥感影像目标解译技术领域，其中方法包括：在遥感影像智能解译时，对其进行预处理；构建基于局部阈值的自适应感知机；确定阈值范围及感知机权重；根据自适应感知机与改进UNet模型确定解译网络结构；依据前述网络结构与改进UNet遥感智能解译模型，采用自训练迭代方式求取目标地物特征。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。
-
公开(公告)号：CN116543305A
公开(公告)日：2023-08-04
申请号：CN202310526207.1
申请日：2023-05-10
Applicant: 辽宁工程技术大学
IPC: G06V20/10 , G06V20/70 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种顾及波段信息的多光谱遥感影像沙地智能提取方法及系统，该方法包括：1)在U‑Net模型中加入可变形卷积，获得Y‑Net模型，在各波段沙地影像数据集上进行训练、预测及性能评估；2)根据各波段对沙地信息提取的精准程度确定波段权重值，对覆盖沙地的原始多光谱遥感影进行加权重构；3)对加权重构后的新影像进行专家标注，构建波段组合多光谱遥感影像数据集；4)将Y‑Net网络模型在所述波段融合多光谱遥感影像数据集上进行训练，得到组合波段的Y‑Net网络模型的最佳参数；5)对待识别的沙地遥感影像进行预测。利用光谱特征结合深度卷积神经网络解决了现有波段利用效率低，普适性较差等问题，提高地物提取精度。
-
公开(公告)号：CN116503564A
公开(公告)日：2023-07-28
申请号：CN202310554403.X
申请日：2023-05-16
Applicant: 辽宁工程技术大学
IPC: G06T17/00
Abstract: 本发明公开了一种建筑物的三维模型的获取方法及系统，属于建筑物模型获取技术领域，该建筑物的三维模型的获取方法具体步骤如下：步骤一：采集建筑物数据：通过拍摄设备拍摄建筑物外观图，形成二维图片数据，同时获取建筑物上任意点的地理位置，再根据租房网站或物业发布的户型平面图，拼接组合成楼层平面图；步骤二：构建建筑物三维顶面：根据步骤一中所述地理位置，选择平面顶面特征点组和弧面顶面特征点组，本发明能够使得特征点的选择较为简便，从而简化了建筑物三维顶面的构建过程，同时缩小了建筑物白模的构建计算量，不仅降低了构建成本，还可提高构建效率，且能够使得建筑物的三维模型具有内部结构，从而丰富了三维模型。
-
公开(公告)号：CN114937033A
公开(公告)日：2022-08-23
申请号：CN202210741090.4
申请日：2022-06-27
Applicant: 辽宁工程技术大学
IPC: G06T7/00 , G06T7/10 , G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , E01C23/01 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度卷积神经网络的农村公路路面病害智能检测方法，步骤为：制作多类型农村公路路面病害训练数据集；构建基于全卷积网络的语义分割模型；使用Adam优化器对模型训练过程进行优化；有重叠地裁剪图像并在拼接时采取忽略边缘策略，大图像裁剪成一系列与相邻图像块有特定重复区域的图像块，并把它们存在链表里，然后创建生成器，之后送入训练号的模型进行预测；多类型路面病害分类及损坏状况评定；通过开发路面技术状况评价系统。本发明能够解决因裁剪图像边缘区域的上下文信息较少，预测结果精度较低，进而导致提取病害出现明显拼接痕迹的问题，实现高分辨率图像中病害预测结果的准确性、连续性。
-
Patent Agency Ranking
公开(公告)号：CN109448046B
公开(公告)日：2021-08-17
申请号：CN201811197932.4
申请日：2018-10-15
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于多描述子的半自动道路中心线快速提取方法，步骤为：输入影像中道路起止点坐标；对原始影像进行L0滤波；对原始影像进行线段提取；在滤波结果及线段提取结果的基础上，根据起止点坐标，建立多级线段方向直方图，以获得当前道路方向；建立扇形描述子；利用最小二乘法将所有得到的道路跟踪点进行拟合，进一步剔除错误提取的道路点，得到道路中心线。本发明有效减少了使用单一描述子进行道路提取过程中出现的错误提取的现象，只根据道路的起点及终点坐标信息进行跟踪，在跟踪过程中，根据具体的路面情况，自适应地确定道路方向及道路宽度信息，以达到提高算法的自动化程度及算法在复杂路况下的跟踪精度的目的。
-
公开(公告)号：CN106780574B
公开(公告)日：2019-06-25
申请号：CN201611033115.6
申请日：2016-11-18
Applicant: 辽宁工程技术大学
IPC: G06T7/33
Abstract: 本发明提出一种图像的无纹理区域匹配方法，属于图像处理技术领域，本发明利用仿射变换过程中的不变量，构造DTTC图(Distance transform towards centroid)，并以此为基础进行匹配使得采用模板匹配方法可以对无纹理区域进行匹配；值得一提的是，本发明适用于彩色图像，在处理自然图像匹配时彩色纹理的生成更有利于区别不同颜色无纹理区域的匹配。
-
公开(公告)号：CN106780574A
公开(公告)日：2017-05-31
申请号：CN201611033115.6
申请日：2016-11-18
Applicant: 辽宁工程技术大学
IPC: G06T7/33
Abstract: 本发明提出一种图像的无纹理区域匹配方法，属于图像处理技术领域，本发明利用仿射变换过程中的不变量，构造DTTC图(Distance transform towards centroid)，并以此为基础进行匹配使得采用模板匹配方法可以对无纹理区域进行匹配；值得一提的是，本发明适用于彩色图像，在处理自然图像匹配时彩色纹理的生成更有利于区别不同颜色无纹理区域的匹配。
-
公开(公告)号：CN106504263A
公开(公告)日：2017-03-15
申请号：CN201610963593.0
申请日：2016-11-04
Applicant: 辽宁工程技术大学
IPC: G06T7/13
Abstract: 本发明提供一种图像的快速连续边缘提取方法，包括：采用微分检测算子对图像I进行边缘检测，得到边缘检测结果；对边缘检测结果进行骨架提取，得到骨架提取结果；遍历骨架提取结果中每个像素点，如果当前像素点值不为0，统计以当前像素点为中心的九宫格中像素点值不为0的数量，如果数量为2则标记当前像素点，放入断点提取结果集合；延拓断点提取结果，获得延拓结果；将延拓结果膨胀至宽度r；生成偏微分方程的嵌入函数初始数据矩阵；迭代求解偏微分方程获得图像的连续边缘，得到图像连续边缘提取结果。本发明能够在图像处理过程中得到连续性好的边缘，以更好地提高后期的图像分割、测量、匹配等准确性。
-
公开(公告)号：CN115995157A
公开(公告)日：2023-04-21
申请号：CN202111218304.1
申请日：2021-10-20
Applicant: 辽宁工程技术大学
IPC: G08G1/0967 , G08G1/16
Abstract: 本发明提供一种智能车路协同无控交叉口左转车跟随通行引导方法，涉及智能交通系统中车路协同与安全控制技术领域。该方法首先采集自身车辆的位置和速度信息，实时检测交叉口通信区域内各车道车辆数量与运动信息；再统计与左转车冲突车流的通行权；并根据车载单元与路侧单元、车载单元与车载单元之间交互的信息，计算左转车跟随通行速度。该方法可以有效解决或缓解无控交叉口左转车通行交通安全问题，使车辆尽量在不发生交通追尾的状态下通过交叉口，从而提升通行效率与舒适性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.046 seconds)
