-
公开(公告)号：CN113076957A
公开(公告)日：2021-07-06
申请号：CN202110427296.5
申请日：2021-04-21
Applicant: 河南大学
Abstract: 本发明公开了一种基于跨模态特征融合的RGB‑D图像显著性目标检测方法，包括：步骤1、基于跨层连接方式的U‑Net网络，将RGB和Depth分别输入到ResNet‑50主干网络中提取图像特征，其中RGB图像提取出五个阶段的特征；Depth图像提取出五个阶段的特征；步骤2、将两种模态下顶层特征R5和D5输入到跨模态通道细化模块中获取跨模态特征RD；将Depth模态下的D1～D5和RD通过跨模态引导模块引导RGB进行特征提取；步骤3、将RGB模态下的R1～R5和RD通过残差自适应选择模块进一步保留图像的前景显著信息，丢弃有干扰的背景信息；多层损失函数引导网络最终生成显著性结果图。本发明能够充分利用Depth信息提供的深度线索，增强RGB和Depth两种模态下的特征融合，增强模型对各个通道特征的辨别能力。
-
公开(公告)号：CN112312511B
公开(公告)日：2021-06-04
申请号：CN202010926383.0
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于树的无线传感器网络能耗均衡的改进LEACH方法，首先确定簇头传感器节点和区域内的工作节点，然后基于树算法构建路由树，实现无线传感器网络的能耗均衡；本发明在进行簇头选择时，考虑了传感器节点到基站的距离和传感器节点当前的剩余能量，使距离基站较近和剩余能量大的传感器节点优先成为簇头；其次，在无线传感器网络中所有传感器节点都加入相应的簇头形成簇之后，对每个簇进行区域划分并选择工作节点，并且优先选择剩余能量大于该簇平均剩余能量的传感器节点作为工作节点，避免远距离传输造成巨大的能量消耗，从而使传感器节点的能量消耗得到均衡，延长无线传感器网络的生命周期。
-
公开(公告)号：CN112329800A
公开(公告)日：2021-02-05
申请号：CN202011408397.X
申请日：2020-12-03
Applicant: 河南大学
Abstract: 本发明提供了一种基于全局信息引导残差注意力的显著性目标检测方法，通过将图像输入到主干网络提取特征；设计全局信息互补模块获取丰富的全局信息并引导整体网络；通过多尺度并行卷积提取多尺度信息；通过特征融合模块融合全局信息和多尺度信息；通过残差注意力模块增强显著性目标特征，经过多级监督最终输出显著性结果。本发明不仅能够从ResNet‑50主干网络提取图像特征，并且提出的全局信息互补模块能够将主干网络中低层次细节信息与高层次丰富语义信息融合到一起，且设计的残差注意力模块能够将图像特征中更大的权重集中在前景显著性区域中，过滤掉无用的背景信息，与现有的显著性检测方法相比具有良好的性能。
-
公开(公告)号：CN112312511A
公开(公告)日：2021-02-02
申请号：CN202010926383.0
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于树的无线传感器网络能耗均衡的改进LEACH方法，首先确定簇头传感器节点和区域内的工作节点，然后基于树算法构建路由树，实现无线传感器网络的能耗均衡；本发明在进行簇头选择时，考虑了传感器节点到基站的距离和传感器节点当前的剩余能量，使距离基站较近和剩余能量大的传感器节点优先成为簇头；其次，在无线传感器网络中所有传感器节点都加入相应的簇头形成簇之后，对每个簇进行区域划分并选择工作节点，并且优先选择剩余能量大于该簇平均剩余能量的传感器节点作为工作节点，避免远距离传输造成巨大的能量消耗，从而使传感器节点的能量消耗得到均衡，延长无线传感器网络的生命周期。
-
公开(公告)号：CN110139000B
公开(公告)日：2020-10-23
申请号：CN201910288848.1
申请日：2019-04-11
Applicant: 河南大学
IPC: H04N1/32 , H04L9/00 , H04L9/08 , H04N19/124
Abstract: 本发明提供的基于压缩感知和生命游戏置乱的图像压缩加密方法，该方法包括：步骤1、采用离散小波变换对大小为m×n的明文图像P进行稀疏化处理，得到明文图像P的系数矩阵P1；步骤2、将预生成的初始细胞矩阵S0采用生命游戏规则进行迭代得到置乱矩阵SM；步骤3、采用所述置乱矩阵SM对所述系数矩阵P1进行置乱，得到置乱后的矩阵P2；步骤4、采用压缩感知算法对所述矩阵P2进行压缩加密，得到测量值矩阵P3；步骤5、对所述测量值矩阵P3进行量化和扩散，得到与所述明文图像P对应的密文图像C。本发明可在对图像数据进行压缩的同时，有效保护数据的安全。
-
Patent Agency Ranking
公开(公告)号：CN104318261B
公开(公告)日：2016-04-27
申请号：CN201410607957.2
申请日：2014-11-03
Applicant: 河南大学
Abstract: 本发明公开了一种图嵌入低秩稀疏表示恢复稀疏表示人脸识别方法，属于计算机视觉和模式识别技术领域。本发明包括以下步骤：首先，提出一种图嵌入低秩稀疏表示恢复方法，能够从训练样本数据矩阵恢复出判别力强的干净训练样本数据矩阵，同时得到训练样本数据误差矩阵；然后，以干净训练样本数据矩阵为字典，以训练样本数据误差矩阵为误差字典，采用范数最优化技术求解待识别人脸数据的稀疏表示系数；更进一步，利用待识别人脸数据的稀疏表示系数，对待识别人脸数据进行类关联重构；最后，基于待识别人脸数据的类关联重构误差，完成待识别人脸图像的识别。本发明能够解决训练样本图像和待识别图像都受噪声污染或局部被遮挡情况下的人脸识别问题。
-
公开(公告)号：CN105303876A
公开(公告)日：2016-02-03
申请号：CN201510638361.3
申请日：2015-09-23
Applicant: 河南大学
Abstract: 本发明公开了一种面向停车服务的车联网系统，包括车牌识别系统，收费管理系统，短信息数据传输单元，在停车场中设置的若干个Wi-Fi热点，控制主机，和车联网云平台；车联网云平台包括GPS定位模块，车库监控终端，车位空余数量及位置储存模块，人机操作界面，中央处理器，液晶显示屏，语音单元和Wi-Fi模块。本发明通过车牌的识别，实现了不停车收费管理；建立了统一的停车费集中支付平台，车主网上注册、自助缴费、网络自动扣费，使用方便；同时实现了停车位指引，快速停车的功能。
-
公开(公告)号：CN114494110A
公开(公告)日：2022-05-13
申请号：CN202111465959.9
申请日：2021-12-03
Applicant: 河南大学
Abstract: 本发明公开了一种基于注意力引导图像增强网络的地下排污管道内部缺陷检测方法，与现有的弱监督学习方法相比，本发明增设了一个图像增强模块，通过对图像中目标物体的位置信息和物体各部分的辨别情况进行适当调整来获取对原始图像进行补充增强的物体增强图，获取的增强图像和排污管道内部图像的原始图像作为输入数据再次输入网络进行训练，得到增强后的特征图和其注意力图进行像素点乘，最终得到对象目标细节更加丰富且完整的结果图。
-
公开(公告)号：CN114332490A
公开(公告)日：2022-04-12
申请号：CN202111414795.7
申请日：2021-11-25
Applicant: 河南大学
Abstract: 本发明公开了一种基于涂鸦监督的高分辨显著性目标检测方法，图像处理，将原始分辨率图像送入边缘结构保存分支来在较高分辨率下提取丰富的边缘细节特征；特征提取，将缩放的图像经过轻量级的MobileNet骨干网络来提取具有较大感受野的特征图，然后将不同尺度特征通过短连接的方式送到多尺度上下文融合模块得到多尺度特征；边缘提取，原始分辨率图像被送入边缘结构保持分支，使其在较高分辨率下提取显著目标的边缘特征；特征融合，两个分支的特征图分别通过1×1卷积和双线性插值扩张到相同的尺寸和维度来进行特征融合。解决了高分辨率图像处理问题，提高了分割结果的质量和减小了高分辨率图像引起的计算机内存消耗。
-
公开(公告)号：CN112950477A
公开(公告)日：2021-06-11
申请号：CN202110277184.6
申请日：2021-03-15
Applicant: 河南大学
Abstract: 本发明公开了一种基于双路径处理的高分辨率显著性目标检测方法，包括：图像处理，输入的高分辨率图像首先经过包含深度可分离卷积的HeadBottleneck模块，对原始高分辨率图像预处理降低其参数量；较大感受野特征提取，全局上下文路径首先经过基于ResNet‑50改进的骨干网络R‑ResNet来提取具有较大的感受野的特征；多尺度特征提取，R‑ResNet骨干网络得到的特征被送入多尺度特征提取和增强模块；显著图生成，空间细节保持分支通过边缘信息引导模块提取详细的边缘信息，然后与全局上下文分支得到的特征互补融合得到最终的显著图结果。本发明能够实现对高分辨率图像中的显著性目标进行精确检测并快速分割，最终输出目标显著图，可以为高分辨率显著性目标检测提供一种解决方法。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.028 seconds)
