-
公开(公告)号：CN107862873B
公开(公告)日：2019-12-03
申请号：CN201710882128.9
申请日：2017-09-26
申请人： 三峡大学
摘要： 本发明提供一种基于相关匹配和状态机的车辆计数方法及装置，所述方法包括：S1，对于每个车道，获取视频当前帧中该车道的检测区域和模板中该车道的检测区域之间的归一化相关系数；S2，将所述归一化相关系数与预设阈值进行比较，根据比较结果和该车道的状态参数对该车道进行车辆计数，并更改该车道的状态参数；S3，将所述当前帧的后一帧作为当前帧迭代执行所述步骤S1‑S2，直到对所述视频各帧中的该车道进行车辆计数。本发明一方面减少了背景学习带来的不稳定因素，克服光照、阴影等带来的影响，提高车辆计数的精度和计算速度；另一方面，在当前帧中该车道的检测区域中可能出现车辆的情况下进一步根据比较结果确认该检测区域中是否出现车辆，有效减少意外噪声的干扰造成的误判，提高车辆计数的精度。
-
公开(公告)号：CN108182685A
公开(公告)日：2018-06-19
申请号：CN201711451082.1
申请日：2017-12-27
申请人： 三峡大学
摘要： 本发明提供一种结合置信传播思想和PCNN的图像分割方法及装置，包括：S1，使用PCNN模型对目标图像进行分割，获取所述PCNN模型每次迭代输出的分割结果；S2，获取小于或等于所述PCNN模型中迭代总次数的正整数集合，对于所述正整数集合中的每个整数，将前整数次迭代输出的所述分割结果分别进行合并；S3，使用Otsu算法对各合并结果进行度量，将度量值最大的所述合并结果作为所述目标图像的最终分割结果。本发明通过将PCNN模型每次迭代的分割结果进行合并，使用Otsu算法对合并结果进行全局估计，将最优的合并结果作为目标图像的最终分割结果，在保证局部较优的情况下自动获取全局较优的分割结果。
-
公开(公告)号：CN108182685B
公开(公告)日：2020-03-03
申请号：CN201711451082.1
申请日：2017-12-27
申请人： 三峡大学
摘要： 本发明提供一种结合置信传播思想和PCNN的图像分割方法及装置，包括：S1，使用PCNN模型对目标图像进行分割，获取所述PCNN模型每次迭代输出的分割结果；S2，获取小于或等于所述PCNN模型中迭代总次数的正整数集合，对于所述正整数集合中的每个整数，将前整数次迭代输出的所述分割结果分别进行合并；S3，使用Otsu算法对各合并结果进行度量，将度量值最大的所述合并结果作为所述目标图像的最终分割结果。本发明通过将PCNN模型每次迭代的分割结果进行合并，使用Otsu算法对合并结果进行全局估计，将最优的合并结果作为目标图像的最终分割结果，在保证局部较优的情况下自动获取全局较优的分割结果。
-
公开(公告)号：CN107274425A
公开(公告)日：2017-10-20
申请号：CN201710393462.8
申请日：2017-05-27
申请人： 三峡大学
摘要： 本发明提供一种基于脉冲耦合神经网络的彩色图像分割方法及装置，包括：S1，将第一彩色图像的颜色空间转换成LAB颜色空间，生成第二彩色图像；S2，使用改进的PCNN模型分别给所述第二彩色图像中的所有像素标记上对应的标签，所述改进的PCNN模型包括连接控制单元。本发明通过对第一彩色图像进行空间转换，通过连接控制单元接收彩色图像的频谱输入，使用改进的PCNN模型对像素进行标记，从而实现彩色图像的分割。
-
公开(公告)号：CN114897831A
公开(公告)日：2022-08-12
申请号：CN202210521293.2
申请日：2022-05-13
申请人： 三峡大学
摘要： 目标定位与语义分割相结合的超广角眼底图像视盘提取方法，包括以下步骤：步骤1：建立YOLOv4模型，进行视盘区域的粗定位；步骤2：根据视盘区域的粗定位结果，提取包含视盘区域，除去眼周区域；步骤3：通过活动轮廓模型Snake模型交互式分割视盘区域，构建U2‑Net模型训练所需的具有视盘标签的数据集；步骤4：使用U2‑Net模型进行视盘区域提取。本发明不仅有效提升了视盘提取精度，同时还能得到用于监督式学习分割方法所需的视盘标注数据。整个方法的视盘定位准确率达到99.7%，为后续分割环节提供稳定可靠的输入；分割精度高于广泛使用的PCNN、U‑Net、DeepLabV3以及SegNet模型，具有很好的应用价值。
-
公开(公告)号：CN114897831B
公开(公告)日：2024-09-17
申请号：CN202210521293.2
申请日：2022-05-13
申请人： 三峡大学
IPC分类号： G06T7/00 , G06T5/40 , G06T5/90 , G06V40/18 , G06V10/20 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/0455
摘要： 目标定位与语义分割相结合的超广角眼底图像视盘提取方法，包括以下步骤：步骤1：建立YOLOv4模型，进行视盘区域的粗定位；步骤2：根据视盘区域的粗定位结果，提取包含视盘区域，除去眼周区域；步骤3：通过活动轮廓模型Snake模型交互式分割视盘区域，构建U2‑Net模型训练所需的具有视盘标签的数据集；步骤4：使用U2‑Net模型进行视盘区域提取。本发明不仅有效提升了视盘提取精度，同时还能得到用于监督式学习分割方法所需的视盘标注数据。整个方法的视盘定位准确率达到99.7%，为后续分割环节提供稳定可靠的输入；分割精度高于广泛使用的PCNN、U‑Net、DeepLabV3以及SegNet模型，具有很好的应用价值。
-
公开(公告)号：CN114897832A
公开(公告)日：2022-08-12
申请号：CN202210521294.7
申请日：2022-05-13
申请人： 三峡大学
摘要： 血管类型信息协助下的超广角眼底图像血管分割方法，包括以下步骤：步骤1：提取血管感兴趣区域；步骤2：将超广角眼底图像进行图像增广与图像对比度增强处理，并进行图像分块；步骤3：将血管划分为粗血管与细血管，用于血管分割；步骤4：使用两个U‑Net模型分别进行粗血管分割与细血管分割，最后融合两个U‑Net模型的分割结果，得到完整的超广角眼底血管分割图像。与被广泛应用于血管分割的U‑Net、DeepLabV3以及SegNet模型相比，本发明的血管分割方法具有明显优势，能够获取更多的血管信息，尤其在细血管上，具有较好的应用价值。
-
公开(公告)号：CN113642553A
公开(公告)日：2021-11-12
申请号：CN202110827446.1
申请日：2021-07-21
申请人： 三峡大学
摘要： 一种整体与部件目标检测相结合的非约束车牌精准定位方法，首先利用YOLOv3算法同步检测以车牌顶点为中心的4类左上、右上、右下、左下顶点目标区域和车牌区域，然后通过定位车牌顶点区域间接实现对车牌顶点位置的预测，并结合忽略类别的非极大值抑制算法CF_NMS、顶点区域归类、单一缺失顶点预测的后处理操作获取准确的车牌区域。最后，为进一步提升整体与部件目标检测相结合的车牌定位算法的性能，将多模型融合、粗定位与精定位结合等策略融入定位算法中，并经过实验验证了策略的有效性。本发明设计的整体与部件目标检测相结合的车牌定位算法，在不改变YOLOv3模型结构，同时不增加额外计算量的基础上实现了车牌顶点目标的检测，实现车牌精准定位。
-
公开(公告)号：CN112541483A
公开(公告)日：2021-03-23
申请号：CN202011566195.8
申请日：2020-12-25
申请人： 三峡大学
摘要： YOLO和分块‑融合策略结合的稠密人脸检测方法，包括以下步骤：对人脸训练数据集进行数据增广，扩充密集场景下的人脸样本；构建YOLOv3和分块‑融合策略相结合的YOLOv3网络模型，在检测阶段，将原图进行分块，并将分块得到的子图和原图一同输入到YOLOv3网络模型中分别进行检测；对NMS算法进行改进，解决大尺度人脸融合问题的同时提高小人脸检测的精度。本发明通过多次NMS在解决人脸融合问题的同时，利用不同分块重叠率下的检测提高小人脸的召回提高最终检测精度。
-
公开(公告)号：CN107016676A
公开(公告)日：2017-08-04
申请号：CN201710145321.4
申请日：2017-03-13
申请人： 三峡大学
摘要： 本发明公开了一种基于PCNN的视网膜血管图像分割方法及系统，方法包括：S1、提取原始彩色图像的绿色通道图像；S2、对绿色通道图像中的视网膜血管进行预处理，得到预处理后的图像；S3、通过阈值操作在预处理后的图像中选出初始种子区域，利用带有快速连接机制以及动态变化的连接强度的脉冲耦合神经网络模型对初始种子区域进行迭代生长，直到满足预定的停止条件，完成预处理后的图像中的视网膜血管的自动分割，得到视网膜血管的分割图像。本发明的有益效果是：通过将带有快速连接机制的PCNN与种子区域增长思想相结合，实现眼底图像中血管区域的自动生长，从而有效地提取出视网膜图像中的血管。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.018 秒)
