-
公开(公告)号：CN110751655B
公开(公告)日：2021-04-20
申请号：CN201910867873.5
申请日：2019-09-16
申请人： 南京工程学院
摘要： 本发明公开了一种基于语义分割和显著性分析的自动抠图方法，顺序执行如下步骤：获取和用户输入的抠图类别相符的的目标子图集合；获取目标子图中每个像素的显著性取值；根据像素显著性取值求得三分图；根据原图和三分图，利用抠像算法求取图像的前景透明度，输出抠图结果。本发明只需要用户输入抠像类别，就可以自动在输入图像中寻找用户指定的目标并且输出抠图结果，避免了传统抠像任务中的繁琐交互操作，可以广泛应用于涉及抠图操作的相关技术领域，特别适用于大批量的无人值守的抠像应用场景中，极大的节省了人工，适用于不同的抠图对象，通用性强，图像处理结果准确度更高。
-
公开(公告)号：CN108154501A
公开(公告)日：2018-06-12
申请号：CN201711401826.9
申请日：2017-12-22
申请人： 南京工程学院
IPC分类号： G06T7/00
摘要： 本发明公开一种基于灰度分布的螺旋叶片图像分割质量自适应评价方法，首先根据螺旋叶片自身的物理特性以及图像采集过程中的光学特性，确定错误分割率和遗漏分割率为螺旋叶片图像分割质量的评价指标；然后构建具有自适应特色的螺旋叶片图像分割质量综合评价模型，并计算各分割质量评价指标的值，以螺旋叶片输入图像为基础，分析其灰度分布情况，以灰度标准差为依据自适应计算各指标的权重系数，利用模型进行分析，得到最终的螺旋叶片图像分割质量的评价结果。采用本发明有效解决现有评价策略忽视输入图像灰度分布对分割性能干扰的不足，实现高效、稳定、自适应的螺旋叶片图像分割质量的评价。
-
公开(公告)号：CN108022240A
公开(公告)日：2018-05-11
申请号：CN201711401632.9
申请日：2017-12-22
申请人： 南京工程学院
摘要： 本发明公开一种基于多种群联合演化的螺旋叶片图像分割方法，首先将采集到的螺旋叶片图像转换为灰度图像，并对螺旋叶片图像进行滤波、去噪处理；然后提取螺旋叶片图像的能量、熵、对比度等特征值；计算各特征值单独分割的最优阈值，并构建共享阈值档案集；计算螺旋叶片图像分割的综合最优分割阈值，指导各特征向量的下一次进化，直到达到求解精度，以最后一次得到的综合最优解进行螺旋叶片图像分割，得到最终的螺旋叶片图像分割结果。采用本发明可实现高效、自适应的螺旋叶片图像的分割。
-
公开(公告)号：CN110688980B
公开(公告)日：2023-04-07
申请号：CN201910966746.0
申请日：2019-10-12
申请人： 南京工程学院
IPC分类号： G06V20/40 , G06V40/20 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明提供一种基于计算机视觉的人体姿态分类方法，通过监控摄像头采集视频监控数据；构建用于人体姿态分类的训练数据集；筛选出有效人体姿态分类特征；基于神经网络算法，结合训练数据集以及筛选出的有效人体姿态分类特征，选择损失函数和优化算法，训练出人体姿态分类模型；对视频监控数据进行目标检测和识别操作，对于其中被识别为人类目标的区域进行姿态估计，基于姿态估计的结果计算人体姿态特征数据，并将计算得到的特征数据导入人体姿态分类模型，判断得出视频中出现的人的姿态；该方法不需要目标对象穿戴多种传感器或光学标志，不会影响运动的舒适性，且数据采集成本较低，实时性高，具有较高的处理效率。
-
-
-
搜索结果
14 条记录 (耗时 0.022 秒)
