|
搜索
搜 索
高等教育领域数字化综合服务平台
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
基于生成图像数据的水下目标检测与识别
一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无
厦门大学
2021-04-11
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
星载SAR数字仿真和地面验证系统（产品）
成果简介：星载SAR数字仿真和地面验证系统包括总体参数与分析、回波模拟、数据压缩与成像算法、图像评估、非理想因素等模块。该系统能够实现多种工作模式、多种极化方式的下的总体参数设计、多工作模式设计与优化、参数复核复算与成像仿真验证等功能，并能够定量分析轨道摄动、地球自转、大气传输路径、卫星平台误差、姿态误差、极化耦合、天线形变和天线展开误差等非理想因素对SAR成像及应用的影响。此外，该软件可支持大运算量，并具有良好的可扩展性。 项目来源：横向项目 技术领域：地球观测与导航
北京理工大学
2021-04-14
高精度图像对焦伺服控制器及显微成像系统
技术成熟度：技术突破
领域存在着景深影响效率的突出问题，本产品以高性能异构处理器为核心运算单元，以嵌入式手段通过视觉流与控制流的严格对位，高性能实时完成视频控制信息的结算，并直接输出电机驱动信号控制相关执行机构完成闭环控制。
本产品主要面向高性能伺服闭环控制的视频应用领域，能够显著提升显微工业自动化领域的视频对焦及对位处理的效率及精度，亦可实现宏观领域的视觉嵌入化控制闭环应用。
意向开展成果转化的前提条件：中试放大及产业化工艺开发资金支持
东北师范大学
2025-05-16
恶劣成像环境下图像目标检测、识别与跟踪系统
一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1) 雾天图像增强2) 水下图像增强 3) 雾天图像增强
厦门大学
2021-04-11
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
浙江大学
2021-01-12
基于图像识别的带钢产品质量检测技术
小试阶段/n钢板表面质量检测经历了人工目测检测、传统无损检测和基于机器视觉检测的三个发展阶段。人工目视检测表面缺陷的方法效率低、容易漏检、劳动强度大和实时性差。传统无损检测方法包括涡流检测、红外检测、漏磁检测和激光检测等, 这些方法检到的缺陷类型少, 检测实时性不强, 检测的表面缺陷分辨率也不高, 无法有效评估产品的表面质量状况。本技术涉及一种基于多流形学习的带钢表面缺陷识别方法。其方案是：对于任一副带钢表面缺陷图像向量化的向量数据点分别选择类别相同和类别不同的K 个近邻点建立对应的同类数据子图和异
武汉科技大学
2021-01-12
基于单目镜头的车辆图像检测、跟踪与测距系统
北京工业大学
2021-04-14
一种对称图像对称轴检测定位方法
本发明公开了一种鲁棒的图像对称轴检测定位方法，具体包括(1)图像边缘提取；(2)边缘点梯度计算；(3)边缘点对的中垂线方向及权值计算；(4)极坐标映射，寻找最优对称轴。本发明利用了对称图像边缘点梯度方向的对称性，针对边缘点集，计算任意两边缘点的中垂线，根据梯度方向计算该中垂线的映射权值，形成待选中轴线；利用了Hough 变换的映射机制，使用标准极坐标公式描述所有的待选中轴线，在对应的极坐标位置上累加映射权值，选择权值
华中科技大学
2021-04-14