-
公开(公告)号：CN119625434A
公开(公告)日：2025-03-14
申请号：CN202510060844.3
申请日：2025-01-15
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/10 , G06V10/20 , G06V10/40 , G06V10/77 , G06V10/774 , G06F17/11 , G06F17/16
Abstract: 本发明公开了计算机视觉技术领域的一种小尺寸图像识别方法、装置、设备、介质及产品，其方法包括：获取小尺寸训练图像，对小尺寸训练图像进行预处理生成训练图像矩阵；将所有训练图像矩阵拼接生成图像增广矩阵；构建低秩与低维结合的增强鲁棒主成分分析的2DERPCA优化模型，将图像增广矩阵输入2DERPCA优化模型计算最优的投影矩阵；获取待识别小尺寸图像，对待识别小尺寸图像进行预处理生成待识别图像矩阵；利用最优的投影矩阵对待识别图像矩阵和训练图像矩阵进行特征提取，获取相应的低维特征；将低维特征输入最近邻分类器进行识别；本发明能够对含有噪声的图片进行特征提取，有效抑制噪声带来的影响，提高识别的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119648588B
公开(公告)日：2025-04-29
申请号：CN202510174558.X
申请日：2025-02-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高频低频自适应融合的图像增强方法，包括：将原始图像分别进行颜色通道的对比度增强获得中间特征图；计算中间特征图分别在颜色通道下的像素均值；根据像素均值对中间特征图进行颜色补偿获得色彩重构图像；将色彩重构图像分解为高频图像特征和低频图像特征；对高频图像特征进行归一化处理和伽马矫正获得高频校正图像；对高频校正图像进行锐化处理获得高频恢复图像；对低频图像特征权重去雾处理获得低频恢复图像，将高频恢复图像和低频恢复图像进行自适应融合获得输出图像；由高频恢复图像提供了丰富的细节和边缘信息，而低频恢复图像提供了优化后的背景和色彩信息，显著提升输出图像的可视化效果。
-
公开(公告)号：CN118918486B
公开(公告)日：2025-04-08
申请号：CN202411415924.8
申请日：2024-10-11
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/24 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种水体环境目标识别方法及系统，方法包括：采集水面漂浮物监测图像，基于yolov8网络模型、混合网络反向残差注意力机制和跨模态注意力机制构建yolov8‑OMCIL网络模型，记为漂浮物识别模型；通过训练样本对漂浮物识别模型进行训练获得训练识别结果，计算训练识别结果与训练样本之间的训练损失值，基于训练损失值对漂浮物识别模型的权重参数进行优化，输出训练后的漂浮物识别模型；将水面漂浮物监测图像输入至预设的漂浮物识别模型获得漂浮物监测结果；本发明增强了对不同光照条件下水体环境目标特征的提取能力，优化了模型的收敛过程，提高了在不同天气下对水体环境目标识别的鲁棒性。
-
公开(公告)号：CN118918486A
公开(公告)日：2024-11-08
申请号：CN202411415924.8
申请日：2024-10-11
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/24 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种水体环境目标识别方法及系统，方法包括：采集水面漂浮物监测图像，基于yolov8网络模型、混合网络反向残差注意力机制和跨模态注意力机制构建yolov8‑OMCIL网络模型，记为漂浮物识别模型；通过训练样本对漂浮物识别模型进行训练获得训练识别结果，计算训练识别结果与训练样本之间的训练损失值，基于训练损失值对漂浮物识别模型的权重参数进行优化，输出训练后的漂浮物识别模型；将水面漂浮物监测图像输入至预设的漂浮物识别模型获得漂浮物监测结果；本发明增强了对不同光照条件下水体环境目标特征的提取能力，优化了模型的收敛过程，提高了在不同天气下对水体环境目标识别的鲁棒性。
-
公开(公告)号：CN119648588A
公开(公告)日：2025-03-18
申请号：CN202510174558.X
申请日：2025-02-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高频低频自适应融合的图像增强方法，包括：将原始图像分别进行颜色通道的对比度增强获得中间特征图；计算中间特征图分别在颜色通道下的像素均值；根据像素均值对中间特征图进行颜色补偿获得色彩重构图像；将色彩重构图像分解为高频图像特征和低频图像特征；对高频图像特征进行归一化处理和伽马矫正获得高频校正图像；对高频校正图像进行锐化处理获得高频恢复图像；对低频图像特征权重去雾处理获得低频恢复图像，将高频恢复图像和低频恢复图像进行自适应融合获得输出图像；由高频恢复图像提供了丰富的细节和边缘信息，而低频恢复图像提供了优化后的背景和色彩信息，显著提升输出图像的可视化效果。
-
公开(公告)号：CN118942101A
公开(公告)日：2024-11-12
申请号：CN202411422571.4
申请日：2024-10-12
Applicant: 南京信息工程大学
IPC: G06V30/19 , G06V30/146
Abstract: 本发明公开了一种小样本图像识别方法、系统及存储介质，识别方法包括：获取训练图像并进行预处理和中心化处理获得训练数据矩阵；引入剪切鲁棒范数作为距离度量准则构建ASB‑2DPCA优化模型；将训练数据矩阵输入ASB‑2DPCA优化模型获得投影矩阵，计算投影矩阵对训练图像的重构误差；循环迭代更新投影矩阵直至重构误差满足收敛条件，输出最优投影矩阵；获取待识别的检测目标图像，利用预设的最优投影矩阵对检测目标图像进行特征提取获得目标特征矩阵；通过分类器对目标特征矩阵进行识别获得目标识别结果；通过自适应地调整投影矩阵，能够在小样本图像中提取出更为准确和可靠的特征，从而显著提升了图像识别的性能。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
