-
公开(公告)号:CN107798676B
公开(公告)日:2021-05-07
申请号:CN201710992803.3
申请日:2017-10-23
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于多尺度分析法建立的新无参考图像质量感知方法。该方法能有效评估基于深度图像绘制技术合成图像的质量。本发明考虑到基于深度图像绘制技术合成图像的参考图像通常不可获得,利用深度图像绘制技术造成几何失真破坏自然图像自相似特性,并且破坏程度随图像尺寸缩小而趋于减小的先验知识建立了无参考图像多尺度分析质量感知方法。根据利用主流数据库来对方法进行性能测试的结果,本发明的性能和现有的评估方法相比有较大优势。值得注意的是,由于目前很少有关于深度图像绘制技术合成图像的无参考评估方法的研究,本发明填补了这方面的空白,为将来无参考图像质量感知算法的提高开辟了一个方向。
-
公开(公告)号:CN112418005A
公开(公告)日:2021-02-26
申请号:CN202011226816.8
申请日:2020-11-06
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于反向辐射注意力金字塔网络的烟雾多分类识别方法,判断放空火炬工作状态。该网络首先由三个串联的金字塔模块构成,这三个金字塔块由3、4和5个基本卷积模块组成。然后,在每个金字塔模块中引入注意机制进行特征滤波。最后,通过反向辐射连接各金字塔模块的所有前馈输出,系统全面融合低、中、高层特征。基于反向辐射注意力金字塔网络的烟雾多分类识别方法属于大气环境保护领域和机器学习领域。
-
公开(公告)号:CN111340771A
公开(公告)日:2020-06-26
申请号:CN202010110068.0
申请日:2020-02-23
Applicant: 北京工业大学
Abstract: 一种融合视觉信息丰富度和宽深度联合学习的细颗粒物实时监测方法属于智能环境感知领域,针对目前流行的基于电化学传感器的细颗粒物监测方法存在空间分布密度低、时间延迟等缺点。该方法将视觉信息丰富度测量与宽深度联合学习(VAWD)相结合,实现细颗粒物的实时监测。首先,细颗粒物浓度的增长会降低视觉信息丰富度,利用VAWD模型从变换空间中提取的三种特征来测量给定照片的视觉信息丰富度。其次,为了同时具备记忆和泛化的优点,设计了宽深度联合学习神经网络来学习上述提取特征与近地面的细颗粒物浓度之间的非线性映射。实验表明:提取的特征的有效性和VAWD模型相对于最先进的方法具有很大的优越性。
-
公开(公告)号:CN107180427B
公开(公告)日:2020-06-16
申请号:CN201710421612.1
申请日:2017-06-07
Applicant: 北京工业大学
Abstract: 基于自回归局部图像描述的3D合成图像质量评价方法属于图像和视频质量评价的方法,利用自回归建模方法建立质量评价模型,实现对3D合成图像的有效评价。随着科技的进步,基于深度的图像绘制(DIBR)技术得到越来越广泛的应用,如自由视角视频和3D电视等。DIBR技术可以根据已有的多视角图像合成新视角下的图像,从而减少自由视角视频的拍摄费用和难度。然而合成图像过程中难以避免产生几何失真,目前所有的图像质量评价方法均难以有效评价几何失真图像。实验结果表明,通过计算合成图像与回归模型之间的重构误差可以有效识别几何失真。本发明填补了DIBR图像无参考质量评价技术方面的空白,促进了3D技术的发展。
-
公开(公告)号:CN109377440A
公开(公告)日:2019-02-22
申请号:CN201811489083.X
申请日:2018-12-06
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于多任务集成学习器的PM2.5和O3浓度协同预测方法。以空气中6种污染物浓度和6种气象指标共计12种特征作为输入向量,得到PM2.5浓度和O3浓度的预测值。该模型在一个四阶段框架中实现,首先,建立多任务支持向量机回归学习器;然后,使用随机子空间方法生成多个随机特征集;然后,将生成的多个随机特征集所包含的数据作为训练集,建立多个学习器;最后,采用采用修剪技术,根据动态阈值对三个类别中的负向基学习器进行删除,对保留的正向基学习器采用取平均值的方法进行集成,以预测未来PM2.5和O3的浓度。本发明实现了小样本精确预测,较现有方法在预测误差和泛用性上均有明显提升。
-
公开(公告)号:CN107798676A
公开(公告)日:2018-03-13
申请号:CN201710992803.3
申请日:2017-10-23
Applicant: 北京工业大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/30168
Abstract: 本发明公开了一种基于多尺度分析法建立的新无参考图像质量感知方法。该方法能有效评估基于深度图像绘制技术合成图像的质量。本发明考虑到基于深度图像绘制技术合成图像的参考图像通常不可获得,利用深度图像绘制技术造成几何失真破坏自然图像自相似特性,并且破坏程度随图像尺寸缩小而趋于减小的先验知识建立了无参考图像多尺度分析质量感知方法。根据利用主流数据库来对方法进行性能测试的结果,本发明的性能和现有的评估方法相比有较大优势。值得注意的是,由于目前很少有关于深度图像绘制技术合成图像的无参考评估方法的研究,本发明填补了这方面的空白,为将来无参考图像质量感知算法的提高开辟了一个方向。
-
公开(公告)号:CN120031738A
公开(公告)日:2025-05-23
申请号:CN202411844150.0
申请日:2024-12-15
Applicant: 北京工业大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于邻域随机替换轻量神经网络的电镜图像去噪方法,将单幅带噪声图像作为输入并将替换像素获得的噪声图作为目标进行训练,避免了对干净参考图像的依赖,通过学习像素邻域中的噪声特征,将噪声信息与干净信息剥离开,保持图像细节,实现有效去噪。从包含噪声的单幅输入图像中恢复出真实的无噪声图像,突破了传统去噪方法对数据的限制。同时,提出新的像素替换策略,避免训练过程中的恒等映射和中心像素利用率低等问题。最后,提出一种新的超轻量神经网络从而优化参数数量,缩减计算资源需求和处理时间,更快速、高效地处理电镜图像,提高后续研究和分析效率。
-
公开(公告)号:CN118608911A
公开(公告)日:2024-09-06
申请号:CN202410821782.9
申请日:2024-06-24
Applicant: 北京工业大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V20/52
Abstract: 本发明公开了一种基于跨级融合反向残差的轻量化烟气检测方法,包括以下步骤:第一步:设计跨级融合反向残差模块;第二步:设计基于跨级融合反向残差模块的轻量化烟气检测网络。本发明以未知是否包含烟气的图像作为输入,对单幅图像上的烟气情况进行检测,较之现有方法,能解决低频部分信息不详、难以检测的问题,达到同时平衡参数量与检测精度的目的,实现工业级快速、准确的烟气检测。针对烟气图像中大面积烟气色块的低频域以及实际部署模型的复杂性,受MobileNetv2中的反向残差操作与ResNet中的跳连操作启发,集合拓展、过滤、注意力机制、联合、融合层共同构成跨级融合反向残差模块,并据此形成一种轻量化烟气检测方法,从而更好提取低频特征,实现高效、精准的烟气检测。
-
公开(公告)号:CN112418005B
公开(公告)日:2024-05-28
申请号:CN202011226816.8
申请日:2020-11-06
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于反向辐射注意力金字塔网络的烟雾多分类识别方法,判断放空火炬工作状态。该网络首先由三个串联的金字塔模块构成,这三个金字塔块由3、4和5个基本卷积模块组成。然后,在每个金字塔模块中引入注意机制进行特征滤波。最后,通过反向辐射连接各金字塔模块的所有前馈输出,系统全面融合低、中、高层特征。基于反向辐射注意力金字塔网络的烟雾多分类识别方法属于大气环境保护领域和机器学习领域。
-
公开(公告)号:CN110826559B
公开(公告)日:2022-04-22
申请号:CN201911057739.5
申请日:2019-11-01
Applicant: 北京工业大学
IPC: G06V10/25 , G06V10/44 , G06V10/46 , G06V10/762 , G06K9/62 , G06T5/00 , G06T5/30 , G06T7/11 , G06T7/136 , G06T7/90
Abstract: 基于视觉感知的火炬烟尘监测方法属于图像处理与环境感知的交叉领域。本发明提出的VMFM,首先利用宽调谐彩色通道识别图像中是否存在火焰,然后结合快速显著性检测和K‑means方法确定火焰的位置,最后以火焰区域为中心搜索潜在的火炬烟尘区域并最终检测火炬烟尘是否存在。从石化厂采集的多个视频序列上的实验结果表明,本发明在监控性能和计算效率上都优于现有的相关方法。本发明设计的基于视觉的火炬烟尘监测方法能够及时发现火炬烟尘,保证火炬气充分燃烧。
-
-
-
-
-
-
-
-
-