-
公开(公告)号：CN115726547A
公开(公告)日：2023-03-03
申请号：CN202211455146.6
申请日：2022-11-21
Applicant: 吉林大学
Abstract: 本发明所提供的一种自动喷涂墙体的控制方法及装置，所述方法包括：获取目标墙体图像，识别所述目标墙体图像中的待喷涂区域，并将所述待喷涂区域分解为多个子区域；计算每个子区域内的全覆盖喷涂路径，并根据多个所述子区域构建邻接图，每个子区域为所述邻接图中的节点；根据所述邻接图对各个子区域进行路径规划，得到连接各个子区域终点与下一子区域起点的最优路径；按照所述最优路径和所述全覆盖喷涂路径对所述待喷涂区域进行喷涂。本发明通过将待喷涂区域分解为多个子区域，并对各个子区域进行路径规划，实现了墙体喷涂自动化，保证了喷涂质量，提高了喷涂效率。
-
公开(公告)号：CN113221921B
公开(公告)日：2022-05-27
申请号：CN202110558502.6
申请日：2021-05-21
Applicant: 吉林大学
IPC: G06V10/46
Abstract: 本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。
-
公开(公告)号：CN118470553A
公开(公告)日：2024-08-09
申请号：CN202410942816.X
申请日：2024-07-15
Applicant: 吉林大学
IPC: G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于空间光谱注意力机制的高光谱遥感图像处理方法，涉及高光谱遥感图像处理技术领域，所述方法包括：获取原始高光谱图像，对所述原始高光谱图像进行预处理得到输入数据块；将所述输入数据块输入到预设数量的卷积核中，提取目标特征图，并将所述目标特征图分别输入到第一多尺度特征融合模块得到第一特征融合特征图，将所述第一特征融合特征图输入到第二多尺度特征融合模块，输出第二特征融合特征图；将所述第二特征融合特征图和所述目标特征图相加，并根据分类器进行分类，得到目标分类结果图。本发明可以高效并精确的对高光谱遥感图像进行处理，得到准确的分类结果。
-
公开(公告)号：CN115841566A
公开(公告)日：2023-03-24
申请号：CN202211354729.X
申请日：2022-11-01
Applicant: 吉林大学
IPC: G06T19/20 , G06T17/00 , G06T15/20 , G06T7/40 , G06T7/11 , G06T7/00 , G06T3/60 , G06V20/70 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于对称性约束的人脸正面化方法，包括：基于人脸图像建立并拟合三维人脸模型；基于三维人脸模型和人脸图像，进行纹理提取，得到非正面姿态下的带非正面纹理的三维人脸模型，并进行旋转和渲染，得到正面姿态下的渲染图像；并分割得到脸部区域图像；将正面姿态下的渲染图像和脸部区域图像，输入生成对抗网络中的生成器网络，得到正面生成图像；训练时通过对称性损失函数对具有对称特性的脸部区域加以约束。考虑到人脸图像中面部器官存在很强的对称性，先将图像进行语义分割，然后再进行正面化。在正面化过程中，只对具有对称特性的面部器官区域加入对称性约束，而人脸其他部分不加入对称性约束，从而提高人脸正面化效果。
-
公开(公告)号：CN115780125A
公开(公告)日：2023-03-14
申请号：CN202211481927.2
申请日：2022-11-24
Applicant: 吉林大学
Abstract: 本申请公开了一种用于全覆盖遍历喷涂的喷涂方法及相关装置，方法基于喷枪模型及喷涂厚度分布模型，方法包括将待喷涂区域划分为若干子区域，根据子区域宽度及喷涂交叠距离与喷涂半径的关系确定喷涂半径；基于喷涂半径及喷枪雾锥角确定喷涂高度，并基于喷涂厚度及喷涂半径确定漆流速率和喷枪移动速度；控制喷涂设备按照各子区域对应的喷涂高度、漆流速率以及喷枪移动速度进行喷涂，以喷涂待喷涂区域。本申请在获取到喷涂参数后，根据子区域宽度及喷涂交叠距离与喷涂半径的关系确定喷涂半径，使得子区域宽度可以被喷涂设备的单次移动距离整除，解决了实际喷涂情况中喷涂不匀或可能遗留窄带无法喷涂的问题，实现喷涂区域均匀无遗漏全覆盖喷涂。
-
Patent Agency Ranking
公开(公告)号：CN115601648A
公开(公告)日：2023-01-13
申请号：CN202211355012.7
申请日：2022-11-01
Applicant: 吉林大学(CN)
IPC: G06V20/10 , G06V10/44 , G06V10/762 , G06V10/764
Abstract: 本发明公开了一种基于聚类分析的开集图像分类方法，包括步骤：将待分类遥感图像输入嵌入网络，得到嵌入特征，并基于聚类模块，确定嵌入特征对应的簇，根据簇确定簇对应的编解码网络；或者基于聚类模块，确定对应的簇，根据簇确定簇对应的嵌入网络和簇对应的编解码网络，并将待分类遥感图像输入嵌入网络，得到嵌入特征；将嵌入特征输入簇对应的编解码网络，得到分类结果；分类结果包括：分类类别和未知类别。由于编解码网络是按照簇分成多个，每个簇的嵌入特征之间比较相似，且与未知类别的待分类遥感图像的嵌入特征相差较大，则未知类别的待分类遥感图像可被该簇对应的编解码网络分类为未知类别，提高了基于聚类分析的代表性‑鉴别性开集识别框架对未知类别的区别能力。
-
公开(公告)号：CN103686187A
公开(公告)日：2014-03-26
申请号：CN201310682114.4
申请日：2013-12-07
Applicant: 吉林大学
IPC: H04N19/547 , H04N19/625 , H04N19/176 , H04N19/527
Abstract: 一种变换域的全局高精度运动矢量估计方法,该方法主要应用于平移运动图像序列运动矢量估计。该方法包括以下步骤：视频提取步骤，多维矩阵分块重组步骤，矩阵变换步骤，系数降维步骤，折叠点提取步骤，窗确定步骤，加窗数据筛选步骤，最小二乘直线迭代拟合步骤，获取运动矢量步骤。从本发明的实施例也证明了该方法精度误差能降到10-4量级，运动矢量估计的精度越高，而运动估计精度越高，差值的分布越趋近于零，差值块的能量越小，最后所产生的码流比特位率也越少，压缩性能越好。该方法参考了多帧图像，具有计算复杂度低，运动估计精度高且结果连续等特点，有效解决了现有空域内运动矢量估计方法估计结果局部最优、估计精度离散、高计算复杂度高的不足。
-
公开(公告)号：CN115726547B
公开(公告)日：2024-08-27
申请号：CN202211455146.6
申请日：2022-11-21
Applicant: 吉林大学
Abstract: 本发明所提供的一种自动喷涂墙体的控制方法及装置，所述方法包括：获取目标墙体图像，识别所述目标墙体图像中的待喷涂区域，并将所述待喷涂区域分解为多个子区域；计算每个子区域内的全覆盖喷涂路径，并根据多个所述子区域构建邻接图，每个子区域为所述邻接图中的节点；根据所述邻接图对各个子区域进行路径规划，得到连接各个子区域终点与下一子区域起点的最优路径；按照所述最优路径和所述全覆盖喷涂路径对所述待喷涂区域进行喷涂。本发明通过将待喷涂区域分解为多个子区域，并对各个子区域进行路径规划，实现了墙体喷涂自动化，保证了喷涂质量，提高了喷涂效率。
-
公开(公告)号：CN116935060A
公开(公告)日：2023-10-24
申请号：CN202310883617.1
申请日：2023-07-18
Applicant: 吉林大学
IPC: G06V10/40 , G06V10/764 , G06F17/14 , G06F17/16 , G06F17/18
Abstract: 本发明公开一种图像像素旋转尺度不变特征提取方法及相关设备，包括：获取待分析图像和待分析图像的待分析像素点；获取所述待分析像素点的邻域，获取所述邻域的旋转尺度不变特征，将所述旋转尺度不变特征作为待分析像素点的旋转尺度不变特征；其中，所述获取所述邻域的旋转尺度不变特征具体是以所述待分析像素点为原点，对所述邻域进行极坐标变换，对极坐标变换的结果在极角方向进行傅里叶变换，获取傅里叶变换结果的幅值特征和/或相位特征作为所述邻域的旋转尺度不变特征。本发明通过提取幅值特征和相位特征作为所述邻域的旋转尺度不变特征，使得提取的特征不随图像的旋转而改变，即提取的特征方向不变，不受图像方向的影响。
-
公开(公告)号：CN113221921A
公开(公告)日：2021-08-06
申请号：CN202110558502.6
申请日：2021-05-21
Applicant: 吉林大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.054 seconds)
