-
公开(公告)号：CN119540760A
公开(公告)日：2025-02-28
申请号：CN202411618987.3
申请日：2024-11-13
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于卷积块注意力机制和显式视觉中心的小型船舶检测方法，包括：获取水面船舶图像；构建骨干网络模型，将所述水面船舶图像输入至骨干网络中进行特征提取，得到语义信息输出特征图；通过特征金字塔网络模块对特征图进行基于点采样的可学习上采样操作，基于特征图偏移量进行上采样操作获得高解析度特征图，再对高解析度特征图进行显式视觉中心后处理捕获像素间长距离依赖关系并还原边缘信息获得最终特征图；对最终特征图再次进行拼接和下采样，生成分辨率低、通道数高的深层特征图，将深层特征图和最终特征图相结合进行目标检测获得小型船舶的中心点坐标、检测框的宽度值与高度值、以及目标所属类别及置信度信息。
-
公开(公告)号：CN117572434A
公开(公告)日：2024-02-20
申请号：CN202311498504.6
申请日：2023-11-10
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于水声微多普勒效应的目标螺旋桨回波建模方法，包括如下步骤：根据主动声呐在水下的工作状态，模拟主动声呐在水下发射线性扫频信号；基于射线追踪方法构建水声信道模型，使声呐信号通过水声信道传播到达目标螺旋桨处，经螺旋桨反射后形成回波信号；控制螺旋桨叶片定速旋转，使主动声呐回波信号产生额外的频率调制信号，将频率调制信号定义为微多普勒特征，当声线波束垂直射向叶片时，回波达到最强从而出现峰包，旋转的桨叶会使峰包周期出现，生成具有峰包的回波信号；利用回波信号在水声信道中的反射和折射效应，基于不同声线到达信号的声程不同计算产生的时延，将所有到达信号累加至一起，形成完整螺旋桨回波信号。
-
公开(公告)号：CN114494280A
公开(公告)日：2022-05-13
申请号：CN202111547257.5
申请日：2021-12-16
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于经验模态分解的前视声呐图像分割方法，属于数字图像处理、数字信号处理、计算机人工智能及模式识别领域，该方法包括以下步骤：对前视声呐图像进行去背景处理，得到去背景处理后的前视声呐图像；对背景处理后的前视声呐图像进行图像分解处理，得到图像分解处理后的前视声呐图像；对图像分解处理后的前视声呐图像进行去噪和增强处理，得到去噪和增强后的前视声呐图像；再对去噪和增强后的前视声呐图像进行重构，得到重构后的前视声呐图像；对重构后的前视声呐图像进行聚类分割，得到分割后的前视声呐图像；该方法既能达有效抑制噪声干扰，又能保护图像边缘细节信息来进行分割的目的。
-
公开(公告)号：CN102663710A
公开(公告)日：2012-09-12
申请号：CN201210132698.3
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像降噪方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析经验模态分解得到的各层本征模态函数，进行去噪；利用能够代表冠脉造影图像血管结构的本征模态函数进行加权求和来重构去噪后的冠脉造影图像。本发明不依赖先验知识进行对冠脉造影图像自适应分解，根据图像特点自适应产生随机噪声去除阈值。本发明利用经验模态分解方法对X射线冠脉造影图像进行自适应分解，对得到的各IMF分量进行去噪，并选择能够代表血管结构的IMF高频分量进行造影图像重构即可达到去除噪声的目的，且在去噪过程中无须先验知识、能够根据造影图像特点进行自适应降噪。
-
公开(公告)号：CN113962898A
公开(公告)日：2022-01-21
申请号：CN202111295070.0
申请日：2021-11-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于照度图优化和自适应伽马校正的低照度图像增强方法，属于计算机视觉领域，该方法包括以下步骤：将图像变化到HSV空间，得到图像的亮度图；对亮度图进行参数自适应引导滤波，得到纹理细节平滑，边缘保留的照度图，将亮度图和照度图进行逐元素相除，得到反射图，利用反射图和光照图得到伽马校正的参数，对亮度图进行伽马矫正，得到重建后的亮度图，利用原图像的饱和度色度分量，将图像变换到RGB空间，得到增强后的图像，本发明改进后的自适应引导滤波，利用图像的平均方差的倍数作为引导滤波正则化因子，减少了人工伪影，优化了照度图；针对照度图灰度值较低等问题，构建目标函数，利用二阶泰勒级数近似来简化运算，得到伽马矫正参数，对照度图进行优化，提升了亮度图的质量。
-
Patent Agency Ranking
公开(公告)号：CN102663709B
公开(公告)日：2014-09-03
申请号：CN201210132164.0
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像血管增强方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析各层经验模态分解的本征模态函数进行去噪，并利用能够代表冠脉造影图像的特征层来加权重构去除背景噪声的图像；对重构的图像进行Hessian矩阵分解，利用血管测度函数或血管特征拟合函数达到增强血管结构的目的。本发明利用经验模态分解X射线冠脉造影图像为一系列本征模态函数，利用噪声的分布规律达到去除背景噪声的目的，进而选择一些特定层本征模态函数进行加权构造冠状动脉图像，利用基于Hessian矩阵特征值的血管测度函数进一步增强图像中的血管结构。本发明能明显改善冠脉造影图像的视觉效果。
-
公开(公告)号：CN118552500A
公开(公告)日：2024-08-27
申请号：CN202410664744.7
申请日：2024-05-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于高阶奇异值分解的单幅自然图像噪声估计方法，包括：获取噪声图像，将噪声图像划分为若干重叠的图像块，通过自适应阈值选择符合的图像块；将选择的图像块重构为三阶张量，对此三阶张量进行高阶奇异值分解，再进行张量分析并获得噪声的粗略估计；对所选取的图像块进行直方图分析获得噪声补偿量，从而得到最终的噪声估计；该方法通过分析噪声与自然图像的特性，找到自适应切分、选择适合图像块的方法，将噪声强度分析转换为对图像像素强度方差的分析；利用高维张量分解对图像成分进行分析并分离出噪声成分，同时计算出噪声强度，对噪声估计偏差利用直方图分析进行自适应补偿。
-
公开(公告)号：CN113962898B
公开(公告)日：2024-05-03
申请号：CN202111295070.0
申请日：2021-11-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于照度图优化和自适应伽马校正的低照度图像增强方法，属于计算机视觉领域，该方法包括以下步骤：将图像变化到HSV空间，得到图像的亮度图；对亮度图进行参数自适应引导滤波，得到纹理细节平滑，边缘保留的照度图，将亮度图和照度图进行逐元素相除，得到反射图，利用反射图和光照图得到伽马校正的参数，对亮度图进行伽马矫正，得到重建后的亮度图，利用原图像的饱和度色度分量，将图像变换到RGB空间，得到增强后的图像，本发明改进后的自适应引导滤波，利用图像的平均方差的倍数作为引导滤波正则化因子，减少了人工伪影，优化了照度图；针对照度图灰度值较低等问题，构建目标函数，利用二阶泰勒级数近似来简化运算，得到伽马矫正参数，对照度图进行优化，提升了亮度图的质量。
-
公开(公告)号：CN114494280B
公开(公告)日：2024-09-06
申请号：CN202111547257.5
申请日：2021-12-16
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于经验模态分解的前视声呐图像分割方法，属于数字图像处理、数字信号处理、计算机人工智能及模式识别领域，该方法包括以下步骤：对前视声呐图像进行去背景处理，得到去背景处理后的前视声呐图像；对背景处理后的前视声呐图像进行图像分解处理，得到图像分解处理后的前视声呐图像；对图像分解处理后的前视声呐图像进行去噪和增强处理，得到去噪和增强后的前视声呐图像；再对去噪和增强后的前视声呐图像进行重构，得到重构后的前视声呐图像；对重构后的前视声呐图像进行聚类分割，得到分割后的前视声呐图像；该方法既能达有效抑制噪声干扰，又能保护图像边缘细节信息来进行分割的目的。
-
公开(公告)号：CN102663710B
公开(公告)日：2014-12-31
申请号：CN201210132698.3
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像降噪方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析经验模态分解得到的各层本征模态函数，进行去噪；利用能够代表冠脉造影图像血管结构的本征模态函数进行加权求和来重构去噪后的冠脉造影图像。本发明不依赖先验知识进行对冠脉造影图像自适应分解，根据图像特点自适应产生随机噪声去除阈值。本发明利用经验模态分解方法对X射线冠脉造影图像进行自适应分解，对得到的各IMF分量进行去噪，并选择能够代表血管结构的IMF高频分量进行造影图像重构即可达到去除噪声的目的，且在去噪过程中无须先验知识、能够根据造影图像特点进行自适应降噪。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
