面向成纱质量预测的多任务特征选择方法

    公开(公告)号:CN118446578A

    公开(公告)日:2024-08-06

    申请号:CN202410549705.2

    申请日:2024-05-06

    Abstract: 本发明提出了一种面向成纱质量预测的多任务特征选择方法,其步骤如下:采集棉纱生产过程中的相关数据,包括可能对成绵质量有影响的特征要素和对应的棉纱质量数据,并对采集的数据进行预处理,构建成纱质量预测数据集;根据质量指标生成多个任务,利用多过滤特征融合方法对每个任务和成纱质量预测数据集的样本特征进行综合分析,将与质量指标相关性大的多个样本特征作为每个任务的初始特征子集;基于改进粒子群优化算法并行处理多个任务的初始特征子集,根据知识迁移概率判断各个任务之间的信息是否迁移,利用任务间最优粒子的相互学习优化,不断迭代得到每个任务的最优特征子集。本发明有助于纺织工厂识别影响成纱质量的关键特征,为工艺改进、配方调整及生产流程优化提供科学依据,显著提高预测模型精度,降低企业成本。

    一种基于连续线条的人物肖像画生成方法

    公开(公告)号:CN112819922B

    公开(公告)日:2024-03-12

    申请号:CN202110143469.0

    申请日:2021-02-02

    Abstract: 本发明提出了一种基于连续线条的人物肖像画生成方法,步骤为:采集彩色的人物肖像图像;采用平均值法得到灰度图像;生成包围肖像区域的圆形蒙版;在圆形蒙版的圆形轮廓上均匀设定多个锚点并计算坐标;得到肖像图像,在肖像图像上选取两个锚点并连线,计算连线经过的像素点的像素值的均值,将最小值对应的锚点作为起始点;将起始点存入数组中,依次计算并顺序存入数组中,以黑色的连线顺序连接数组中的锚点得到初始线肖像画;去除冗余保留连线交点得到黑色线肖像画;检测人物肖像图像的皮肤区域,顺序连接皮肤区域内的锚点并叠加得到彩色线肖像画。本发明自动化程度高,计算速度快,人物肖像还原精度高,为人物肖像生成提供了技术支撑。

    基于布谷鸟搜索的矿井下图像增强方法

    公开(公告)号:CN111242878B

    公开(公告)日:2023-05-12

    申请号:CN202010034171.1

    申请日:2020-01-14

    Abstract: 本发明公开了一种基于布谷鸟搜索的矿井下图像增强方法,采用布谷鸟搜索算法结合本发明提出的BGDPH算法对图像进行增强处理,其步骤为:先将矿井下图像转换到HSV颜色空间、并对饱和度分量S进行自适应非线性拉伸处理;接着初始化布谷鸟搜索算法参数和种群,就每个鸟巢位置对亮度分量V进行BGDPH算法处理得到中间图像;然后通过对中间图像的熵值、亮度差值和灰度标准方差的加权融合计算该鸟巢的适应度值,并采用Levy飞行的规则化方式迭代更新最佳鸟巢位置、最终的最优位置代入BGDPH算法来增强分量V;最后将HSV图像转换回RGB空间得到最终增强图像。本发明相比其它方法增强图像效果好、明显改善了矿井下图像的视觉效果。

    基于布谷鸟搜索的矿井下图像增强方法

    公开(公告)号:CN111242878A

    公开(公告)日:2020-06-05

    申请号:CN202010034171.1

    申请日:2020-01-14

    Abstract: 本发明公开了一种基于布谷鸟搜索的矿井下图像增强方法,采用布谷鸟搜索算法结合本发明提出的BGDPH算法对图像进行增强处理,其步骤为:先将矿井下图像转换到HSV颜色空间、并对饱和度分量S进行自适应非线性拉伸处理;接着初始化布谷鸟搜索算法参数和种群,就每个鸟巢位置对亮度分量V进行BGDPH算法处理得到中间图像;然后通过对中间图像的熵值、亮度差值和灰度标准方差的加权融合计算该鸟巢的适应度值,并采用Levy飞行的规则化方式迭代更新最佳鸟巢位置、最终的最优位置代入BGDPH算法来增强分量V;最后将HSV图像转换回RGB空间得到最终增强图像。本发明相比其它方法增强图像效果好、明显改善了矿井下图像的视觉效果。

    一种基于结构线提取的图像卡通化方法

    公开(公告)号:CN117078505A

    公开(公告)日:2023-11-17

    申请号:CN202310928858.3

    申请日:2023-07-27

    Abstract: 本发明提供一种基于结构线提取的图像卡通化方法,其包括:获取源域和目标域的训练集;构建基于结构线提取的图像卡通化生成对抗网络,其中结构线提取网络利用下采样提取图像特征,当下采样在较粗尺度上生成粗略结构线时,上采样再对其进行卷积,并从粗到细重建输出图像线条;构建损失函数,利用损失值调整所述生成对抗网络模型的参数,优化生成器和判别器网络;循环迭代多轮整个生成对抗网络模型,得到训练好的卡通图像生成式网络;将待处理的自然图像输入到训练好的卡通图像生成式网络,即可得到对应风格的卡通图像。本发明不仅在重要区域和细节方面生成了高感知质量的卡通化图像,同时避免了内容和颜色的损失。

    一种基于RAW数据抵抗相机抖动的高动态图像恢复方法

    公开(公告)号:CN111028165B

    公开(公告)日:2023-03-21

    申请号:CN201911202019.3

    申请日:2019-11-29

    Abstract: 本发明提出一种基于RAW数据抵抗相机抖动的高动态图像恢复方法,其步骤为:将N幅多曝光RAW图像序列作为输入,通过Bayer插值算法将单通道RAW图像转换为三通道RAW数据,得到三通道RAW图像序列;然后用信息熵的方法从具有位置偏移的图像序列中选取参考图像和曝光图像序列,并分别检测和提取关键特征点,再利用ORB特征描述符和Hamming距离将曝光图像序列与参考图像进行特征匹配及对齐配准;最后,利用拉普拉斯金字塔方法对参考图像和对齐配准后的曝光图像序列进行融合,得到最终的高动态图像。本发明以RAW图像作为输入,减少了图像细节的丢失,增强了图像的对比度,对相机抖动和目标移动具有较好的鲁棒性,提高了图像的动态范围。

    一种基于RAW数据抵抗相机抖动的高动态图像恢复方法

    公开(公告)号:CN111028165A

    公开(公告)日:2020-04-17

    申请号:CN201911202019.3

    申请日:2019-11-29

    Abstract: 本发明提出一种基于RAW数据抵抗相机抖动的高动态图像恢复方法,其步骤为:将N幅多曝光RAW图像序列作为输入,通过Bayer插值算法将单通道RAW图像转换为三通道RAW数据,得到三通道RAW图像序列;然后用信息熵的方法从具有位置偏移的图像序列中选取参考图像和曝光图像序列,并分别检测和提取关键特征点,再利用ORB特征描述符和Hamming距离将曝光图像序列与参考图像进行特征匹配及对齐配准;最后,利用拉普拉斯金字塔方法对参考图像和对齐配准后的曝光图像序列进行融合,得到最终的高动态图像。本发明以RAW图像作为输入,减少了图像细节的丢失,增强了图像的对比度,对相机抖动和目标移动具有较好的鲁棒性,提高了图像的动态范围。

    基于自适应图像增强的夜间道路场景语义分割方法

    公开(公告)号:CN117058167A

    公开(公告)日:2023-11-14

    申请号:CN202310929226.9

    申请日:2023-07-27

    Abstract: 本发明公开了一种基于自适应图像增强的夜间道路场景语义分割方法,主要解决夜间道路场景下图像缺乏带标注夜间道路场景数据集以及图像亮度低、特征提取困难等问题。所述方法包括如下步骤:构建结合侧窗盒式滤波和生成对抗网络优点的日夜转换模型;合成夜间道路场景语义分割数据集;构建夜间道路场景语义分割方法的训练数据集;构建自适应图像增强网络;对训练数据集进行自适应图像增强并分割;通过交叉熵损失函数计算语义分割损失;获取夜间道路场景测试图像,将其输入至训练好的夜间道路场景语义分割模型,输出对应的语义分割结果。本发明缓解了夜间道路场景图像照明弱、细节不清楚等问题,同时提高了夜间道路场景的分割预测。

Patent Agency Ranking