-
公开(公告)号：CN111461129A
公开(公告)日：2020-07-28
申请号：CN202010253715.3
申请日：2020-04-02
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于上下文先验的场景分割方法及系统，属于模式识别领域。方法包括：构建场景分割网络；该网络包括特征提取模块、特征聚合模块、上下文先验模块和特征融合模块；前两个模块依次对输入图像进行特征提取和特征聚合；上下文先验模块，对聚合得到的特征进行学习得到上下文先验图，上下文先验图学习得到类内先验和类间先验，将其与特征聚合模块的输出进行加权，对应得到类内特征和类间特征；特征融合模块，将特征提取模块输出的特征图、类内特征和类间特征进行级联融合和上采样后输出；将待分割场景图像输入训练好的场景分割模型，得到分割结果。本发明能够清楚地捕获类内特征和类间特征，有效提高了场景分割的准确度。
-
公开(公告)号：CN108629288B
公开(公告)日：2020-05-19
申请号：CN201810314455.9
申请日：2018-04-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种手势识别模型训练方法、手势识别方法及系统，其中训练方法包括采集多种场景下的手势图片样本，在手势样本上进行随机裁剪，得到新的手势样本，将手势图片样本和新的手势样本作为样本集；构建Light YOLO网络，利用样本集对Light YOLO网络进行训练，得到第一Light YOLO网络；在第一Light YOLO网络的每一层卷积层后面加一个selective‑dropout层，得到第二Light YOLO网络，利用样本集对第二Light YOLO网络进行训练收敛，然后进行通道裁剪，进而得到手势识别模型。本发明提升了网络对分辨率较小的手势的检测性能。使得本发明的手势识别方法准确率高以及实时性好。同时使得本发明系统能直接从图片得到识别结果，可以进行端到端的优化。
-
公开(公告)号：CN109903233A
公开(公告)日：2019-06-18
申请号：CN201910023228.5
申请日：2019-01-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于线性特征的联合图像复原和匹配方法，该方法构造线性映射矩阵，提取主要线性特征计算初始化清晰实时图像和加权稀疏系数，选出清晰实时图像的加权稀疏系数中最大分量，其对应像素字典矩阵中的元素在参考图像中的位置即为最终匹配结果。本发明还提供了实现上述方法的系统。本发明提取线性特征，起到了减轻图像模糊带来的干扰，去除大量无用的信息，保持用稀疏系数重构清晰实时图像的线性关系的作用，具有提高图像复原和匹配准确性的技术效果，同时降低计算量，提高实时性。
-
公开(公告)号：CN106920276B
公开(公告)日：2019-05-14
申请号：CN201710098523.8
申请日：2017-02-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种三维重建方法和系统，其中方法的实现包括：基于校正后的左、右视角图像提取左、右特征点的特征向量，通过计算左、右特征点特征向量之间的空间距离寻找左、右支撑点，基于左支撑点对左视角图像进行三角剖分得到多个左三角形，在左三角形内取左估测点，右估测点由左估测点在右视角图像对应行遍历得到，基于左估测点的视差先验信息和左、右估测点之间的似然概率分布建立联合概率分布，使用最大后验概率估计左、右估测点之间的视差，得到视差图；基于视差图使用三角测量恢复目标景深信息，得到三维点云。这种方法可以快速、精确的找到视差图，上述方法得到的点云可用于厚度测量和距离测量，实现了自动化测量。
-
公开(公告)号：CN106599891B
公开(公告)日：2019-05-14
申请号：CN201610909042.6
申请日：2016-10-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法，在显著性特征图获取阶段，对遥感图像进行尺度变换，利用傅里叶变换获取变换后图像的相位谱并使用相位谱重建图像；利用生物视觉感知机制提高显著性特征图对比度，重复执行直到显著性特征图的对比度满足迭代终止条件后将显著性特征图变换到原图的尺度下；在区域提取阶段，使用多个阈值对显著性特征图二值分割，以在大阈值范围内保持不变的区域作为候选的显著性区域，去掉重复和重叠率高的显著性区域，余下的即为遥感图像感兴趣区；该方法利用图像的相位谱所表达的信息结合生物视觉感知机制，具有对感兴趣区域提取准确，计算效率高，适应性和抗干扰能力好的特点。
-
Patent Agency Ranking
公开(公告)号：CN106548139B
公开(公告)日：2019-04-12
申请号：CN201610922236.X
申请日：2016-10-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种行人重识别方法，包括行人特征提取和特征的度量；行人特征提取主要采用滑动窗口提取图像颜色直方图，对主颜色进行扩展，再在每一行滑窗中统计每一颜色模式出现的次数，选取较大的几次之和作为该颜色的特征输出，滑窗遍历整幅图像，归一化后形成特征。为了匹配更加普适化，提取搜索源从全身到半身的特征。在度量计算时，用带搜索图像特征向量不为0的特征维度与待搜索目标特征做欧氏距离，进一步减小了复杂场景下背景因素的干扰；将本发明提供的行人重识别方法应用于复杂场景下行人的重识别，对于场景变化的可移植性强，算法稳定、速度快，能有效解决监控视频和待搜索数据库质量不高的问题，实用性强。
-
公开(公告)号：CN109299664A
公开(公告)日：2019-02-01
申请号：CN201810979958.8
申请日：2018-08-27
Applicant: 华中科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种行人重识别的重排序方法，包括：采集行人目标图片，获取正负样本对特征向量作为样本得到样本集合，将样本集合划分为训练集和测试集；对训练集中的样本进行训练得到原始度量矩阵，计算测试集中样本的相似度后对相似度进行排序，得到初始排序列表；在训练集中使用交叉验证法，得到验证集的排序列表，利用难例挖掘将训练集中的样本分为困难、中等和简单三个级别；在正负样本对特征向量的距离约束下，对训练集中困难和中等级别的样本进行训练得到度量矩阵；利用度量矩阵计算初始排序列表中部分样本的相似度重新排序，得到最终的重排序列表。本发明方法有效区分视觉上相似的样本，重排序后显著提高识别准确率。
-
公开(公告)号：CN108647577A
公开(公告)日：2018-10-12
申请号：CN201810323425.4
申请日：2018-04-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种自适应难例挖掘的行人重识别模型、方法与系统，其中，识别方法包括：将样本图片随机分成每次迭代使用的训练集合，将训练集合输入卷积神经网络，利用softmax函数得到每个样本对属于正、负样本对的概率，进而利用多项逻辑斯蒂函数得到每个样本对的损失；利用每个样本对的损失获取难例样本对；利用难例样本对训练卷积神经网络，直到当前迭代次数达到迭代次数上限，得到行人重识别模型。利用行人重识别模型提取待识别图片集的中每个图片的特征，进而得到待识别图片集中样本对的相似度排序。本发明不存在过拟合、欠拟合、且识别准确率高。
-
公开(公告)号：CN105261023B
公开(公告)日：2018-09-21
申请号：CN201510683548.5
申请日：2015-10-20
Applicant: 华中科技大学
IPC: G06T7/50
Abstract: 本发明公开了一种大气折射修正状态下目标重建方法，属于图像处理的三维重建方法，解决现有目标重建方法未考虑大气折射对光线传播影响而导致的目标定位误差较大的问题，可用于远距离预警系统。本发明方法包括：(1)确定过目标和地心的直线方程；(2)根据相机C1成像信息确定目标位置P1'；(3)根据相机C2成像信息确定目标位置P2'；(4)得到准确的目标实际位置P'。本发明考虑了大气折射的影响，并针对不同地区、不同季节、不同高度时大气的折射率不同的问题，计算大气折射率时，按照不同地区、不同季节、不同高度的情况考虑，本发明重建得到的目标位置更接近目标实际位置，具有更高的目标定位精度,为高精度预警信息的获取提供了保障,可提升预警系统的整体性能。
-
公开(公告)号：CN108520497A
公开(公告)日：2018-09-11
申请号：CN201810217553.0
申请日：2018-03-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法，包括：利用退化图像和初始清晰图像对模糊核的约束与梯度算子正则化来估计模糊核，得到模糊核的估计；利用模糊核的估计和字典D对初始清晰图像的约束来估计初始清晰图像，得到清晰图像估计；采用距离加权的稀疏表达算法，得到清晰图像估计在字典集中的稀疏表达系数向量估计；对上述步骤进行A次迭代，得到目标图像和目标图像在参考图像中的初始定位；缩小参考图像的范围后利用上述方法得到目标图像的复原图像和定位结果。本发明有效解决了现有模糊图像复原与匹配方法中存在的对噪声敏感、较差的复原效果对匹配任务造成严重的影响等问题，适用于视觉导航系统。
-
-
-
-
-
-
-
-
-
Search Results
291
records
(took 0.05 seconds)
