-
公开(公告)号：CN113269680A
公开(公告)日：2021-08-17
申请号：CN202110174118.6
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于排序学习和孪生神经网络的图像修复质量评价方法，具体包括训练数据集的生成、孪生网络的搭建、局部结构连贯性和颜色纹理一致性评估模块的设计、模型的训练与测试等内容。本发明基于深度学习并具备端到端的学习能力，可以实现对两张待评价图像对的质量排序任务。本发明所创建的训练数据集，弥补了本领域的数据集缺失问题；本发明提出的网络结构能够很好的评估被修复区域与周围已知区域，以及被修复区域内部在结构上的连贯性和颜色纹理等内容上的一致性。经实验测试，本发明提出的网络模型，在对修复图像质量排序结果的准确率上比现有方法高，从而证明了本发明的效果和实用性。
-
公开(公告)号：CN113205103A
公开(公告)日：2021-08-03
申请号：CN202110415552.9
申请日：2021-04-19
Applicant: 金科智融科技(珠海)有限公司 , 北京工业大学
Abstract: 一种轻量级的文身检测方法属于计算机视觉领域。本发明首先进行文身数据的准备，然后构建基于YOLOv5的单阶段轻量级目标检测框架：把主干网络的提取的深度卷积特征构建特征金字塔，再提取金字塔上三个不同尺度的特征图送入Head层得到最终的结果。针对文身图像的特点，本发明额外引入了直方图损失，目的是使网络更加关注文身图案区域，提升文身检测的性能。本发明在维持文身检测的精度的同时显著降低了参数量和计算量，为实用化提供了技术积累。
-
公开(公告)号：CN110782494A
公开(公告)日：2020-02-11
申请号：CN201910981919.6
申请日：2019-10-16
Applicant: 北京工业大学
Abstract: 一种基于点线融合的视觉SLAM方法，首先输入一幅图像，预测相机位姿，对图像提取特征点，利用多个视角间的时序信息估计并提取特征线。匹配特征点和特征线，在前后帧跟踪特征，建立帧间的关联，然后对当前帧的位姿进行优化，并优化二维特征线，以提升特征线的完整度。判断当前是否为关键帧，对于关键帧，则加入地图中，并更新地图中的三维点和线，对当前关键帧和相邻的关键帧进行联合优化，优化相机的位姿和三维特征。并剔除部分外点，剔除冗余的关键帧。最后对关键帧进行回环检测，若当前关键帧和之前帧为相似场景，则闭合回环，并进行一次全局优化，消除累积误差。本发明在基于点和线的SLAM系统框架下，利用多个视角图像的时序关系，提升线条提取的速度和特征线的完整度，从而提升位姿精度和地图重建效果。
-
公开(公告)号：CN105138672B
公开(公告)日：2018-08-21
申请号：CN201510564819.5
申请日：2015-09-07
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 本发明公开了一种多特征融合的图像检索方法，其包括，步骤一、输入待检索图像I；步骤二、构建图像I的颜色特征向量和SIFT特征向量；步骤三，训练查询图库中的图像获得颜色特征词典和SIFT特征词典，用所述视觉单词表示图库中的图像；步骤四、用所述视觉单词表示所述图像I，根据所述视觉单词从所述查询图库中调取候选图像集Q，计算相似度值score(Q,I)；步骤五、选取所述图像I中具有视觉显著性的局部区域Si并重复步骤三和步骤四获得候选图像集K，计算相似度值scoresal(K,I)；步骤六、两个候选融合集的重叠图像集为D，融合scoresal(D,I)和score(D,I)计算最终相似性值score*(D,I)；步骤七、中最终相似性值最高的图像作为所述待图像I的检索结果。本发明具有降低了图像噪声，提高检索准确性的优点。
-
公开(公告)号：CN108154485A
公开(公告)日：2018-06-12
申请号：CN201711397822.8
申请日：2017-12-21
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于分层和笔画方向解析的古画修复方法。首先,通过寻找最大差异通道、设定阈值、以及滤除小面积连通域对古画的画布层和内容层进行分离。之后，分别对画布层和内容层进行修复。对于内容层的笔画部分，通过用户交互、曲波变换和反曲波变换进行各方向分解式、迭代修复。对于画布层或区域类型内容，采用改进的基于样例的方法进行修复，能够有效避免传统方法中的伪结构问题。然后，将修复后的画布层和笔画层进行融合得到修复后的图像。与现有方法相比，本发明所述方法修复效果更加流畅自然。
-
Patent Agency Ranking
公开(公告)号：CN104166988B
公开(公告)日：2017-06-06
申请号：CN201410327865.9
申请日：2014-07-10
Applicant: 北京工业大学
IPC: G06T7/10
Abstract: 本发明涉及一种融入稀疏匹配信息的立体图像同步分割方法。首先输入一组立体图像，通过提取特征点并匹配的方法得到立体图像之间的稀疏匹配对应点。然后，在其中一图中通过笔刷勾画的方式，指定部分前、背景。根据指定部分分别建立前、背景的颜色分布的先验统计模型。以此为基础，在图割理论框架下形式化对应关系约束以及颜色、梯度等约束，构造能量函数。最后，采用图的最大流/最小割算法求解最优化结果。若用户没有得到理想的效果，还可以继续对图中错误区域进行勾画，直到得到理想结果。与现有方法相比，在同样的交互量的前提下，本发明的分割效果更好。
-
公开(公告)号：CN103345640B
公开(公告)日：2016-08-10
申请号：CN201310273395.8
申请日：2013-07-02
Applicant: 北京工业大学
Abstract: 本发明属于模式识别领域，公开了一种面向持续想象脑电信号的分类策略。首先，假设不同想象任务之间存在转换点，转换点处样本间的欧几里得距离要大于转换点之间的样本间距离，通过设定样本间距离阈值检测出转换点；其次，认为持续想象同一任务时，会因注意力涣散、疲倦等因素导致信号受噪声污染，该策略加入样本纯化思想，通过设定样本间距离范围，从与任务对应的所有样本中筛选出部分样本，并返回这部分样本中的大多数类别作为该任务所有样本的类别。本发明通过充分考虑相邻样本之间的联系，提高了整体样本的识别率，非常适合对持续的脑电信号进行离线分析。
-
公开(公告)号：CN104127179B
公开(公告)日：2016-04-06
申请号：CN201410146942.0
申请日：2014-04-13
Applicant: 北京工业大学
IPC: A61B5/0476
Abstract: 一种优势电极组合与经验模式分解的脑电特征提取方法脑电信号特征提取方法，输入N导脑电信号数据；选择优势电极，电极记录的脑电信号的分类性能高于某一阈值时，称该电极为优势电极，否则称之为非优势电极。选择优势组合，利用EMD对每一种优势组合所对应的训练样本集的脑电数据和测试样本集的脑电数据分别进行特征提取，得到每一种优势组合的训练特征向量及测试特征向量；分别将每一种优势组合的训练特征向量及测试特征向量、训练样本集标签、测试样本集标签输入到朴素贝叶斯分类器里进行分类，得到每一种优势组合的分类正确率；根据每一种优势组合的分类正确率，推测出执行有关运动想象任务时刺激激活脑区之间的联系。
-
公开(公告)号：CN103247050B
公开(公告)日：2015-12-02
申请号：CN201310180243.3
申请日：2013-05-16
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明属于计算机视觉、计算机图形学和图像处理交叉领域，公开了一种基于形状先验的渐进式图像分割方法。本发明是一个迭代的、渐进式的方法，用户每添加一条生曲线，将会触发一次基于形状先验的优化过程，每次优化都会实时反馈分割结果。每次迭代的方法包括：勾勒生曲线，拟合曲线，添加富余量，定义能量函数，定义数据项，定义形状先验项，定义梯度项，求解能量函数。本发明提出的基于形状先验的渐进式图像分割方法，每步操作能够有实时的结果反馈，能够保证得到用户想要的分割结果。另外，本发明所述方法可以便捷地从图像中分割目标物，即便在前、背景颜色重叠严重，边界不清晰的情况下，也可得到满意的分割结果。
-
公开(公告)号：CN105046689A
公开(公告)日：2015-11-11
申请号：CN201510354774.9
申请日：2015-06-24
Applicant: 北京工业大学
IPC: G06T7/00
CPC classification number: G06T2207/20228
Abstract: 一种基于多层次图结构的交互式立体图像快速分割方法，首先输入一组立体图像，通过立体图像匹配算法得到视差图。在原始图像左右任意一图中指定部分前、背景。根据指定部分应用CUDA并行计算的方法建立前、背景的颜色以及视差分布的先验统计模型。通过对原始图像进行高斯滤波、下采样得到粗糙尺度较小的图像，然后将粗糙图像与原始图像一起构成多层次图结构。鉴于目前立体图像分割存在分割模型复杂，计算效率低的问题。本发明在基于视差图的立体图像同步分割的理论框架下，探索新的分割方法。力图简化模型的复杂度，并行处理计算密集型的任务，提高立体图像分割速度，实现实时分割常见尺寸立体图像的目的。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.034 seconds)
