-
公开(公告)号：CN114998605B
公开(公告)日：2023-01-31
申请号：CN202210503164.0
申请日：2022-05-10
Applicant: 北京科技大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种恶劣成像条件下图像增强引导的目标检测方法，属于图像增强和计算机目标检测技术领域。所述方法包括：在现有的目标检测网络基础上，加入增强网络分支，将目标检测网络主干网络的头部卷积层特征图和增强网络分支增强后的图像分别都进行最大池化和平均池化后，计算目标检测网络和增强网络分支总的损失函数L；将恶劣成像条件下获取的图像集分别输入目标检测网络和增强网络分支，利用损失函数L对目标检测网络和增强网络分支进行训练；将恶劣成像条件下获取的待检测的图像输入训练好的目标检测网络，输出目标检测结果。采用本发明，能够在提高目标检测的精度的同时，不会增加额外的计算负担。
-
公开(公告)号：CN112396618B
公开(公告)日：2022-02-18
申请号：CN202011262628.0
申请日：2020-11-12
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于图像处理的晶界提取及晶粒度测量方法，包括：在检测晶界时，采取分段模糊处理的方式，对金相组织的边缘进行晶界检测；在使用极限腐蚀分割晶粒时，采取4邻域和8邻域逐层交替腐蚀的方式，在每一层腐蚀完成后，计算剩余晶粒的连通面积，使面积较小的晶粒不参与下一次的腐蚀，保留小的晶粒，从而提高检测精度；最后对晶界进行细化剪枝处理，得到清晰的闭合晶界。根据标准方法，对微观组织进行自动分析。本发明可以从金相图像中准确提取晶界，并有效提高晶粒度测量的效率及精度。
-
公开(公告)号：CN113028986A
公开(公告)日：2021-06-25
申请号：CN202110236644.0
申请日：2021-03-03
Applicant: 北京科技大学
Abstract: 本发明的实施例公开一种体积测量装置及质量测量系统，涉及钢铁冶金及机械自动化领域，能够实现自动测量被测物体的体积或质量，大大提高测量效率。所述装置包括：第一测量仪，每间隔预设时间拍摄待测量物体的图像；图像分析处理单元，根据各所述待测量物体的图像，确定所述待测量物体在每个所述预设时间内的移动距离；第二测量仪，在每个所述预设时间内测量待测量物体垂直于第一方向的截面的面积，所述第一方向为所述待测量物体相对于所述第一测量仪的运动方向；第一计算单元，根据所述待测量物体在每个预设时间内的移动距离以及在每个所述预设时间内的截面面积，计算所述待测量物体的体积。本发明适用于自动测量待测量物体的体积或质量。
-
公开(公告)号：CN112396618A
公开(公告)日：2021-02-23
申请号：CN202011262628.0
申请日：2020-11-12
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于图像处理的晶界提取及晶粒度测量方法，包括：在检测晶界时，采取分段模糊处理的方式，对金相组织的边缘进行晶界检测；在使用极限腐蚀分割晶粒时，采取4邻域和8邻域逐层交替腐蚀的方式，在每一层腐蚀完成后，计算剩余晶粒的连通面积，使面积较小的晶粒不参与下一次的腐蚀，保留小的晶粒，从而提高检测精度；最后对晶界进行细化剪枝处理，得到清晰的闭合晶界。根据标准方法，对微观组织进行自动分析。本发明可以从金相图像中准确提取晶界，并有效提高晶粒度测量的效率及精度。
-
公开(公告)号：CN111833362A
公开(公告)日：2020-10-27
申请号：CN202010556153.X
申请日：2020-06-17
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于超像素和区域生长的非结构化道路分割方法及系统，该方法包括：基于目标非结构化道路区域图像的Lab特征，确定超像素数目初始设定值；根据所确定的超像素数目初始设定值，对目标非结构化道路区域图像进行SLIC超像素分割；基于区域生长算法原理，对SLIC超像素分割结果中的超像素块进行合并，从而得到目标非结构化道路区域图像的分割结果。本发明可解决传统区域生长方法的随机性大，分割目标区域存在局部未合并的情况，且图像颜色信息利用率低，以及超像素分割初始设定参数的不确定性问题。
-
Patent Agency Ranking
公开(公告)号：CN115797632B
公开(公告)日：2024-02-09
申请号：CN202211527682.2
申请日：2022-12-01
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 术问题。本发明公开了一种基于多任务学习的图像分割方法，包括：构建样本数据集；其中，样本数据集由对比学习数据集、网状结构图像、对应语义分割标签和对应关系向量标签组成；构建基于对比学习的特征提取器；构建基于多任务学习的图像分割模型；其中，图像分割模型包括共享编码器、语义分割任务模块和关系预测任务模块；基于对比学习数据集对特征提取器进行训练；基于网状结构图像、对应语义分割标签和对应关系向量标签构成的样本数据集对图像分割模型进行训练；利用训练好的图像分割模型对待分割图像进行语义分割，得到分割结果。本发明的图像(56)对比文件LIXIN ZHANG et al..Segmentation andMeasurement of Superalloy MicrostructureBased on Improved Nonlocal Block《.IEEEAccess》.2022,32418-32425.Rihuan Ke et al..Multi-task deeplearning for image segmentation usingrecursive approximation tasks《.arXiv》.2020,1-24.
-
公开(公告)号：CN114612347A
公开(公告)日：2022-06-10
申请号：CN202210506856.0
申请日：2022-05-11
Applicant: 北京科技大学
Abstract: 本发明提供一种多模块级联的水下图像增强方法，属于计算机视觉技术领域。所述方法包括：将现有的空气图像增强网络与颜色校正网络级联，构建多模块级联增强网络，其中，空气图像增强网络用于解决水下图像中与空气图像相似的退化问题，颜色校正网络用于校正水下图像中存在的色偏；获取成对水下图像数据集，利用获取的成对水下图像数据集训练所述多模块级联增强网络；获取待增强的水下图像，将待增强的水下图像送入训练好的多模块级联增强网络，得到增强后的水下图像。采用本发明，能够解决水下成像中不同类型的退化问题。
-
公开(公告)号：CN113688842B
公开(公告)日：2022-04-29
申请号：CN202110898241.2
申请日：2021-08-05
Applicant: 北京科技大学
Abstract: 本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
-
公开(公告)号：CN113688842A
公开(公告)日：2021-11-23
申请号：CN202110898241.2
申请日：2021-08-05
Applicant: 北京科技大学
Abstract: 本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
-
公开(公告)号：CN117057985A
公开(公告)日：2023-11-14
申请号：CN202310891103.0
申请日：2023-07-20
Applicant: 北京科技大学
IPC: G06T3/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/50
Abstract: 本发明公开了一种基于隐式神经网络的图像超分辨率重建方法及装置，该方法包括：构建样本数据集；所述样本数据集包括多组训练图像组，每一训练图像组均包括第一图像和第二图像，其中，所述第二图像为所述第一图像的超分图像；在隐式神经网络增加双阶段注意力机制，构建图像超分辨率重建模型；基于所述样本数据集对所述图像超分辨率重建模型进行训练；获取待处理图像，将待处理图像输入训练好的图像超分辨率重建模型，利用训练好的图像超分辨率重建模型对待处理图像进行处理，得到重建后的图像。本发明解决了目前图像超分辨率重构精度提升问题，并且可以实现任意尺度超分辨率重建。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.024 seconds)
