公开(公告)号：CN115761451A

公开(公告)日：2023-03-07

申请号：CN202211338266.8

申请日：2022-10-28

Applicant: 北京工业大学

Inventor： 李建强 ,  程文秀 ,  徐曦 ,  赵琳娜

IPC: G06V10/98 ,  G06V10/20 ,  G06V10/30 ,  G06V10/32 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种花粉分类方法、装置、电子设备及存储介质，其中方法包括：确定待分类花粉图像；基于待分类花粉图像，应用质量分类网络，确定图像质量结果；若图像质量结果为模糊，则基于待分类花粉图像，应用图像增强网络，确定待分类清晰花粉图像；基于待分类清晰花粉图像，应用分类模型，得到分类结果；分类网络是基于花粉样本图像和花粉类别标签训练得到的；合成清晰花粉图像是将模糊花粉图像输入至图像增强网络中得到的；清晰花粉图像和模糊花粉图像是将花粉图像输入至质量分类网络中确定的，实现了自动判断图像质量，并将模糊花粉图像生成对应的合成清晰花粉图像，降低了人工筛选的时间成本，且充分利用了离焦模糊花粉图像。

公开(公告)号：CN119579985A

公开(公告)日：2025-03-07

申请号：CN202411675524.0

申请日：2024-11-21

Applicant: 北京工业大学

Inventor： 赵琳娜 ,  徐曦 ,  李建强 ,  李怡龙 ,  王姝涵 ,  朱楚杰 ,  刘素芹 ,  程文秀

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/40 ,  G06V10/75 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/082 ,  G06N3/088

Abstract: 一种基于匹配式分层迁移网络的图像分类方法属于计算机视觉中的图像分类领域。首先，本发明先创建了利用预训练分类模型的中间层特征构建局部结构检测器，以此匹配全局和局部两类图像。其次，基于上述匹配结果，构建分层特征迁移策略分别建立浅层和通用特征迁移网络。对于一般特征来说，本发明直接进行参数共享。对于深度特异特征，构造域鉴别器并使用对抗损失和分类损失的组合来引导深度网络学习域不变特征。通过图像匹配和分层迁移的相互作用，有效提升迁移学习的性能，为图像分类任务提供了强有力的支持。

公开(公告)号：CN119006860A

公开(公告)日：2024-11-22

申请号：CN202410984986.4

申请日：2024-07-22

Applicant: 北京工业大学

Inventor： 徐曦 ,  高正凯 ,  李建强 ,  高若云 ,  郝康博 ,  李怡龙 ,  赵琳娜 ,  程文秀 ,  刘素芹

IPC: G06V10/75 ,  G06V10/74 ,  G06V10/46 ,  G06V10/44 ,  G06V10/30

Abstract: 一种基于局部‑整体视角的模板匹配方法属于计算机视觉领域。本发明通过形状上下文描述子和形状度量描述子分别计算模板和目标物体的局部和整体相似度，结合局部和整体视角的信息完成模板匹配。本发明首先需要构建模板库，之后进行模板匹配，匹配过程包括以下步骤：轮廓提取、轮廓特征描述以及特征匹配。首先从原始图片中提取目标轮廓，之后轮廓的局部和整体特征将用的两个特征描述子(形状上下文特征、形状度量特征)代表。最后根据特征描述子将目标轮廓与我们构建的模板库中的花粉模板相匹配，形成目标轮廓与模板间的对应关系，筛选强对应关系的目标轮廓区域作为匹配结果。本发明通过两个特征描述子，并通过细节和整体角度提高匹配准确度。

公开(公告)号：CN117636085A

公开(公告)日：2024-03-01

申请号：CN202310650643.X

申请日：2023-06-04

Applicant: 北京工业大学

Inventor： 李建强 ,  刘素芹 ,  王曌萱 ,  王一霖 ,  贾卓霖 ,  吴皓澜 ,  徐曦

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/25 ,  G06V10/26 ,  G06V10/28 ,  G06V10/44 ,  G06V20/69 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/088 ,  G06N3/094

Abstract: 本发明提供了一种基于轮廓引导显著目标定位的图像合成方法，针对真实花粉数据集数量有限、原始图像受杂质干扰的问题，本发明关注定位图像中显著性区域的研究。该方法首先将花粉WSI图像裁剪成最优尺寸，并设置背景筛选器过滤掉大量背景图像；使用无监督方法提取花粉图像轮廓图；引入全局对比度的显著区域检测方法获取花粉显著图；基于轮廓图中的边缘约束信息，在上述花粉显著图确定了花粉目标所处的区域，获得仅包括花粉颗粒的显著图；迭代应用GrabCut方法对显著图进行修正；将上述花粉显著图输入生成式对抗网络旨在合成新图像。该方法有效去除了杂质区域的干扰，获得了纯净仅包括花粉颗粒图像，为后续图像合成提供了高质量的数据基础。

公开(公告)号：CN113723470A

公开(公告)日：2021-11-30

申请号：CN202110908383.2

申请日：2021-08-09

Applicant: 北京工业大学

Inventor： 李建强 ,  赵琳娜 ,  徐曦 ,  王全增 ,  程文秀

IPC: G06K9/62 ,  G06N3/04 ,  G06T5/50

Abstract: 本发明提供一种融合多层信息的花粉图像合成方法、装置及电子设备，该方法包括：获取通过扫描同一花粉内容得到的与焦平面对应的多层花粉图像；计算多层花粉图像各自的真实感知分数，将多层花粉图像分为多对图像，在每对图像中进行真实感知分数大小的对比，并将对比结果作为标签；将每对图像和标签输入孪生神经网络进行处理，得到多层花粉图像的质量分数排序信息；将多层花粉图像及其质量分数排序信息输入条件生成对抗网络进行处理，得到合成的花粉图像。本发明达到了在合成过程中充分融合图像的深度信息、保留重要信息和提高多层信息利用率的目的。

公开(公告)号：CN113723453A

公开(公告)日：2021-11-30

申请号：CN202110823678.X

申请日：2021-07-21

Applicant: 北京工业大学

Inventor： 陈星雨 ,  句福娇 ,  徐曦 ,  李建强

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种花粉图像分类方法及装置，该方法包括：将待分类花粉图像输入生成对抗网络模型，输出待分类花粉图像的重建图像；将重建图像输入分类模型，输出待分类花粉图像的植物科类别；其中，预处理图像的分辨率小于第一样本花粉图像的分辨率。本发明实现使用生成对抗网络模型对待分类花粉图像的分辨率和语义细节进行重建，获取具有较高的分辨率和较多的语义细节的重建图像，使得分类模型可以根据具有较高的分辨率和较多的语义细节的重建图像输出更加准确的分类结果。