-
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
申请人： 广西科技大学
摘要： 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：CN113673539B
公开(公告)日：2023-06-20
申请号：CN202110953747.9
申请日：2021-08-19
申请人： 广西科技大学
IPC分类号： G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明旨在提供一种基于深度学习模型的逐级交互式轮廓识别方法，包括以下步骤：A、构建深度神经网络结构，结构具体如下：编码网络、解码网络；其中，编码网络为VGG16网络，池化层为分界线分为S1、S2、S3、S4、S5五个阶段；所述的解码网络分为四级，每一级中均分别设有子解码网络M和子解码网络N；B、原始图像输入VGG16网络中，依次经五个阶段卷积处理；C、VGG16网络的S1、S2、S3、S4、S5五个阶段中的第一卷积层和第二卷积层的卷积结果分别输入子解码网络M和N中，经过双解码网络解码之后，最后融合处理得到最终输出轮廓。本发明对纹理的抑制、边缘的保护产生了积极的效果。
-
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
申请人： 广西科技大学
摘要： 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：CN111161291A
公开(公告)日：2020-05-15
申请号：CN201911412629.6
申请日：2019-12-31
申请人： 广西科技大学
摘要： 本发明旨在提供一种基于目标景深信息的轮廓检测方法，包括以下步骤：A、采集灰度图像及景深图像；B、分别计算灰度图像及景深图像的灰度经典感受野最优响应值及景深经典感受野最优响应值；C、分别计算灰度图像及景深图像的灰度轮廓响应值及景深轮廓响应值；D、计算各像素点的最终轮廓响应值；E、计算各像素点的最终轮廓值。该检测方法克服现有技术缺陷，具有运算全面、轮廓识别率高的特点。
-
公开(公告)号：CN111080663A
公开(公告)日：2020-04-28
申请号：CN201911392146.4
申请日：2019-12-30
申请人： 广西科技大学
摘要： 本发明旨在提供一种基于动态感受野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，计算各像素点的空间标准差；B、结合各像素点的空间标准差计算各像素点的经典感受野最优响应值；C、计算各像素点的最终轮廓响应值；D、计算各像素点的最终轮廓值。该方法克服现有技术缺陷，具有仿生效果好，轮廓检测率高的特点。
-
公开(公告)号：CN117078710A
公开(公告)日：2023-11-17
申请号：CN202310978048.9
申请日：2023-08-04
申请人： 广西科技大学
IPC分类号： G06T7/13 , G06T5/30 , G06N3/0455 , G06N3/0464 , G06N3/048
摘要： 本发明旨在提供一种仿平行通路XYW细胞的边缘检测方法，包括以下步骤：A、构建神经网络，所述的神经网络包括编码网络和解码网络；其中，编码网络包括依次连接的Init模块、Path1模块、Path2模块、Path3模块、Path4模块；B、原始图像输入编码网络中，先经过Init模块调整通道数为C后，输入Path1模块处理并调整通道数为2C后，输入Path2模块处理并调整通道数为4C后，输入Path3模块处理后输入Path4模块，Path4模块处理结果输入解码网络中；C、解码网络对Path4模块处理结果进行解码，得到最终检测结果。本发明能够在不需要通过迁移学习情况下，以低参数量获得优秀的性能。
-
公开(公告)号：CN113192092B
公开(公告)日：2023-04-07
申请号：CN202110493954.0
申请日：2021-05-07
申请人： 广西科技大学
摘要： 本发明提供一种模拟XYW细胞感受野特性融合的轮廓检测方法，包括以下步骤：A、获取待测图像的灰度图像和视差图像；B、对待测图像的灰度图像进行快速双边滤波；C、滤波后的图像分别经过X、Y、W通道处理；D、通过稀疏编码进行抑制，去除多余纹理；E、将抑制后的X通道轮廓响应、Y通道轮廓响应、W通道轮廓响应分别与视差图像的相应通道的视差轮廓响应求和；F、利用不同的注视平面对强化了弱轮廓的X通道轮廓响应、Y通道轮廓响应、W通道轮廓响应进行融合，获得最终轮廓和最优方向；G、利用最优方向对最终轮廓响应进行非极大值抑制，获得抑制后的最终轮廓。本发明增强了轮廓的完整性和连续性，进一步提高了轮廓的检测性能。
-
公开(公告)号：CN113538485B
公开(公告)日：2022-04-22
申请号：CN202110784619.6
申请日：2021-08-25
申请人： 广西科技大学
摘要： 本发明旨在提供一种学习生物视觉通路的轮廓检测方法，包括以下步骤：构建深度神经网络结构，深度神经网络结构具体如下：编码网络、解码网络、前馈融合模块；其中，编码网络为VGG16与FENet相结合的网络结构；原始图像依次经过编码网络、解码网络、前馈融合模块处理，获得最终输出轮廓。本发明能让编码器获得更丰富的轮廓特征信息，提升轮廓检测性能。
-
公开(公告)号：CN113673539A
公开(公告)日：2021-11-19
申请号：CN202110953747.9
申请日：2021-08-19
申请人： 广西科技大学
摘要： 本发明旨在提供一种基于深度学习模型的逐级交互式轮廓识别方法，包括以下步骤：A、构建深度神经网络结构，结构具体如下：编码网络、解码网络；其中，编码网络为VGG16网络，池化层为分界线分为S1、S2、S3、S4、S5五个阶段；所述的解码网络分为四级，每一级中均分别设有子解码网络M和子解码网络N；B、原始图像输入VGG16网络中，依次经五个阶段卷积处理；C、VGG16网络的S1、S2、S3、S4、S5五个阶段中的第一卷积层和第二卷积层的卷积结果分别输入子解码网络M和N中，经过双解码网络解码之后，最后融合处理得到最终输出轮廓。本发明对纹理的抑制、边缘的保护产生了积极的效果。
-
公开(公告)号：CN113192092A
公开(公告)日：2021-07-30
申请号：CN202110493954.0
申请日：2021-05-07
申请人： 广西科技大学
摘要： 本发明提供一种模拟XYW细胞感受野特性融合的轮廓检测方法，包括以下步骤：A、获取待测图像的灰度图像和视差图像；B、对待测图像的灰度图像进行快速双边滤波；C、滤波后的图像分别经过X、Y、W通道处理；D、通过稀疏编码进行抑制，去除多余纹理；E、将抑制后的X通道轮廓响应、Y通道轮廓响应、W通道轮廓响应分别与视差图像的相应通道的视差轮廓响应求和；F、利用不同的注视平面对强化了弱轮廓的X通道轮廓响应、Y通道轮廓响应、W通道轮廓响应进行融合，获得最终轮廓和最优方向；G、利用最优方向对最终轮廓响应进行非极大值抑制，获得抑制后的最终轮廓。本发明增强了轮廓的完整性和连续性，进一步提高了轮廓的检测性能。
-
-
-
-
-
-
-
-
-
搜索结果
46 条记录 (耗时 0.027 秒)
