-
公开(公告)号：CN111242868A
公开(公告)日：2020-06-05
申请号：CN202010049736.3
申请日：2020-01-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及计算机视觉、深度学习领域，具体设涉及一种暗视觉环境下基于卷积神经网络的图像增强方法，该方法包括：获取原始图像数据和暗视觉环境下的图像数据；将获取的数据分为训练集和测试集，采用训练集的数据训练改进的卷积神经网络模型；采用测试集的数据进行网络性能测试；将暗视觉环境下的图像数据输入图像分解网络中，得到分解出的亮度通道图像；将暗视觉环境下的图像数据和亮度通道图像输入到改进的卷积神经网络模型中，得到暗视觉环境下采集图像的增强图像；通过本发明，能够对暗视觉环境下获取的图像进行增强；增强后的图像清晰，便于人们可以明确辨认图像中的细节内容。
-
Patent Agency Ranking
公开(公告)号：CN110476879A
公开(公告)日：2019-11-22
申请号：CN201910787807.7
申请日：2019-08-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及畜牧业领域，特别是涉及一种基于多标签链式生态环境奶牛行为分类判别方法及装置，所述方法包括获取奶牛行为原始数据，对原始数据打上标签Y1和标签Y2，将原始数据衍生为57维特征向量，根据标签Y2使用递归特征消除法从57维特征中选择9维特征，将选出的9维数据集随机选择一半记作第一数据集，用于GBDT模型的训练；另一半数据记作第二数据集，用于逻辑回归模型的构建；将实时数据输入第一提升树模型、第二提升树模型、第一回归模型和第二逻辑回归模型，得出奶牛九种姿态分类结果；本发明本发明将不同类别的奶牛的行为分为九种姿态，通过精准的奶牛行为分类监测，可以判断奶牛的发情和健康状况。
-
公开(公告)号：CN111292257B
公开(公告)日：2023-04-28
申请号：CN202010042914.X
申请日：2020-01-15
Applicant: 重庆邮电大学
Abstract: 本发明属于图像增强与计算机视觉领域，具体涉及一种基于Retinex的暗视觉环境下图像增强方法，该方法包括：获取图像数据，并将图像数据分为全局光照图和局部光照图；对两种图像的对应像素点进行加权平均，得到初步估计光照图，采用改进的加权引导滤波对初步估计光照图进行保边平滑滤波，对滤波后的光照图进行改进的自适应Gamma校正得到校正后的估计光照图；采用Retinex算法利用原始图像和校正后的估计光照图计算R通道、G通道、B通道的反射图，将三个通道的反射图合成，获得增强的图像；本发明将暗视觉环境下图像增强的同时还能保留亮区细节和减少光晕效应，避免图像过度增强，便于对暗视觉环境下图像做识别和检测等处理。
-
公开(公告)号：CN110476879B
公开(公告)日：2022-02-22
申请号：CN201910787807.7
申请日：2019-08-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及畜牧业领域，特别是涉及一种基于多标签链式生态环境奶牛行为分类判别方法及装置，所述方法包括获取奶牛行为原始数据，对原始数据打上标签Y1和标签Y2，将原始数据衍生为57维特征向量，根据标签Y2使用递归特征消除法从57维特征中选择9维特征，将选出的9维数据集随机选择一半记作第一数据集，用于GBDT模型的训练；另一半数据记作第二数据集，用于逻辑回归模型的构建；将实时数据输入第一提升树模型、第二提升树模型、第一回归模型和第二逻辑回归模型，得出奶牛九种姿态分类结果；本发明本发明将不同类别的奶牛的行为分为九种姿态，通过精准的奶牛行为分类监测，可以判断奶牛的发情和健康状况。
-
公开(公告)号：CN111292257A
公开(公告)日：2020-06-16
申请号：CN202010042914.X
申请日：2020-01-15
Applicant: 重庆邮电大学
Abstract: 本发明属于图像增强与计算机视觉领域，具体涉及一种基于Retinex的暗视觉环境下图像增强方法，该方法包括：获取图像数据，并将图像数据分为全局光照图和局部光照图；对两种图像的对应像素点进行加权平均，得到初步估计光照图，采用改进的加权引导滤波对初步估计光照图进行保边平滑滤波，对滤波后的光照图进行改进的自适应Gamma校正得到校正后的估计光照图；采用Retinex算法利用原始图像和校正后的估计光照图计算R通道、G通道、B通道的反射图，将三个通道的反射图合成，获得增强的图像；本发明将暗视觉环境下图像增强的同时还能保留亮区细节和减少光晕效应，避免图像过度增强，便于对暗视觉环境下图像做识别和检测等处理。
-
公开(公告)号：CN111242868B
公开(公告)日：2023-05-02
申请号：CN202010049736.3
申请日：2020-01-16
Applicant: 重庆邮电大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/0475
Abstract: 本发明涉及计算机视觉、深度学习领域，具体设涉及一种暗视觉环境下基于卷积神经网络的图像增强方法，该方法包括：获取原始图像数据和暗视觉环境下的图像数据；将获取的数据分为训练集和测试集，采用训练集的数据训练改进的卷积神经网络模型；采用测试集的数据进行网络性能测试；将暗视觉环境下的图像数据输入图像分解网络中，得到分解出的亮度通道图像；将暗视觉环境下的图像数据和亮度通道图像输入到改进的卷积神经网络模型中，得到暗视觉环境下采集图像的增强图像；通过本发明，能够对暗视觉环境下获取的图像进行增强；增强后的图像清晰，便于人们可以明确辨认图像中的细节内容。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
