-
公开(公告)号：CN109740550A
公开(公告)日：2019-05-10
申请号：CN201910017125.8
申请日：2019-01-08
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于单目视觉的车道线检测与跟踪方法，包含以下步骤：A、图像采集；B、图像预处理；C、检测是否为第一帧图像，如果是，则送入第一帧图像车道线检测模块，如果不是，则送入跟踪过程车道线检测模块；D、对第一帧图像车道线检测模块和第一帧图像车道线检测模块的输出结果进行检测，确定是否为最后一帧，如果是，则结束，如果不是，则返回跟踪过程车道线检测模块重新处理。本发明能够完成车道线检测的研究工作。并完成对视频流的车道线检测跟踪工作，验证其实时性和鲁棒性。
-
公开(公告)号：CN109727259A
公开(公告)日：2019-05-07
申请号：CN201910012253.3
申请日：2019-01-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于残差U-NET网络的视网膜图像分割算法，包括以下步骤：A、下载彩色眼底视网膜图像，并对下载的图像进行样本扩充；B、对原始图像进行预处理；C、通过在U-NET网络上添加残差结构得到改进的残差U-NET网络；D、将处理后的视网膜图像作为输入，对训练样本进行预训练，得到残差U-NET网络模型的初始参数；E、采用训练好的残差U-NET神经网络模型对测试样本进行分割，得到最终的视网膜血管图像分割图；本发明采用残差U-NET网络模型对糖尿病视网膜图像进行分割，处理效果较好，可以广泛的应用在糖尿病视网膜诊断领域，为糖尿病视网膜图像的病理诊断提供了强大的理论和技术支持。
-
公开(公告)号：CN109711382A
公开(公告)日：2019-05-03
申请号：CN201910011058.9
申请日：2019-01-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的可视化定位方法，包括以下步骤：A、选择ResNet_34网络模型作为研究对象，并对ResNet_34网络模型进行合适的改进；B、对三维图像进行预处理，得到提取后的图像；C、改进模型关于图像分类和物体检测的算法，提高分类和检测物体的准确度；D、改进网络关于物体定位的算法，采用热力图成像达到定位效果；E、采用DPN双通道网络和基本聚类的算法改进ResNet_34网络模型，提高定位的准确度；本发明采用的定位方法能够提高图像的可视化定位效果，而且定位速度快，准确度高。
-
公开(公告)号：CN109691979A
公开(公告)日：2019-04-30
申请号：CN201910012330.5
申请日：2019-01-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的糖尿病视网膜图像病变分类方法，包括以下步骤：A、在kaggle网站上下载糖尿病视网膜图像数据集；B、对所得糖尿病视网膜图像数据集进行色彩平衡调整、亮度调整、对比度调整、缩放裁剪等预处理；C、在VGG网络模型的基础上，搭建新的VGG-L网络分类模型；D、采用预处理后的图像数据集对所搭建的模型进行训练；E、采用糖尿病视网膜图像测试集对训练后模型进行分类准确度判断。本发明采用的分类方法能将糖尿病视网膜图像按照病变程度进行五分类，并且分类准确度高，具有较好的鲁棒性和泛化性。
-
-
Patent Agency Ranking
公开(公告)号：CN111951382A
公开(公告)日：2020-11-17
申请号：CN202010802680.4
申请日：2020-08-11
Applicant: 哈尔滨理工大学
IPC: G06T17/00 , H04N13/221 , H04N13/275 , G03B15/05 , F16M13/02 , F16M11/42 , F16M11/26 , F16M11/06 , F16M11/04
Abstract: 本发明涉及通讯技术领域，公开了一种基于深度学习的三维重建信息处理设备，包括外架，所述外架的底部设有用于放置工件的工作台组件，所述外架的顶部设有对工件进行图像采集的拍摄组件，所述外架的中部设有对工件进行扫描的扫描组件，所述外架上还设有终端显示器；所述外架内设有内架，所述工作台组件安装于内架内的底部的中间位置，所述工作台组件包括升降台、真空吸附机、放置盘、滤网。通过工作台组件配合工作，使得三维重建设备适用于更广泛领域的工件产品，并有效防止了数据采集时出现位移误差，影响三维重建的效果。
-
公开(公告)号：CN110969128A
公开(公告)日：2020-04-07
申请号：CN201911219784.6
申请日：2019-12-03
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于多特征融合的海面背景下红外船舰的检测方法。其方法步骤主要包括：步骤1.获取待处理的红外图像R'(x,y)，并对图像R'(x,y)进行图像预处理，得到待检测完成预处理图像R(x,y)；步骤2.对图像R(x,y)进行Gist特征提取；步骤3.对图像R(x,y)进行HOG特征提取；步骤4.进行目标检测的KSH训练步骤；步骤5.进行目标检测的KSH测试步骤；步骤6.通过计算训练集和测试集里的Hash编码之间的汉明距离，即可判断海上船舰的检测，完成目标检测。利用多特征融合技术解决了通过单一特征提取算法的效率低下以及检测目标数据出现偏差的问题，提高了检测的准确率。
-
公开(公告)号：CN110889846A
公开(公告)日：2020-03-17
申请号：CN201911219540.8
申请日：2019-12-03
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种FCM的糖尿病视网膜图像视盘分割方法，属于图像处理技术领域。其方法步骤主要包括：步骤1获取待处理的原眼底图像R'(x,y)，并对图像R'(x,y)进行图像预处理；步骤2.对预处理后图像R(x,y)进行血管处理，包括血管分割和血管擦除，其中血管分割主要包括以下部分：血管增强、匹配滤波并进行灰度调整以及消除轮廓；步骤3.对血管擦除后的图像R进行视盘定位；步骤4.利用FCM(模糊C均值)算法进行视盘分割。利用FCM算法解决了计算量大，耗时较长，精确度不高等问题，提高了视盘分割过程的整体效率。
-
公开(公告)号：CN110689484A
公开(公告)日：2020-01-14
申请号：CN201910921698.3
申请日：2019-09-27
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种自动全景图片拼接方法及存储设备，存储设备接受图片,对所有图片中提取SIFT特征，再使用K-D树为每个特征点找到其的K个最近匹配特征点，然后对每个图像选择候选匹配图像，并使用RANSAC查找几何上一致的特征匹配，以求解图像对之间的单应性，再使用概率模型验证图像匹配，然后使用多波段混合渲染全景，最后输出全景图像，本发明可以自动识别构成全景图像一部分的图像，并在没有任何用户输入的情况下缝合它们。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.02 seconds)
