-
公开(公告)号：CN115115686B
公开(公告)日：2023-07-18
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
IPC: G06T7/50 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
公开(公告)号：CN111667509B
公开(公告)日：2023-05-26
申请号：CN202010531057.X
申请日：2020-06-11
Applicant: 中国矿业大学
Abstract: 本发明涉及目标跟踪技术领域，尤其涉及一种目标与背景颜色相似下的运动目标自动跟踪方法及系统，解决了直接采用CAMshift算法进行目标跟踪时的缺陷。方法包括：步骤S1：处理视频流，得到去噪后的序列帧图像；步骤S2：处理序列帧图像，得到第一帧图像中的前景目标；去除前景目标中的阴影，得到第一帧图像的运动目标区域；步骤S3：读取下一帧图像，将其作为当前帧图像，获取并处理当前帧图像、前一帧图像的运动目标区域的颜色‑曲率概率分布图，得到当前帧图像的候选区域；步骤S4：若当前帧图像的候选区域与前一帧图像的运动目标区域之间的巴氏距离大于距离阈值，将候选区域作为其运动目标区域；重复执行步骤S3与步骤S4，实现所述运动目标的跟踪。
-
公开(公告)号：CN115330874B
公开(公告)日：2023-05-16
申请号：CN202211070202.4
申请日：2022-09-02
Applicant: 中国矿业大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN114049251A
公开(公告)日：2022-02-15
申请号：CN202111022598.0
申请日：2021-09-01
Applicant: 中国矿业大学
Abstract: 一种用于AI视频分析的模糊图像超分辨率重建方法及装置，提出的多尺度特征提取及融合网络能够得到不同尺度下的浅层图像特征，增加图像特征的丰富度；采用多路径递归残差网络模型，可以很好地学习LR图像和HR图像之间的高频残差特征，首先，不同路径之间的信息可以相互共享，使得网络能够自适应地检测不同尺度的图像特征。其次，每一条路径可以从不同路径的梯度中受益，更加有助于图像特征信息的传播和梯度流动，以缓解训练过程中梯度的消失问题，提高训练效果和图像重建性能；采用的自门控Swish激活函数，有助于解决随着网络层数加深会出现过拟合问题，使得图像超分辨率重建有着较好的性能。
-
公开(公告)号：CN113627383A
公开(公告)日：2021-11-09
申请号：CN202110978611.3
申请日：2021-08-25
Applicant: 中国矿业大学
Abstract: 本发明提出了一种用于全景智能安防的行人徘徊重识别方法，该方法主要包括视频图片采集，图片质量评估，行人检测和重识别，徘徊判断几个部分：第一部分是图片采集部分，该部分是实现实时预览安防视频按秒截取图片并收集在存储器中；第二部分是图片质量评估，截取到的图片可能存在模糊，遮挡物过多等问题，将这样一些图片筛选掉；第三部分是行人检测和行人重识别，在这部分，我们联合检测和行人特征识别，将截取到的全景图片送入一个单一的神经网络中联合处理行人检测和重识别这两个任务；第四部分是行人徘徊判断，我们通过对相机id是否相同以及图片间隔时长判断行人是否徘徊。
-
Patent Agency Ranking
公开(公告)号：CN113610912A
公开(公告)日：2021-11-05
申请号：CN202110931555.8
申请日：2021-08-13
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。
-
公开(公告)号：CN113592718A
公开(公告)日：2021-11-02
申请号：CN202110924404.X
申请日：2021-08-12
Applicant: 中国矿业大学
Abstract: 本发明是一种基于多尺度残差网络的矿井图像超分辨率重建方法及系统，该系统是通过图像超分辨率重建模型将低分辨率图像重建为高分辨率图像，图像超分辨率重建模型由浅层特征提取模块、深层特征提取模块和特征重建模块组成，深层特征提取模块由m个融合多尺度卷积、卷积注意力机制和残差连接的多尺度残差注意力组和一个特征融合层组成，整个特征提取模块采用简化后的密集网络将提取到的浅层特征和不同层次的深层特征传送到特征融合层进行特征融合。该矿井图像超分辨率重建方法包括如下步骤：提取图像浅层特征、深层特征，将提取到的浅层和深层特征进行融合，图像重建。本发明能够更有效的利用特征信息，可以有效防止图像特征信息丢失。
-
公开(公告)号：CN113554572A
公开(公告)日：2021-10-26
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。
-
公开(公告)号：CN107945111B
公开(公告)日：2021-07-27
申请号：CN201711143013.4
申请日：2017-11-17
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于SURF特征提取结合CS‑LBP描述符的图像拼接方法，包括以下步骤：获取待拼接图像；使用SURF提取待拼接图像的特征点信息；求取上述每个特征点的Harr描述符和CS‑LBP描述符；利用上述得到的Harr描述符和CS‑LBP描述符，确定待拼接图像的特征点匹配对；利用平滑的渐入渐出法对匹配后的图像进行融合，得到拼接图像。CS‑LBP采用中心对称比较方法，相对于传统LBP更简化，运行效率更高；SURF和CS‑LBP结合方法在保持SURF速度快、可以实时处理的基础上，对大面积旋转、光照复杂图像的拼接效果良好。
-
公开(公告)号：CN107784651B
公开(公告)日：2021-03-02
申请号：CN201711047982.X
申请日：2017-10-31
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于模糊检测加权的模糊图像质量评价方法。包括以下步骤：对待评价图像进行边缘检测，得到边缘像素点；对上述图像进行分块，并将划分的图像块分为边缘块和平滑块；利用上述各边缘像素点的局部标准差和权值，得到整个图像的质量分数。本发明利用反映人眼视觉信息的模糊检测概率对各边缘像素点的局部标准差进行加权，能够很好得反映人眼视觉信息，提高了客观评价方法与主观图像质量评价方法的一致性，同时将低于最小可见模糊的边缘像素点权值设为零，评价指标具有更强的针对性，质量评价的准确度更高。
-
-
-
-
-
-
-
-
-
Search Results
259
records
(took 0.03 seconds)
