|
搜索
搜 索
高等教育领域数字化综合服务平台
基于无人艇应用的水面目标快速检测方法
本发明公开了一种基于无人艇应用的水面目标快速检测方法，属于数字图像处理和控制系统交叉技术领域。本发明通过目标性分析得到目标候选区域，由于候选区域中会存在一定虚警，因此利用显著性分析得到显著区域，并将目标性与显著性相结合，剔除虚警，得到目标准确位置
华中科技大学
2021-04-10
一种复杂背景下弱小目标检测的方法
本发明公开了一种复杂背景下弱小目标检测的方法，包括：对连续 3 帧运动目标图像做增强的时域差分滤波处理，得到时域差分滤波增强图像 DIF；对上述 3 帧运动目标图像中的第二帧运动目标图像，进行经验模态分解，得到固有模态函数 IMF1；对时域差分滤波增强图像 DIF 和固有模态函数 IMF1 进行时空域融合增强处理，得到时空域融合增强图像 FuisonI；对时空域融合增强图像 FuisonI 进行基于统计的阈值分割处理
华中科技大学
2021-04-14
核酸单分子荧光图像测序智能检测技术
深圳国际研究生院张盛副教授团队在已开展的核酸测序方面的专用图像传感元器件关键技术基础上，提出了“基于单分子荧光图像测序的冠状病毒核酸智能检测技术”重大攻关项目研究方案。课题组通过远程网络讨论与协作等多种方式，组织了相关学科的专家多次进行技术研讨，并与深圳市行业内的权威机构合作，在两周内快速进行原理论证，形成技术方案，完成智能检测装置的原型结构设计及前期研究准备工作。 项目致力于开发具有核酸智能检测能力的低成本嵌入式物联网设备，为公共卫生防疫事业提供更加有力、且具备“提前生产、快速部署、分散检测”特点的新型核酸检测的解决方案，有望实现未来冠状病毒传染事件中基因序列的快速发布与潜在感染者的本地化核酸检测能力快速部署，帮助医护人员和民众在家庭或社区对感染或疑似患者进行现场筛查，减少潜在感染者的聚集与交叉感染，快速实现核酸检测层次的确诊检验与病症初筛，助力疫病防控和公共卫生领域战略科技力量的提高和储备。
清华大学
2021-04-10
基于图像的农作物虫害检测技术
本成果分为叶片害虫检测和叶片伤害程度检测，害虫检测通过研究的图像建模及形态学处理等相关方法对农作物叶片上昆虫位置进行快速检测，并通过模式统计和分类识别方法精确计算害虫数量和识别类型，每张图片（参考分辨率 2448*3264）处理速度小于 1 秒（和害虫的数量相关），速度远高于人眼。叶片伤害检测通过图像处理方法将图像进行背景、叶片、斑纹分割，通过统计像素，集合斑纹形状进行定级评价，每张图片（参考分辨率 2448*3264））进行自动检测和分析，处理速度 2 秒左右（和图像中叶片的数量相关），经过人工核
扬州大学
2021-04-14
基于图像的农作物虫害检测技术
本成果分为叶片害虫检测和叶片伤害程度检测，害虫检测通过研究的图像建模及形态学处理等相关方法对农作物叶片上昆虫位置进行快速检测，并通过模式统计和分类识别方法精确计算害虫数量和识别类型，每张图片（参考分辨率2448*3264）处理速度小于1秒（和害虫的数量相关），速度远高于人眼。叶片伤害检测通过图像处理方法将图像进行背景、叶片、斑纹分割，通过统计像素，集合斑纹形状进行定级评价，每张图片（参考分辨率2448*3264））进行自动检测和分析，处理速度2秒左右（和图像中叶片的数量相关），经过人工核对，检测精
扬州大学
2021-04-14
多模态弱监督图像显著区域检测分割方法
北京工业大学
2021-04-14
一种基于无人艇应用的水面目标快速检测方法
本发明公开了一种基于无人艇应用的水面目标快速检测方法，属于数字图像处理和控制系统交叉技术领域。本发明通过目标性分析得到目标候选区域，由于候选区域中会存在一定虚警，因此利用显著性分析得到显著区域，并将目标性与显著性相结合，剔除虚警，得到目标准确位置。本发明不带有特定目标类型信息，因此普适性较好，相较于现有的其它目标检测算法，无论是在目标的检测效果方面，还是在方法的速度方面都有很大的提升，对无人艇的自动避障具有重要
华中科技大学
2021-04-14
一种公路地标约束下的地面运动目标检测方法
本发明公开了一种公路地标约束的动平台动目标检测方法，包括：从卫星图片中选取形状特征明显的公路地标，根据公路地标所在的卫星图片生成公路参考图，将生成的公路参考图中直道部分的中心作为选取地标约束中心点，并以该地标约束中心点为中心在公路地标上选取一矩形区域，其宽度和公路地标的宽度相同，长度为出现在视场范围内公路地标直道部分的长度，获取实时图，根据实时图的实时成像行数和实时成像列数、以及动平台的飞行保障参数对公路参考图
华中科技大学
2021-04-14
应用二次IoU损失函数的无锚框目标检测方法
本发明提供一种应用二次IoU损失函数的无锚框目标检测方法，其特征在于，包括:将待检测图像进行预处理再输入至预先训练好的目标检测模型进行推理得到对应的图像检测结果，其中，目标检测模型预先通过如下训练得到:获取训练用图像数据集以及监督信息；构建初始目标检测模型,并将训练用图像数据集以及监督信息输入至该模型；使用二次IoU损失函数求定位损失，并使用Focal Loss损失函数求分类损失；分别用定位损失以及分类损失对初始目标检测模型的模型参数进行求导，再使用反向传播对模型参数进行更新；判断更新后的模型参数是否达到终止条件，当判断为是则进入下一步，否则进入训练过程第二步；保存更新后的模型参数并进行加载得到目标检测模型。
复旦大学
2021-01-12
基于超图模型的RGBD图像显著性检测方法
本发明公开了一种基于超图模型的RGBD图像显著性检测方法，该方法包括：对待检测彩色图像和深度图像进行超像素分割，对深度图像的每一个超像素区域进行邻域深度对比图的计算，依据邻域深度对比值构建深度背景超边；提取位于图像边界的超像素区域构建边界背景超边；计算两个超边的权重，并根据超图学习算法进行超边展开，构建诱导图；基于诱导图的空间邻接关系和边权重，利用边界连通性先验计算边界背景显著图；采用基于元胞自动机的显著度更新算法和结合深度先验的融合算法得到最终的显著性检测图。本发明弥补了传统2D边界背景先验中的不足，利用深度信息和超图模型进行改进，与以往结合彩色和深度信息的图像显著性检测方法相比取得了更好的效果。
浙江大学
2021-01-12