-
公开(公告)号：CN118781016A
公开(公告)日：2024-10-15
申请号：CN202410877834.4
申请日：2024-07-02
Applicant: 中国矿业大学
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于图像去雾技术领域，提出一种矿井尘雾环境下自适应图像去雾增强方法及系统。首先建立包括图像分级预处理模块、自适应处理模块和优化模块的图像处理模型；将通过图像分级预处理模块处理之后的图像输入自适应处理模块；通过图像优化模块对经过自适应处理模块处理之后的图像进一步优化；输出优化之后的图像。本发明在实际运用中可以对矿井尘雾环境下图像的精确、高效和稳定去雾，显著提升了图像质量和煤矿安全隐患识别的能力。
-
公开(公告)号：CN112686804B
公开(公告)日：2024-08-27
申请号：CN202011598166.X
申请日：2020-12-29
Applicant: 中国矿业大学
IPC: G06T3/4053 , G06T5/70 , G06T5/20
Abstract: 本发明涉及一种面向矿井低光照环境的图像超分辨率重建方法及装置，属于计算机视觉技术领域，解决了现有图像超分辨率重建方法耗时且获得的超分辨率图像精度较差的问题。方法包括：获取低光照环境的原始输入图像，并对原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图；基于原始输入图像、亮度图和反射图的自适应权重，获得原始输入图像对应的反射图；基于字典学习算法对反射图进行超分辨率重建，得到原始输入图像对应的超分辨率图像。实现了低分辨率图像的重建，提高了获得的高分辨率图像的精度。
-
公开(公告)号：CN118456448A
公开(公告)日：2024-08-09
申请号：CN202410913444.8
申请日：2024-07-09
Applicant: 中国矿业大学
Abstract: 本发明公开一种应急救援环境下重载机械臂人机共享控制方法，包括实时获取操作者的肌电信号、眨眼频率、操作时长、操作年龄和操作速度评估操作者状态，获取机械臂末端的最大位移变化差、加速度、载荷、移动速度和转角信息评估机械臂状态，根据操作时间要求、目标定位精度和负载要求信息评估应急救援任务难易程度，采用加权和sigmoid函数相结合的方式，构建考虑操作者状态、机械臂状态和应急救援难易程度的人机互信模型，实时获取人机互信度，将人机互信度和机械臂与目标物体间的距离作为T‑S模糊控制器的输入，依据模糊规则动态决策出人机共享控制权重，提高应急救援环境下重载机械臂的救援效率，保障救援人员的安全。
-
公开(公告)号：CN113095229B
公开(公告)日：2024-04-12
申请号：CN202110399589.7
申请日：2021-04-14
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V20/40 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种无监督域自适应行人重识别系统及方法，属于行人重识别技术领域，解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，获得行人重识别网络模型的分类损失函数和样本不变性损失函数，根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，利用优化好的行人重识别网络模型进行行人重识别，获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失，提高行人重识别的精度。
-
公开(公告)号：CN113554572B
公开(公告)日：2024-03-26
申请号：CN202110931806.2
申请日：2021-08-13
Applicant: 中国矿业大学
Abstract: 本发明提出了一种基于改进Retinex的图像增强方法和系统，其主要的目的是解决传统Retinex增强方法的效果差，速度慢，效率低等问题，可以较好地解决图像细节和颜色保真度的冲突问题，改善光晕现象，所述装置包括图像采集单元，基于华为海思Hi3519AV100处理器的FEA3519A‑C图像处理核心板，PC端控制单元和图像输出模块。
-
Patent Agency Ranking
公开(公告)号：CN112541912B
公开(公告)日：2024-03-12
申请号：CN202011541385.4
申请日：2020-12-23
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06V10/25 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/26
Abstract: 本发明涉及一种矿井突发灾害场景中显著性目标的快速检测方法及装置，属于计算机视觉技术领域，解决了现有的显著性目标检测方法的检测精度较差和速度较慢的问题。方法包括：获取关于矿井突发灾害场景的输入图像；构造Unet网络，将输入图像输入Unet网络，得到输入图像对应的分割映射图像；构造全卷积FCN网络，将输入图像输入全卷积FCN网络，得到输入图像对应的显著性映射图像；将输入图像对应的分割映射图像和输入图像对应的显著性映射图像融合，得到融合映射图像，并基于融合映射图像得到局部图；基于局部图获得最终的显著性目标。实现了矿井突发灾害场景中显著性目标的快速检测，提高了显著性目标检测的精度和速度。
-
公开(公告)号：CN117078659B
公开(公告)日：2024-01-26
申请号：CN202311221440.5
申请日：2023-09-21
Applicant: 中国矿业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/09
Abstract: 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样
-
公开(公告)号：CN117346805A
公开(公告)日：2024-01-05
申请号：CN202311150868.5
申请日：2023-09-07
Applicant: 中国矿业大学
IPC: G01C21/34 , G06N3/092 , G06N3/0442
Abstract: 一种非结构化环境的特种车辆自动驾驶路径规划方法，通过SLAM地面分割算法，将三维高度信息存储于相应栅格，获得非结构环境占用栅格图，再将所述栅格图地形数据划分为训练集和测试集；结合感知模块输入信息及特种车辆动力学建模，从栅格图地形数据中提取可通行区域，实现风险图构建；根据风险图构造自适应性的奖励函数，搭建强化学习模型以及Agent的神经网络；基于构建非结构化环境测试机进行训练，在每个训练周期初始化阶段构建随机函数，随机化起点和终点位置，使系统具泛化性；通过强化学习训练获得策略网络，在测试集中执行路径规划，实现非结构化环境下高效的处理环境信息，提高特种车辆面对不同地形的适应性及有效的自动驾驶。
-
公开(公告)号：CN116977220A
公开(公告)日：2023-10-31
申请号：CN202310985961.1
申请日：2023-08-07
Applicant: 中国矿业大学
IPC: G06T5/00 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像去模糊处理技术领域，具体地说，是一种基于图像质量启发的盲图像去运动模糊算法，基于去模糊算法旨在提高图像质量以及去模糊过程缺乏先验知识的事实，提出了图像质量先验引导的盲图像去运动模糊算法。具体而言，首先，借助基于深度神经网络的无参考图像质量评价模型提取包含质量信息的深度特征作为先验知识。然后，采用特征预测策略将先验知识嵌入图像去模糊模型的编码器中。最后，采用编码器复用策略将图像去模糊模型中解码器的输出图像再次输入模型编码器中并预测质量评价模型提取的清晰图像的质量特征。本发明在不增加计算成本的基础上，为去模糊模型引入图像质量先验知识，提高了模型的去模糊效果和泛化性能。
-
公开(公告)号：CN113643323B
公开(公告)日：2023-10-03
申请号：CN202110960779.1
申请日：2021-08-20
Applicant: 中国矿业大学
Abstract: 本发明提出城市地下综合管廊尘雾环境下目标检测系统，所述系统包括视频逐帧去雾模块和运动目标检测模块，所述视频逐帧去雾模块用于将地下管廊的模糊视频画面去除尘雾影响，恢复管廊内物体或行人轮廓；所述运动目标检测模块用于对视频中运动目标的轮廓进行检测判断，实现了去雾和抑制噪声的效果，而且该模型对边缘的保持有较好的能力，消除了背景更新不及时导致的鬼影现象，而且运算速度得到明显的提升，实现了运动目标追踪的要求。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.048 seconds)
