-
公开(公告)号：CN111614965A
公开(公告)日：2020-09-01
申请号：CN202010376138.7
申请日：2020-05-07
Applicant: 武汉大学
Abstract: 本发明提供一种基于图像网格光流滤波的无人机视频稳像方法及系统，对输入的视频进行网格划分，将网格的顶点设置为光流跟踪点，求解每一帧图像与前一帧图像在网格顶点处的光流；对网格光流进行初次时域分析，去除高频成分，然后比较滤波前后，筛选出变化大的点作为外点；对外点的光流进行滤波处理，使其与周围网格顶点的光流在空间上连续；对优化后的光流进行时域滤波，并通过网格顶点限制使输出视频不发生较大的形变，得到网格顶点的运动补偿矢量；根据运动补偿矢量进行网格变换，得到输出稳像视频。本发明采取由粗到细的方法，对不连续光流进行滤波处理，再进行受网格约束的运动补偿，从而减少了形变以及运动物体带来的影响，提高了稳像质量。
-
公开(公告)号：CN111461259A
公开(公告)日：2020-07-28
申请号：CN202010339964.4
申请日：2020-04-26
Applicant: 武汉大学
Abstract: 本发明提供一种基于红黑形态小波池化网络的图像分类方法及系统，包括准备待分类图像数据集；将红黑形态小波与最大池化融合，构建提升方案池化层，用于提取待分类图像的特征并进行降采样；基于待分类图像数据集，构建及训练提升方案卷积神经网络，并通过Softmax分类器实现分类，所述提升方案卷积神经网络包含提升方案池化层；所述提升方案池化层包含两个支路，分别是红黑形态小波支路和最大池化支路，提升方案池化层的最终输出y红黑形态小波的输出和最大池化分支的输出融合得到；所述红黑形态小波支路包含垂直和水平方向的提升过程和对角方向的提升过程。本发明能够有效提高神经网络的识别能力，在基准图像的分类任务上有明显的准确率提升。
-
公开(公告)号：CN111461259B
公开(公告)日：2023-11-28
申请号：CN202010339964.4
申请日：2020-04-26
Applicant: 武汉大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于红黑形态小波池化网络的图像分类方法及系统，包括准备待分类图像数据集；将红黑形态小波与最大池化融合，构建提升方案池化层，用于提取待分类图像的特征并进行降采样；基于待分类图像数据集，构建及训练提升方案卷积神经网络，并通过Softmax分类器实现分类，所述提升方案卷积神经网络包含提升方案池化层；所述提升方案池化层包含两个支路，分别是红黑形态小波支路和最大池化支路，提升方案池化层的最终输出y红黑形态小波的输出和最大池化分支的输出融合得到；所述红黑形态小波支路包含垂直和水平方向的提升过程和对角方向的提升过程。本发明能够有效提高神经网络的识别能力，在基准图像的分类任务上有明显的准确率提升。
-
公开(公告)号：CN111614965B
公开(公告)日：2022-02-01
申请号：CN202010376138.7
申请日：2020-05-07
Applicant: 武汉大学
Abstract: 本发明提供一种基于图像网格光流滤波的无人机视频稳像方法及系统，对输入的视频进行网格划分，将网格的顶点设置为光流跟踪点，求解每一帧图像与前一帧图像在网格顶点处的光流；对网格光流进行初次时域分析，去除高频成分，然后比较滤波前后，筛选出变化大的点作为外点；对外点的光流进行滤波处理，使其与周围网格顶点的光流在空间上连续；对优化后的光流进行时域滤波，并通过网格顶点限制使输出视频不发生较大的形变，得到网格顶点的运动补偿矢量；根据运动补偿矢量进行网格变换，得到输出稳像视频。本发明采取由粗到细的方法，对不连续光流进行滤波处理，再进行受网格约束的运动补偿，从而减少了形变以及运动物体带来的影响，提高了稳像质量。
-
-
-
Search Results
4
records
(took 0.02 seconds)
