-
公开(公告)号：CN110211078B
公开(公告)日：2021-01-19
申请号：CN201910397765.6
申请日：2019-05-14
Applicant: 大连理工大学
Abstract: 本发明涉及基于各向异性扩散的显著度检测方法，属于图像处理技术领域。本发明包括：第一步基于超像素分割的无向图表达；第二步基于各向异性扩散的结构连通显著性度量；第三步外观对比显著性度量；第四步显著图融合和优化，将得到的边界连通显著图与对比度显著图以像素级的方式相融合，得到初始显著图；再分别采用中心先验准则和对比度增强两种后处理方法优化初始显著图，以增强初始显著图的图像中心的视觉效果和目标‑背景之间的对比度，生成最终显著图结果。本发明方法生成的显著图更均匀，目标边缘轮廓更清晰准确，能够有效解决复杂自然图像目标分布不均匀、尺度不一致增大检测难度的问题以及由光照变化或噪声引起的边缘不清晰问题。
-
Patent Agency Ranking
公开(公告)号：CN105654096A
公开(公告)日：2016-06-08
申请号：CN201510990879.3
申请日：2015-12-24
Applicant: 大连理工大学
IPC: G06K9/46
CPC classification number: G06K9/4671
Abstract: 一种基于路径瓶颈分析的显著度检测方法，属于图像处理技术领域。该方法包括基于超像素分割的无向图表达、最平滑路径分析、路径瓶颈距离计算和显著图生成等四个步骤。在得到无向图中任意节点之间的最平滑路径以及任意路径上的瓶颈距离之后，就可以利用最平滑路径上的瓶颈距离来估计输入图像中超像素之间的差异。本发明不仅能够估计图像块之间的语义关系，而且能够处理形状不规则或者不同尺度的显著物体。与已有的显著度检测算法相比，该方法生成的显著图更为均匀一致，准确度更高。
-
公开(公告)号：CN110335290B
公开(公告)日：2021-02-26
申请号：CN201910480847.7
申请日：2019-06-04
Applicant: 大连理工大学
Abstract: 本发明涉及基于注意力机制的孪生候选区域生成网络目标跟踪方法，属于图像处理技术领域。具体步骤如下：第一步利用孪生网络提取初始目标模板特征和目标搜索区域特征；第二步构建空间注意力网络增强目标模板前景以及抑制语义背景；第三步构建通道注意力网络激活目标模板强相关性特征，剔除冗余；第四步构建候选区域生成网络实现多尺度目标跟踪。本发明的效果和益处是利用注意力机制构建适应性目标外观特征模型，旨在增强目标前景和抑制语义背景，突出目标前景与干扰背景的差异特征，剔除冗余信息，从而获取高效外观特征表达能力，有效缓解目标漂移问题。
-
公开(公告)号：CN105654096B
公开(公告)日：2018-08-21
申请号：CN201510990879.3
申请日：2015-12-24
Applicant: 大连理工大学
IPC: G06K9/46
Abstract: 一种基于路径瓶颈分析的显著度检测方法，属于图像处理技术领域。该方法包括基于超像素分割的无向图表达、最平滑路径分析、路径瓶颈距离计算和显著图生成等四个步骤。在得到无向图中任意节点之间的最平滑路径以及任意路径上的瓶颈距离之后，就可以利用最平滑路径上的瓶颈距离来估计输入图像中超像素之间的差异。本发明不仅能够估计图像块之间的语义关系，而且能够处理形状不规则或者不同尺度的显著物体。与已有的显著度检测算法相比，该方法生成的显著图更为均匀一致，准确度更高。
-
公开(公告)号：CN110335290A
公开(公告)日：2019-10-15
申请号：CN201910480847.7
申请日：2019-06-04
Applicant: 大连理工大学
Abstract: 本发明涉及基于注意力机制的孪生候选区域生成网络目标跟踪方法，属于图像处理技术领域。具体步骤如下：第一步利用孪生网络提取初始目标模板特征和目标搜索区域特征；第二步构建空间注意力网络增强目标模板前景以及抑制语义背景；第三步构建通道注意力网络激活目标模板强相关性特征，剔除冗余；第四步构建候选区域生成网络实现多尺度目标跟踪。本发明的效果和益处是利用注意力机制构建适应性目标外观特征模型，旨在增强目标前景和抑制语义背景，突出目标前景与干扰背景的差异特征，剔除冗余信息，从而获取高效外观特征表达能力，有效缓解目标漂移问题。
-
公开(公告)号：CN110211078A
公开(公告)日：2019-09-06
申请号：CN201910397765.6
申请日：2019-05-14
Applicant: 大连理工大学
Abstract: 本发明涉及基于各向异性扩散的显著度检测方法，属于图像处理技术领域。本发明包括：第一步基于超像素分割的无向图表达；第二步基于各向异性扩散的结构连通显著性度量；第三步外观对比显著性度量；第四步显著图融合和优化，将得到的边界连通显著图与对比度显著图以像素级的方式相融合，得到初始显著图；再分别采用中心先验准则和对比度增强两种后处理方法优化初始显著图，以增强初始显著图的图像中心的视觉效果和目标-背景之间的对比度，生成最终显著图结果。本发明方法生成的显著图更均匀，目标边缘轮廓更清晰准确，能够有效解决复杂自然图像目标分布不均匀、尺度不一致增大检测难度的问题以及由光照变化或噪声引起的边缘不清晰问题。
-
-
-
-
-
Search Results
6
records
(took 0.174 seconds)
