-
公开(公告)号：CN115936978A
公开(公告)日：2023-04-07
申请号：CN202211719207.5
申请日：2022-12-30
申请人： 云南大学
摘要： 本发明公开一种基于拉普拉斯金字塔的中国传统绘画风格迁移方法及系统，涉及计算机视觉技术领域，该方法构建基于拉普拉斯金字塔的多尺度风格迁移模型；多尺度风格迁移模型包括拉普拉斯金字塔分解模块、基础风格迁移网络、细节增强网络、边缘信息选择模块和拉普拉斯金字塔重构模块；将预处理后的内容图像数据集和预处理后的风格图像数据集输入到多尺度风格迁移模型中进行训练，并使用风格损失函数和内容损失函数来优化所述多尺度风格迁移模型，得到一个多尺度风格迁移生成模型；将目标内容图像输入到多尺度风格迁移生成模型，生成中国传统绘画风格的风格化图像。本发明能够生成高质量的具有中国传统绘画风格的风格化图像。
-
公开(公告)号：CN112949592B
公开(公告)日：2022-07-22
申请号：CN202110353206.2
申请日：2021-03-31
申请人： 云南大学
摘要： 本发明提供了一种高光谱图像的分类方法、装置和电子设备，将目标高光谱图像输入至预先训练完成的特征提取网络模型中，输出目标高光谱图像的图像特征；基于图像特征，确定目标高光谱图像中每个像素点的初始类别；将图像特征输入至预先训练完成的图像重建网络模型中，输出图像特征的重建图像；基于重建图像和目标高光谱图像，确定重建图像中每个像素点的重建损失值；根据重建损失值和初始类别，确定像素点的最终类别。该方式中，对提取的图像特征进行重建使其尽可能恢复目标高光谱图像的特征，得到重建图像，根据重建图像和目标高光谱图像，能够确定未知类的像素点，提高了分类结果的准确性。
-
公开(公告)号：CN111159456A
公开(公告)日：2020-05-15
申请号：CN201911391382.4
申请日：2019-12-30
申请人： 云南大学
IPC分类号： G06F16/583 , G06F16/538 , G06K9/62
摘要： 本发明涉及一种基于深度学习与传统特征的多尺度服装检索方法及系统，包括提取待检索服装图像和图像数据库中的服装图像的多尺度级联CNN特征；根据待检索服装图像和图像数据库中的服装图像的多尺度级联CNN特征计算第一欧氏距离；使用CNN-M模型得到的款式属性预测结果优化第一欧氏距离，得到初步检索结果；提取待检索服装图像和初步检索结果中的服装图像的传统特征，通过特征相似性融合公式融合多尺度级联CNN特征和传统特征来优化初步检索结果并排序，得到最终检索结果。本发明能够实现对服装从全局区域到款式部件区域初步检索结果的充分提取，并结合传统特征有效提升了检索准确率，优化排序结果。
-
公开(公告)号：CN109272539A
公开(公告)日：2019-01-25
申请号：CN201811066262.2
申请日：2018-09-13
申请人： 云南大学
摘要： 本发明公开一种基于引导图全变分模型的图像纹理和结构的分解方法，属于图像处理技术领域。本发明提供的基于引导图全变分模型的图像纹理和结构的分解方法，先基于引导图滤波重构图像的局部主要结构，然后根据重构的局部结构图计算纹理描述符，最终结合多尺度全变分模型以及块平移方法提高纹理和结构分解的准确性和计算效率。本发明的技术方案对噪声较大的图像能获得更好的纹理/结构分解效果，对图像中不同尺度的结构和纹理也能进行准确地分解，分解出的结构层能保持图像原有的明暗变化，避免了单一使用局部平滑导致的结构模糊或全局优化方法带来的色块效应。另外，本发明的技术方案所需要提取的特征简单，不依赖于对大量图像样本的学习。
-
公开(公告)号：CN113689517B
公开(公告)日：2024-05-21
申请号：CN202111049838.6
申请日：2021-09-08
申请人： 云南大学
IPC分类号： G06T11/00 , G06T5/50 , G06N3/0464 , G06N3/094
摘要： 本发明公开一种多尺度通道注意力网络的图像纹理合成方法及系统，首先将噪声图像输入至生成器模型进行特征提取与融合获得特征融合图像；其次给定样本纹理图像，并将所述样本纹理图像进行随机裁剪，获得训练集；然后将训练集和特征融合图像输入至判别器模型，采用生成对抗损失函数优化生成器模型和判别器模型，获得多尺度通道注意力图像纹理合成模型；最后将待合成纹理图像输入多尺度通道注意力图像纹理合成模型进行纹理合成，获得纹理合成图像。本发明利用多尺度通道注意力图像纹理合成模型进行纹理合成后获得的纹理合成图像能够较好地恢复出任意大小的纹理细节信息，在视觉感知上具有优越性，避免存在局部失真或细节丢失的现象。
-
公开(公告)号：CN114926694A
公开(公告)日：2022-08-19
申请号：CN202210643592.3
申请日：2022-06-08
申请人： 云南大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08 , G06N3/04
摘要： 本申请提供一种高光谱图像分类方法、装置、电子设备及存储介质，所述方法包括：根据初始高光谱图像获取多个大小相同的局部图像块，得到多个基准图像块；将各基准图像块输入预先训练得到的三维残差多层融合网络中进行空谱特征提取，得到由三维残差多层融合网络输出的多个二维特征图；将各二维特征图输入预先训练得到的特征分析网络中分析各二维特征图对应的各光谱波段间的光谱关联信息；基于各二维特征图对应的各光谱波段间的光谱关联信息进行分类处理，得到对应的高光谱图像分类结果。通过提取空谱特征并根据各光谱波段间的关联信息进行分类，可以充分挖掘高光谱图像各光谱波段间的相关性，明显提高空谱特征区别不明显时的地物的分类精度。
-
公开(公告)号：CN110991454A
公开(公告)日：2020-04-10
申请号：CN201911342356.2
申请日：2019-12-23
申请人： 云南大学
摘要： 本申请提供一种叶片图像识别方法、装置、电子设备及存储介质，该方法涉及图像识别和树叶图像识别的技术领域；该方法包括：获得叶片图像，叶片图像包括：叶片区域和背景区域；移除叶片图像的背景区域，获得叶片图像的叶片区域；使用预先训练的神经网络模型对叶片区域进行识别，获得叶片图像的分类。在上述的实现过程中，通过先去除树叶图像的背景区域，再使用预先训练的神经网络模型对去除背景区域后的树叶图像进行识别，从而提高了识别植物叶片图像的正确率。
-
公开(公告)号：CN106023276B
公开(公告)日：2019-06-21
申请号：CN201610316742.4
申请日：2016-05-13
申请人： 云南大学
IPC分类号： G06T11/00
摘要： 本发明实施例提出一种基于图像处理的铅笔画绘制方法及装置，所述方法包括：对输入图像进行图像处理获得所述输入图像的轮廓图；将所述输入图像的色调图与所述输入图像所在类的铅笔画的色调拟合曲线进行直方图匹配，生成匹配后的色调图，由所述匹配后的色调图生成对应的噪声图，将所述噪声图分割成多个区域，在所述多个区域上分别形成不同方向的纹理，由所述多个区域的纹理构成所述输入图像的纹理图；根据所述轮廓图及所述纹理图得到所述输入图像对应的铅笔画。本发明实施例生成的铅笔画更加接近现实中的手工铅笔画，提高了用户体验。
-
公开(公告)号：CN109544541A
公开(公告)日：2019-03-29
申请号：CN201811438074.8
申请日：2018-11-27
申请人： 云南大学
摘要： 本发明涉及烟支检测技术领域，提供一种烟支外观瑕疵检测方法及装置，所述方法包括：首先，获取包含至少一支烟支的烟支灰度图像，然后，对烟支灰度图像进行单支烟支分割，得到至少一张单支烟支图像，最后，对每张单支烟支图像均进行图像检测，以确定烟支灰度图像中的每支烟支是否存在瑕疵，并在烟支存在瑕疵时确定瑕疵类型。与现有技术相比，本发明提供的烟支外观瑕疵检测方法及装置提高了瑕疵检测效率。
-
公开(公告)号：CN106023276A
公开(公告)日：2016-10-12
申请号：CN201610316742.4
申请日：2016-05-13
申请人： 云南大学
IPC分类号： G06T11/00
CPC分类号： G06T11/001
摘要： 本发明实施例提出一种基于图像处理的铅笔画绘制方法及装置，所述方法包括：对输入图像进行图像处理获得所述输入图像的轮廓图；将所述输入图像的色调图与所述输入图像所在类的铅笔画的色调拟合曲线进行直方图匹配，生成匹配后的色调图，由所述匹配后的色调图生成对应的噪声图，将所述噪声图分割成多个区域，在所述多个区域上分别形成不同方向的纹理，由所述多个区域的纹理构成所述输入图像的纹理图；根据所述轮廓图及所述纹理图得到所述输入图像对应的铅笔画。本发明实施例生成的铅笔画更加接近现实中的手工铅笔画，提高了用户体验。
-
-
-
-
-
-
-
-
-
搜索结果
48 条记录 (耗时 0.024 秒)
