一种基于透射谱指导的多级对比度拉伸去雾方法

    公开(公告)号:CN110738623A

    公开(公告)日:2020-01-31

    申请号:CN201910994632.7

    申请日:2019-10-18

    Abstract: 本发明提供了一种基于透射谱指导的多级对比度拉伸去雾方法,利用第一编解码网络生成有雾图片的透射谱,并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域;分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理,结合所述浓雾区域的预处理结果利用第二编解码网络对所述浓雾区域进行修复,以及结合所述薄雾区域的预处理结果利用第三编解码网络对所述薄雾区域进行修复;利用密集卷积块对增强后的浓雾区域和薄雾区域的特征进行融合处理,得到去雾后的图像。本发明通过上述设计解决了去雾中不均匀的大气和细节信息缺失的问题。

    基于卷积特征谱的图像可判别区域提取方法

    公开(公告)号:CN107578445A

    公开(公告)日:2018-01-12

    申请号:CN201710825739.X

    申请日:2017-09-14

    Abstract: 本发明公开了一种基于卷积特征谱的图像可判别区域提取方法,其包括获取待提取图片,并将其输入VGG16卷积神经网络;计算待提取图片与VGG16卷积神经网络的训练集中所有类别的判别概率;选取待提取图片的所有判别概率中的最大判别概率所在类别作为待提取图片的类别;采用VGG16卷积神经网络中第k个卷积阶段的池化层的输入特征谱计算可判别区域;对k为3时得到的可判别区域和k为5时得到的可判别区域进行双线性插值处理,并将两个可判别区域进行融合形成待提取图片的最终可判别区域。

    基于局部纹理特征和全局亮度特征的视频迟滞帧检测方法

    公开(公告)号:CN107360474A

    公开(公告)日:2017-11-17

    申请号:CN201710710941.8

    申请日:2017-08-18

    CPC classification number: H04N21/64738 H04N21/6473

    Abstract: 本发明公开一种基于局部纹理特征和全局亮度特征的视频迟滞帧检测方法,涉及图像及视频处理技术领域,包括如下步骤:S1:提取网络视频的每一帧图像的局部纹理特征和全局亮度特征;S2:根据视频序列的纹理特征和亮度特征特征变化进行迟滞帧检测。本发明解决的问题是:在网络参数访问受限的情况下,用户端无法从接收到的网络流直接判断迟滞帧位置及时间。

    一种局部色调差异的自然场景文字定位方法

    公开(公告)号:CN103440487B

    公开(公告)日:2016-11-02

    申请号:CN201310377443.8

    申请日:2013-08-27

    Abstract: 本发明提供一种局部色调差异的自然场景文字定位方法。本发明不仅利用了文字的纹理特征,而且利用了文字区域与周围区域色调不同的特点,有效地对场景中的文字进行定位。通过取边缘像素点附近的平均色调差,利用该平均色调差与阈值相比较来判断该区域是否含有文字,这样做可以加入区域文字的局部颜色信息,利用文字的颜色一致性与背景的不同来定位文字。且本发明利用自适应的阈值处理方法来得到阈值,该阈值是由所有候选框的上下左右区域的主色调差的平均值得到的,这样做的目的是利用整幅图的颜色信息来为局部颜色信息做贡献,得到的阈值可以表征场景图的文字区域与背景的色调差。本发明能较快地对自然场景中文字进行准确定位。

    基于互补性组合特征与多相回归的盲图像质量评价方法

    公开(公告)号:CN104268590A

    公开(公告)日:2015-01-07

    申请号:CN201410476532.2

    申请日:2014-09-17

    CPC classification number: G06K9/6269 G06T7/90 G06T2207/30168

    Abstract: 本发明提供一种基于互补性组合特征与多相回归的盲图像质量评价方法,在特征提取方面,采有互补性的全局频域和局部空频图像特征,来更准确地捕捉图像感知相关信息。在预测模型构建方面,引入多项支撑矢量回归方案,并通过搜索每幅测试图像的K副近邻来构建其独立的训练样本集。通过该分段回归操作,可以有效提高感知质量预测模型的预测精度。本发明相比于现有的代表性盲图像质量评价方法,该方法更加鲁棒,并且可以取得和人工打分更一致的预测质量打分。

    一种基于分类模糊及图像分割的英文字符识别方法

    公开(公告)号:CN103455823A

    公开(公告)日:2013-12-18

    申请号:CN201310376411.6

    申请日:2013-08-27

    Abstract: 本发明提供一种基于分类模糊及图像分割的英文字符识别方法。当一个个子窗口完整地、理想地分割出一个独立字符时,该个子窗的最后一列或最后一行应为背景区域,分离置信度等于或接近最大值1;当个子窗口没有完整分割出一个独立字符时,该个子窗的最后一列或最后一行会包含有字符区域,使得分离置信度降低。完整分割出一个独立字符的子窗口的窗口分数将远大于其他尺寸的子窗口的窗口分数。本发明通过引入了分离置信度对滑动窗结果进行分数计算就能有效的抑制大量干扰的子窗口,提高识别正确率。本发明将形状相似的大写字母、小写字母以及数字进行合并分类,之后通过常用英文字母组合规则进行2次判断,进一步能提高相似形状字符的识别正确率。

    一种基于图像复杂性的特征自适应图像共分割方法

    公开(公告)号:CN102982539A

    公开(公告)日:2013-03-20

    申请号:CN201210448129.X

    申请日:2012-11-09

    Inventor: 李宏亮 孟凡满

    Abstract: 本发明提供一种基于图像复杂性分析的特征自适应图像共分割方法。考虑到简单背景图像中对象检测方法的检测结果较准确,而复杂图像中的检测结果较分散,考虑到初始分割准确度,首先从简单背景图像的分割结果出发,再通过学习不同图像组对应的最优相似程度衡量标准来自适应调整共分割参数,使用自适应调整得到的共分割参数进行图像共分割处理,检测率高、结果准确,自适应能力强。

    一种基于多模态适配器的第一视角增量行为识别方法

    公开(公告)号:CN119538049A

    公开(公告)日:2025-02-28

    申请号:CN202411654641.9

    申请日:2024-11-19

    Abstract: 该发明公开了一种基于多模态适配器的第一视角增量行为识别方法,本发明涉及视频图像处理领域。本发明旨在通过时序蒸馏损失将旧任务识别模型中的时序感知能力迁移到当前任务识别模型中,并结合模态平衡适配器,通过旧任务识别模型的特征高斯采样和当前任务识别模型的特征高斯采样实现分类层对多任务的增量识别。首先在冻结的ImageNet数据集上预训练的Vit‑B/16模型的所有Transformer编码器的前向网络层的前后以残差的形式插入多模态时序感知适配器,实现在Transformer编码器中从视觉模态、加速度模态和陀螺仪模态的特征中提取时序信息,并通过时序蒸馏损失保证当前任务识别模型和旧任务识别模型的时序信息尽可能靠近。最后,通过计算当前任务识别模型的特征均值和方差构建当前任务的特征高斯分布,并结合旧任务识别模型的特征高斯分布实现多任务的特征高斯采样,在当前任务的分类层前插入模态平衡适配器,利用采样特征和模态平衡适配器再次训练当前任务的分类层,以提高分类层对各任务的识别能力。

    基于消防大模型的动力电池警情处置力量调度方法及系统

    公开(公告)号:CN119378839A

    公开(公告)日:2025-01-28

    申请号:CN202411211535.3

    申请日:2024-08-30

    Abstract: 本发明涉及应急管理技术领域,具体为基于消防大模型的动力电池警情处置力量调度方法及系统,包括以下步骤:基于动力电池参数数据,通过大语言模型,进行文本摘要,提取多种电池的材料成分和设计结构信息,分析多种类型的新能源电池在燃烧时释放的热量、燃烧速率、燃烧特点,生成动力电池燃烧模型。本发明中,通过对多种类型新能源电池的燃烧特性进行分析,结合对多种外部环境下的火灾扩散与蔓延过程进行模拟,预测火焰传播路径与电池火灾的特性,通过分析历史警情数据,评估多种火灾警情的紧急程度并计算优先级评分,优化资源调度的效率和有效性,提高警情应对速度,通过分析实时火情的地理位置、火情等级和环境条件,预测所需的资源数量与类型,进行消防力量的高效部署,减少消防力量浪费和资源冗余。

Patent Agency Ranking