-
公开(公告)号：CN116681637A
公开(公告)日：2023-09-01
申请号：CN202310970847.1
申请日：2023-08-03
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Abstract: 本发明公开一种特高压换流变压器红外与可见光监测图像融合方法及系统，方法包括采用顶帽变换去除红外图像中的噪点，并将红外源图像注入去除噪点后的红外图像，得到红外权重图；采用边缘保持平滑滤波器对所述红外权重图进行细化处理，得到细化后的红外权重图，所述边缘保持平滑滤波器包括亮度和对比度保真项以及梯度平滑正则项；对可见光图像和所述红外权重图分别进行潜在低秩分解，得到各自对应的基础层和显著层；基于所述细化后的红外权重图，将所述可见光图像和所述红外权重图各自对应的基础层和显著层进行加权融合，得到融合图像；解决了红外与可见光图像融合算法中普遍存在热辐射削弱以及细节信息丢失的问题。
-
公开(公告)号：CN116681629A
公开(公告)日：2023-09-01
申请号：CN202310969545.2
申请日：2023-08-03
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Abstract: 本发明公开一种变电站主变压器可见光图像自适应对比度增强方法及系统，方法包括对变电站主变压器的可见光图像进行基于导向滤波的两尺度分解，得到基础层和细节层；采用动态压缩的方式对所述基础层进行亮度增强，得到基础增强图像；采用局部增强的方式对所述细节层进行局部增强，得到细节增强图像；对包含所述基础增强图像和所述细节增强图像的一次增强图像进行二次增强处理，得到二次增强图像；对所述一次增强图像和所述二次增强图像进行加权融合，得到变电站主变压器可见光增强结果图；本发明在提高可见光图像对比度的同时避免出现了过增强和伪影等现象。
-
公开(公告)号：CN116680623A
公开(公告)日：2023-09-01
申请号：CN202310968553.5
申请日：2023-08-03
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Abstract: 本发明公开一种特高压换流变压器状态监测方法及系统，方法包括采集特高压换流变压器的振动信号并输入至状态监测模型，状态监测模型包括多尺度卷积神经网络通道、双向门控循环单元通道和状态分类网络，所述多尺度卷积神经网络通道中每个卷积操作中加入卷积注意力模块，所述双向门控循环单元通道的输出连接有挤压激励模块；利用所述多尺度卷积神经网络通道提取所述振动信号在空间维度上的多尺度信息特征；利用所述双向门控循环单元通道提取所述振动信号在时间维度上的信息特征；利用所述状态分类网络对多尺度信息特征和时间维度上的信息特征进行状态分类，确定特高压换流变压器的状态；本发明设计的状态监测模型具有更好的状态监测性能。
-
公开(公告)号：CN109614921B
公开(公告)日：2022-09-30
申请号：CN201811491815.9
申请日：2018-12-07
Applicant: 安徽大学
Abstract: 本发明公开一种基于对抗生成网络的半监督学习的细胞分割方法，包括以下步骤：收集细胞分割数据，对数据进行预处理和增强，分成训练集和测试集图片。以半监督学习为出发点，设计了新的对抗生成网络。该网络相对于之前的对抗生成网络将生成器换成了小参数量的全卷积分割网络，用于对输入图片输出一个概率图。对于没有标签的细胞图片，我们用半监督的方法训练分割网络，从分割网络中获取未标记图像的初始分割预测后，通过判别网络对分割预测概率图进行传递，得到一个置信图。利用这个置信图作为监督信号，使用了一个自学机制来训练分割网络，置信图表示了预测分割的质量。通过本发明设计的卷积神经网络提高细胞分割准确率。
-
公开(公告)号：CN110223295B
公开(公告)日：2022-05-03
申请号：CN201910542301.X
申请日：2019-06-21
Applicant: 安徽大学
IPC: G06T7/00
Abstract: 本发明公开了基于深度神经网络色彩感知的显著性预测方法及装置，方法包括：将细粒度样本图像输入到预设的第一VGG网络，并将粗粒度样本图像输入到预设的第二VGG网络中，得到对应于粗粒度样本图像的第一特征图，以及对应于细粒度样本图像的第二特征图；利用特征融合算法，得到融合图像；将融合图像的特征图与融合图像进行乘法处理，进而得到预测的显著图；判断交叉熵损失函数的值是否收敛；若是，将第一VGG网络、第二VGG网络以及通道加权子网络组成的网络作为目标网络模型，并使用所述目标网络模型进行待检测图像的显著性预测；若否；调整模型权重、超参数，直至收敛。应用本发明实施例，可以实现符合人眼感知的显著性预测。
-
Patent Agency Ranking
公开(公告)号：CN108257347B
公开(公告)日：2020-09-29
申请号：CN201810020679.9
申请日：2018-01-10
Applicant: 安徽大学
Abstract: 本发明公开了一种利用卷积神经网络的火焰图像序列分类方法及装置，方法包括：获取前景图像序列，获取与前景图像序列对应的综合光流图；获取第一训练集和第一测试集；获取综合光流图是否对应于真实火焰的图像序列的类别标签；训练预设的第一卷积神经网络模型；测试训练好的第一卷积神经网络模型，获取第一测试结果；判断第一测试结果是否大于第一预设阈值；若是，将训练好的第一卷积神经网络模型作为目标第一卷积神经网络模型；若否调整训练好的第一卷积神经网络模型的训练参数，并返回执行训练预设的第一卷积神经网络模型；利用目标第一卷积神经网络对与待分类的综合光流图进行分类。应用本发明实施例，可以降低对火焰区域检测的误检率。
-
公开(公告)号：CN109614907A
公开(公告)日：2019-04-12
申请号：CN201811469353.0
申请日：2018-11-28
Applicant: 安徽大学
Abstract: 基于特征强化引导卷积神经网络的行人再识别方法及装置，方法包括：1)收集行人图像数据并做好分类标签，并将分类后的行人图像数据分为训练集和测试集；2)构建特征强化引导的卷积神经网络；3)将步骤1)中的训练集特征强化引导的卷积神经网络，训练得到的行人再识别的预训练模型；4)用步骤1)中的测试集测试步骤3)中训练得到的预训练模型，根据测试结果调整训练参数重新训练，得到最佳预训练模型；5)使用目标场景中的部分目标行人图像训练最佳预训练模型，得到目标模型，再使用目标模型对行人库中的图像进行检测，得到含有目标行人的目标图像。应用本发明实施例，可以解决现有技术中存在的误差较大的技术问题。
-
公开(公告)号：CN108615358A
公开(公告)日：2018-10-02
申请号：CN201810409991.7
申请日：2018-05-02
Applicant: 安徽大学
Abstract: 本发明公开了一种道路拥堵检测方法及装置，方法包括：获取监控视频数据；对监控视频数据进行分类和预处理，得到处理后的数据；分别进行迭代训练，得到车道检测模型和车辆检测模型；得到待识别图像中的车辆信息；整合车道信息和车辆信息，得到目标图像；针对目标图像中的每一车道，计算待识别图像对应的车道占用率；根据待识别图像对应的车道占用率与预设阈值的对应关系，和预设阈值与拥堵等级的对应关系，获取待识别图像对应的拥堵等级。应用本发明实施例，可以使道路拥堵检测更加准确。
-
公开(公告)号：CN107203788A
公开(公告)日：2017-09-26
申请号：CN201710467335.8
申请日：2017-06-20
Applicant: 安徽大学
Abstract: 本发明公开了一种中级视觉毒品图像识别方法，获取毒品的图像与非毒品图像，获得有效的方形训练图像；从训练集中选取图像，将每一张图像分割成不同的部分，将中级视觉图进行自主学习，经过多次迭代，最后分配给每个中级视觉图不同的权重值即概率；将中层视觉图及其概率，放入到贝叶斯中分类器中进行分类，经过多次迭代最后得到模型；将得到的模型在测试集上进行测试，输出结果判断是哪一种毒品。本发明把中层视觉和概率很好的结合在一起，为后面训练优化的模型做了铺垫，构建中层视觉和概率结合的框架，最后可以很好地训练出一个模型；中层视觉概率框架和训练紧密的链接在一起，提高了模型识别的准确性。
-
公开(公告)号：CN119784612A
公开(公告)日：2025-04-08
申请号：CN202510269964.4
申请日：2025-03-07
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Inventor： 马晓薇 , 樊培培 , 张学友 , 谢佳 , 朱涛 , 廖军 , 袁洪德 , 李腾 , 卢一相 , 景瑶 , 李永熙 , 董浩声 , 张东欣 , 申凯 , 张啸宇 , 张晗 , 张军 , 王春阳 , 桂学祥 , 祝皓焱
IPC: G06T5/50 , G06N3/0455 , G06T5/60
Abstract: 本发明公开了一种用于交流滤波器检测的图像融合方法、存储介质，涉及图像处理技术领域。方法包括：获取交流滤波器的红外图像和可见光图像；将红外图像和可见光图像输入至预先训练好的融合模型，输出融合图像；融合模型包括编码器和解码器，编码器包括两分支网络、互信息提取模块和多尺度融合模块，两分支网络分别提取红外图像、可见光图像特征，互信息提取模块根据提取特征得到互补信息，并利用通道注意力机制筛选出无关信息，将筛选后的互补信息分别注入到两分支网络中，得到两拼接特征，多尺度融合模块对两拼接特征进行多尺度融合，得到融合特征，解码器解码融合特征得到融合图像。由此，可提高红外图像和可见光图像的融合效果。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.026 seconds)
