-
公开(公告)号：CN118397063B
公开(公告)日：2024-10-18
申请号：CN202410481590.8
申请日：2024-04-22
Applicant: 中国矿业大学
IPC: G06F30/27
Abstract: 本发明公开了煤矿单轨吊无人驾驶中自监督单目深度估计方法及系统，涉及图像深度估计领域。首先提出了自适应特征聚合算法，用于在深度估计网络中聚合高低尺度特征的同时自适应地保持其上下文一致性；然后提出一个旋转量优化算法，用于在位姿网络中加权融合原始主路径与其他路径的前3维向量来细化旋转分量；最后提出图像边缘相似性损失函数，为深度估计提供形状先验，作为额外的自监督信号来约束网络。本发明能够有效提高预测深度的精度，使得煤矿单轨吊对作业人员和障碍物的位置距离远近能够更准确地估计，增强去精准判断与预防碰撞障碍物与作业人员的能力，提高煤矿单轨吊无人驾驶安全通过性，并具有良好的泛化性能。
-
公开(公告)号：CN118781016A
公开(公告)日：2024-10-15
申请号：CN202410877834.4
申请日：2024-07-02
Applicant: 中国矿业大学
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于图像去雾技术领域，提出一种矿井尘雾环境下自适应图像去雾增强方法及系统。首先建立包括图像分级预处理模块、自适应处理模块和优化模块的图像处理模型；将通过图像分级预处理模块处理之后的图像输入自适应处理模块；通过图像优化模块对经过自适应处理模块处理之后的图像进一步优化；输出优化之后的图像。本发明在实际运用中可以对矿井尘雾环境下图像的精确、高效和稳定去雾，显著提升了图像质量和煤矿安全隐患识别的能力。
-
公开(公告)号：CN117078659B
公开(公告)日：2024-01-26
申请号：CN202311221440.5
申请日：2023-09-21
Applicant: 中国矿业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/09
Abstract: 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样
-
公开(公告)号：CN116977220A
公开(公告)日：2023-10-31
申请号：CN202310985961.1
申请日：2023-08-07
Applicant: 中国矿业大学
IPC: G06T5/00 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像去模糊处理技术领域，具体地说，是一种基于图像质量启发的盲图像去运动模糊算法，基于去模糊算法旨在提高图像质量以及去模糊过程缺乏先验知识的事实，提出了图像质量先验引导的盲图像去运动模糊算法。具体而言，首先，借助基于深度神经网络的无参考图像质量评价模型提取包含质量信息的深度特征作为先验知识。然后，采用特征预测策略将先验知识嵌入图像去模糊模型的编码器中。最后，采用编码器复用策略将图像去模糊模型中解码器的输出图像再次输入模型编码器中并预测质量评价模型提取的清晰图像的质量特征。本发明在不增加计算成本的基础上，为去模糊模型引入图像质量先验知识，提高了模型的去模糊效果和泛化性能。
-
公开(公告)号：CN113538249A
公开(公告)日：2021-10-22
申请号：CN202111031496.5
申请日：2021-09-03
Applicant: 中国矿业大学
Abstract: 一种用于视频监控高清呈现的图像超分辨率重建方法及装置，通过引入一个额外的约束来开发一个改进的双重回归方案，这样映射可以形成一个闭环，LR图像可以被重建来提高SR模型的性能，通过提出的双重回归方案，深度模型可以很容易地适应现实世界的数据；对于配对训练数据和非配对现实数据的SR任务都进行了研究；提出的双重回归方案利用真实世界的LR数据和成对的合成数据，使SR模型适应新的LR数据，此方法不同于完全抛弃配对的合成数据。
-
Patent Agency Ranking
公开(公告)号：CN112102388A
公开(公告)日：2020-12-18
申请号：CN202010987267.X
申请日：2020-09-18
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于巡检机器人单目图像获取深度图像的方法及装置，属于图像处理技术领域，解决了现有现有的方法获得的深度图像精确度较低的问题。方法包括：构建多尺度卷积神经网络；所述多尺度卷积神经网络包括第一尺度卷积神经网络、第二尺度卷积神经网络和第三尺度卷积神经网络；基于变焦距数据集对所述多尺度卷积神经网络进行训练，得到多尺度卷积神经网络的最优网络结构并保存；将巡检机器人拍摄的单目图像输入所述多尺度卷积神经网络的最优网络结构，得到单目图像对应的深度图像，提高了深度图像的精确度。
-
公开(公告)号：CN111754408A
公开(公告)日：2020-10-09
申请号：CN202010607671.X
申请日：2020-06-29
Applicant: 中国矿业大学
Abstract: 本发明涉及一种高实时性的图像拼接方法，属于图像处理技术领域，解决了现有图像拼接方法计算复杂、精度低、实时性差的问题。该方法包括：获取待拼接的第一和第二图像；提取第一图像和第二图像的特征点集；采用CLBP编码对特征点集中的每一特征点进行描述，获得描述符集；基于描述符集，采用最近邻比率分类器进行特征点初匹配，获得特征点对集；剔除特征点对集中的误匹配特征点对，并获得第一图像和第二图像间的投影变换矩阵；基于投影变换矩阵进行融合获得拼接图像。该方法通过提取图像中分布均匀的特征点，采用CLBP编码对特征点进行描述，避免过多的特征点参与匹配过程，降低了计算复杂度的同时，提高了计算精度与拼接实时性。
-
公开(公告)号：CN111667412A
公开(公告)日：2020-09-15
申请号：CN202010550465.X
申请日：2020-06-16
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于交叉学习网络的图像超分辨率的重建方法及装置，属于图像处理技术领域，解决了现有的图像超分辨率重建方法只是对单一路径的残差网络进行学习造成了的重建图像质量较差的问题。构建交叉学习网络模型，所述交叉学习网络模型包括三支子残差网络、交叉共享层和图像重建层；对三支子残差网络和交叉学习网络模型分别进行训练，以得到所述交叉学习网络模型的最优网络模型结构并保存；将待重建的低分辨率图像输入所述最优网络模型结构，得到低分辨率图像对应的高分辨率图像。实现了低分辨率图像的重建，提高了低分辨率图像的重建质量。
-
公开(公告)号：CN111639212A
公开(公告)日：2020-09-08
申请号：CN202010464038.X
申请日：2020-05-27
Applicant: 中国矿业大学
IPC: G06F16/583 , G06K9/40 , G06K9/46 , G06K9/62
Abstract: 本发明涉及一种矿用智能视频分析中的图像检索方法，属于图像检索技术领域，解决了现有技术检索准确率低、效率低，导致矿井安全生产视频监控中的异常行为和场景识别可靠性低的问题。该方法包括，对包含矿井异常信息的目标图像进行预处理获得相同的第一图像和第二图像；从第一图像中获得方差自适应量化颜色直方图；从第二图像中提取梯度信息和符号信息；将方差自适应量化颜色直方图、梯度信息及符号信息进行特征自适应融合获得目标图像的融合特征；对融合特征进行降维获得融合主特征；利用融合主特征在矿井视频所包含的多帧图像中进行检索以实时辨识矿井异常。该方法在提高检索效果的同时，提高了矿井异常监控效率，提升矿井的安全检测水平。
-
公开(公告)号：CN108550115B
公开(公告)日：2020-06-16
申请号：CN201810380243.0
申请日：2018-04-25
Applicant: 中国矿业大学
Abstract: 本发明涉及一种图像超分辨率重建方法，属于图像处理技术领域，解决了现有技术生成图像边缘信息模糊、不能适用多种放大倍数以及重建效果差的问题。所述方法包括如下步骤：构造训练和学习的卷积神经网络，所述卷积神经网络从上到下依次包括LR特征提取层、非线性映射层、HR重建层；用该卷积神经网络对输入的成对的LR图像和HR图像进行训练，同时进行至少两个放大尺度的训练，求得卷积神经网络的最优参数集和相应放大尺度下的尺度调节因子；训练完成后，将目标LR图像和目标放大倍数输入所述卷积神经网络，可得到目标HR图像。本发明卷积神经网络训练速度快，训练完成后可以实时得到训练尺度中任意放大倍数的HR图像。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.04 seconds)
