-
公开(公告)号：CN111968140B
公开(公告)日：2023-07-14
申请号：CN202010585697.9
申请日：2020-06-24
Applicant: 广西科技大学
Abstract: 本发明旨在提供一种基于经典感受野固视微动机制的轮廓检测方法,包括以下步骤：A、输入经灰度处理得到的待检测图像，预设多个尺度参数的高斯函数，计算得到各像素点的各尺度参数的高斯滤波响应；B、计算得到与多个尺度参数一一对应的多个环状高斯一阶导函数；C、对于各像素点：计算得到该像素点的各方向参数的微动融合响应；D、对于各像素点：在该像素点的各方向参数的微动融合响应中取最大值，作为该像素点的经典感受野响应；E、预设距离权重函数、抑制系数，计算各个像素点的抑制响应；F、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到最终轮廓图。该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。
-
公开(公告)号：CN111968139B
公开(公告)日：2023-06-13
申请号：CN202010578385.5
申请日：2020-06-23
Applicant: 广西科技大学
Abstract: 本发明旨在提供一种基于初级视觉皮层固视微动机制的轮廓检测方法，包括以下步骤：A、输入经灰度处理得到的待检测图像，预设多个方向参数的高斯一阶导函数，预设高斯一阶导函数的模板中心的轴向偏移量，预设四个高斯一阶导函数的偏移中心，计算得到对应的四个高斯一阶导偏移函数；B、对于待检测图像的各像素点，计算得到各像素点的经典感受野响应；C、预设距离权重函数、抑制系数，计算得到各个像素点的抑制响应；D、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，进而得到最终轮廓图。该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。
-
公开(公告)号：CN109146901A
公开(公告)日：2019-01-04
申请号：CN201810876317.X
申请日：2018-08-03
Applicant: 广西科技大学
CPC classification number: G06T7/13 , G06T7/90 , G06T2207/10024
Abstract: 本发明旨在提供基于颜色拮抗感受野的轮廓检测方法，包括以下步骤：A、输入待检测图像，提取红、绿、蓝、黄分量；B、预设红绿、蓝黄两个颜色组合及对应的通道，计算各自的单拮抗响应；C、预设均分圆周的多个方向参数，构建对应各个方向参数的双拮抗感受野滤波器模板；对于各像素点计算该像素点的各通道的双拮抗响应；D、对于各像素点计算各通道的两个双拮抗抑制轮廓响应；E、对于各像素点：将各通道全部的双拮抗抑制轮廓响应进行归一化后，所得结果的最大值即为该像素点的最终轮廓响应。该方法克服现有技术缺陷，具有检测效果好、计算效率高的特点。
-
公开(公告)号：CN109934835B
公开(公告)日：2023-03-31
申请号：CN201910072384.0
申请日：2019-01-25
Applicant: 广西科技大学
Abstract: 本发明旨在提供一种基于深度强化网络邻接连接的轮廓检测方法，包括以下步骤：A、构建包含X个等级的深度神经网络结构；B、预设训练数据集，输入训练数据集中的训练图像及其真实轮廓图，训练深度神经网络；C、利用双线性插值算法对待检测图像进行处理，分别得到待检测放大图像、待检测缩小图像，分别输入深度神经网络得到输出响应，将各像素点在上述三个轮廓响应图中对应的特征值取平均值，得到各像素点最终轮廓响应特征值；D、对各像素点的最终轮廓响应特征值使用非极大值抑制和二值化处理，得到最终轮廓图。该方法克服现有技术缺陷，具有融合特征多、检测准确率高的特点。
-
公开(公告)号：CN109146901B
公开(公告)日：2021-09-17
申请号：CN201810876317.X
申请日：2018-08-03
Applicant: 广西科技大学
Abstract: 本发明旨在提供基于颜色拮抗感受野的轮廓检测方法，包括以下步骤：A、输入待检测图像，提取红、绿、蓝、黄分量；B、预设红绿、蓝黄两个颜色组合及对应的通道，计算各自的单拮抗响应；C、预设均分圆周的多个方向参数，构建对应各个方向参数的双拮抗感受野滤波器模板；对于各像素点计算该像素点的各通道的双拮抗响应；D、对于各像素点计算各通道的两个双拮抗抑制轮廓响应；E、对于各像素点：将各通道全部的双拮抗抑制轮廓响应进行归一化后，所得结果的最大值即为该像素点的最终轮廓响应。该方法克服现有技术缺陷，具有检测效果好、计算效率高的特点。
-
Patent Agency Ranking
公开(公告)号：CN111179294B
公开(公告)日：2020-09-15
申请号：CN201911390981.4
申请日：2019-12-30
Applicant: 广西科技大学
IPC: G06T7/13
Abstract: 本发明提供一种基于X、Y并行视觉通道响应的仿生型轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，构建视网膜神经节细胞与外膝体中的X型细胞和Y型细胞仿真模型；B、X型细胞的初始响应值的计算；C、Y型细胞的初始响应值的计算；D、X、Y型细胞的经典感受野响应值的计算；E、X、Y型细胞的轮廓响应值的计算；F、最终轮廓响应值的计算；G、最终轮廓响应值的计算。该方法克服现有技术轮廓识别率低的缺陷，具有仿真效果好、轮廓识别率高的特点。
-
公开(公告)号：CN111968141B
公开(公告)日：2023-06-16
申请号：CN202010611779.6
申请日：2020-06-30
Applicant: 广西科技大学
Abstract: 本发明旨在提供一种基于多尺度叠加的非经典感受野轮廓检测方法，包括以下步骤：A、输入经灰度处理的待检测图像，对待检测图像中的各像素点分别按照各方向参数进行高斯一阶导函数滤波，得到各像素点的经典感受野响应及经典感受野最优方向；B、预设包含非经典感受野的最优方向及多个尺度参数的距离权重函数，计算得到各像素点的融合距离权重函数；C、预设抑制系数，计算得到各像素点的轮廓响应；D、对各像素点的轮廓响应使用非极大值抑制和双阈值处理，得到各个像素点的最终轮廓值，由各个像素点的最终轮廓值构成最终轮廓图。该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。
-
公开(公告)号：CN109949334B
公开(公告)日：2022-10-04
申请号：CN201910072012.8
申请日：2019-01-25
Applicant: 广西科技大学
IPC: G06T7/149
Abstract: 本发明旨在提供一种基于深度强化网络残差连接的轮廓检测方法，包括以下步骤：A、构建包含7个等级、5个阶段的深度神经网络结构；B、预设训练数据集，输入训练数据集中的训练图像及其真实轮廓图，训练深度神经网络；C、利用双线性插值算法对待检测图像进行处理，分别得到待检测放大图像、待检测缩小图像，分别输入深度神经网络得到输出响应，将各像素点在上述三个轮廓响应图中对应的特征值取平均值，得到各像素点最终轮廓响应特征值；D、对各像素点的最终轮廓响应特征值使用非极大值抑制和二值化处理，得到最终轮廓图。该方法克服现有技术缺陷，具有融合特征多、检测准确率高的特点。
-
公开(公告)号：CN111968139A
公开(公告)日：2020-11-20
申请号：CN202010578385.5
申请日：2020-06-23
Applicant: 广西科技大学
Abstract: 本发明旨在提供一种基于初级视觉皮层固视微动机制的轮廓检测方法，包括以下步骤：A、输入经灰度处理得到的待检测图像，预设多个方向参数的高斯一阶导函数，预设高斯一阶导函数的模板中心的轴向偏移量，预设四个高斯一阶导函数的偏移中心，计算得到对应的四个高斯一阶导偏移函数；B、对于待检测图像的各像素点，计算得到各像素点的经典感受野响应；C、预设距离权重函数、抑制系数，计算得到各个像素点的抑制响应；D、将各个像素点的经典感受野响应减去该像素点的抑制响应，得到各像素点的轮廓响应，进而得到最终轮廓图。该轮廓检测方法克服现有技术缺陷，具有仿真性强、检测准确率高的特点。
-
公开(公告)号：CN111179293A
公开(公告)日：2020-05-19
申请号：CN201911390972.5
申请日：2019-12-30
Applicant: 广西科技大学
Abstract: 本发明旨在提供一种基于颜色和灰度特征融合的仿生型轮廓检测方法，包括以下步骤：A、输入待检测图像，进行颜色特征的计算，提取待检测图像中的各颜色分量，进行滤波得到颜色分量的滤波响应值；B、计算各像素点的基于颜色特征的单拮抗响应；C、计算各像素点的颜色特征轮廓响应值以及颜色特征最优方向；D、对待检测图像进行灰度处理，进行灰度特征的计算；计算各像素点的灰度特征初始响应值；E、计算各像素点的灰度特征经典最优响应值及灰度特征最优方向；F、计算各像素点的灰度特征轮廓响应值；G、计算各像素点的最终轮廓响应值；H、计算各像素点的最终轮廓值。该轮廓检测方法克服现有技术缺陷，具有运算特征全面、轮廓识别率高的特点。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.032 seconds)
