|
搜索
搜 索
高等教育领域数字化综合服务平台
基于图像处理的矿用电机车行人监测报警系统
本项目利用图像识别技术和运动目标检测定位技术，采用高新能、快速硬件组合（ARM+DSP+FPGA）方式构建运动目标自动识别系统，设计图像的非线性变换，二值化，自适应阈值值分割、模糊边缘识别和区域连通性分析等算法，对机车前方行人进行检测报警，提高了井下电机车运输安全性能。软件设计采用基于嵌入式实时操作系统的多任务设计模式，使得监测系统的实时性、可靠性更高，为行人监测系统的不间断运行提供了可靠的保障。
安徽理工大学
2021-04-13
一种基于字典渐近更新的人脸图像超分辨率方法
一种基于字典渐近更新的人脸图像超分辨率方法:在训练阶段，采用去一法对低分辨率人脸图像训 练集的每张低分辨率人脸图像进行超分辨率重构，得到一层低分辨率中间字典;以此低分辨率中间字典 作为新的低分辨率人脸图像训练集输入，重构得到新一层的低分辨率中间字典;重复上述过程，最终得 到多层低分辨率中间字典。在测试阶段，根据输入的低分辨率人脸图像，上一层低分辨率中间字典和高 分辨率人脸图像训练集，对输入低分辨率人脸图像进行超分辨率重构，得到预估高分辨率人脸图像;重 复上述过程，最终重构出高分辨率人脸图像。本发明可得到更高质量、与真实情况更为接近的重建效果。
武汉大学
2021-04-13
一种基于支持向量回归的 SAR 图像适配性预测方法
本发明公开了一种基于支持向量回归的雷达图像适配性预测方法。所述方法包括：学习阶段，提取 SAR 图像多维特征构成学习集；对学习集样本特征预处理后，将其分为学习集 L1、L2，然后用学习集L1 训练支持向量机，并用得到的 SVM 模型对学习集 L2 进行分类，根据分类正确率、样本特征和类心之间的距离计算各样本的适配率；之后利用学习集特征及其相应的适配率，拟合回归得到适配性预测函数模型；预测阶段，对待评估的 SAR 图像
华中科技大学
2021-04-14
一种基于场量分析的视频图像显著性检测方法
本发明公开了一种基于场量分析的视频图像显著性检测方法，包括以下步骤：S1 获得视频图像的静态显著性图；S2 根据连续的视频帧提取场景的光流向量场；S3 通过聚类方法对光流向量场进行初步分类并找出最大分类区块；S4 通过每个分类区块与最大分类区块之间的对比生成差异性能量；S5 规范化差异性能量，获得运动显著性值并生成运动显著性图；S6 将该运动显著性图与所述静态显著性图线性加权相加得到最终显著性图，即可实现对视频图像的显著性检测。本发明的方法综合利用视频场景的静态特征和动态特征来得到显著性映射结果，特
华中科技大学
2021-04-14
一种基于运动颜色关联的视频图像显著性检测方法
本发明公开了一种基于运动颜色关联的视频图像显著性检测方法，包括：获得视频图像的静态显著性图；提取场景的光流向量场；对光流向量场进行初步分类并抛弃最大分类区块；将视频图像从 RGB颜色空间转换到 HSV 颜色空间；根据 HSV 颜色空间 H 分量中对应颜色在输入图像中出现的频率，生成颜色直方图；针对光流向量场有效分类区块中的每个向量，将其范数投射到颜色直方图的相应区间中去，得到每个颜色区间的运动尺度变量；得到每种颜色的运动显著性值并投影到原图像生成运动显著性图；将运动显著性图与静态显著性图相加得到最终
华中科技大学
2021-04-14
基于视频播放器精确获取原视频文件图像的实现方法
本新技术成果提供了一种基于视频播放器精确获取原视频文件图像的实现方法，通过客户端全程监测视频播放器，获取视频的参数，将获取视频的所有参数代入函数并运行函数，通过计算获取当前播放视频的视频数据范围，并对该视频数据进行差值平滑处理，获取到最接近该视频数据的原视频文件图像即当前帧图像。本成果根据视频播放器的播放视频获取原视频文件的图像，使截取的图像清晰，效果更佳。
西南交通大学
2016-06-27
基于差分熵和结构相似性的图像编码质量预测方法
本发明公开了一种基于差分熵和结构相似性的图像编码质量预测方法，包括步骤：步骤 1，获取样本图 像序列中各样本图像的图像差分熵及不同压缩倍数下的图像结构相似性；步骤 2，基于步骤 1 获取的数据， 采用线性拟合方式构建不同压缩倍数下图像差分熵与图像结构相似性间的线性关系，即图像编码质量预测模 型；步骤 3，根据待预测图像的图像差分熵，采用图像编码质量预测模型即可获得待预测图像在不同压缩倍 数下的图像结构相似性。本发明简单，高效，无需消耗较大的硬件
武汉大学
2021-04-14
基于超像素样本扩充的空谱全卷积高光谱图像分类方法
本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。
成果非涉密，专利申请已经提交。
实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。
由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。
表 1 PaviaU 数据集上对比实验结果
西安电子科技大学
2023-03-03
基于空谱差分辅助核联合稀疏表示的高光谱图像分类
该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。
主要技术指标
不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。
该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。
表 1. 不同数据集下的训练样本选取数量
表 2. PaviaU 大学数据下不同方法的正确率比较
西安电子科技大学
2023-03-22
改性沥青荧光显微形态结构图像源样本的制备方法
包括以下步骤：（1）加热改性沥青使之软化融熔，加热温度为 100～130℃；（2）将融熔的改性沥青在室温中自然稍冷却 5～10min；（3）将稍冷却后的改性沥青搅拌均匀并倒于圆柱形器皿中，沥青高于器皿口边缘处；（4）将装有沥青试样的圆柱形器皿水平放置于-25--30℃的环境中，放置时间 3-5h；（5）取出试样，观测试样表面是否平整；（6）将表面平整的试样器皿在室温中水平放置 2h，自然脱水后进行图片拍摄；将表面不平整的试样器皿用小刀将表面刮平，使之具有良好的平整度，放回-25--30℃的环境中继续
扬州大学
2021-04-14