-
公开(公告)号：CN117522755A
公开(公告)日：2024-02-06
申请号：CN202311483091.4
申请日：2023-11-08
Applicant: 大连海事大学
IPC: G06T5/90 , G06T5/60 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于物理感知transformer的水下图像增强方法，包括以下步骤：获取待处理的水下图像以及与其对应的透射图；将所述待处理的水下图像和对应的透射图输入训练好的基于物理感知机制的transformer网络模型，所述基于物理感知机制的transformer网络模型使用U‑Net作为基本架构，包括编码器、bottleneck和解码器，所述编码器包括3个物理感知的Swin Transformer Blocks，所述解码器包括3个物理感知的Swin Transformer Blocks；获取基于物理感知机制的transformer网络模型的输出作为增强后的水下图像。本发明通过将水下图像的物理成像过程与transformer网络相融合，能够有效缓解真实水下场景中因后向散射导致获取图像存在色偏和低对比度的问题，得到颜色自然、对比度清晰的水下图像，从而提高其视觉感知效果。
-
公开(公告)号：CN106846374B
公开(公告)日：2020-10-09
申请号：CN201611193901.2
申请日：2016-12-21
Applicant: 大连海事大学
Abstract: 本发明提供一种多摄像头场景下车辆的轨迹计算方法，包括：采用卷积神经网络识别摄像机采集的车辆监控视频，获取目标车辆的识别信息，识别信息包括：目标车辆的型号、品牌、实际运行方向以及目标车辆的倾斜角度，并将目标车辆所在位置用矩阵框标注；根据矩阵框与跟踪器保存区域的重合面积对目标车辆进行跟踪，获取目标车辆的运动信息，运动信息包括目标车辆的出现位置、离开位置以及目标车辆的运行方向和轨迹；根据目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构；通过贝叶斯估计对摄像机网络中的目标车辆的轨迹进行关联。本发明提高了多摄像头场景下车辆的轨迹计算的准确率。
-
公开(公告)号：CN111674530A
公开(公告)日：2020-09-18
申请号：CN202010358027.3
申请日：2020-04-29
Applicant: 大连海事大学
Abstract: 本发明提供一种水下小目标定位抓取装置，承载体、设置于承载体两侧的多个所述推进器和用于装载目标物的网袋，还包括：机械手、第一摄像头、第二摄像头、推进器、处理单元、深度传感器、声纳和驱动机构；处理单元接收第一摄像头、第二摄像头、深度传感器、声纳各自采集的数据信息并进行处理，根据处理结果控制驱动机构驱动机械手对目标物进行抓取。本发明在机器人上方的第一摄像头成功识别到目标物后，机器人根据目标物所在位置调整自身姿态，当目标物进入第一摄像头视野盲区后，可由固定于机械手上的第二摄像头继续跟踪目标物，通过第一摄像头和第二摄像头的相互协作，以及深度传感器和声纳的配合，使机器人对目标物的抓取过程顺利完成。
-
公开(公告)号：CN111563854A
公开(公告)日：2020-08-21
申请号：CN202010351552.2
申请日：2020-04-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种用于水下图像增强处理的粒子群优化方法，包括：采集第一水下图像；对所述第一水下图像分别进行白平衡颜色矫正得到矫正图像、对比度拉伸得到拉伸图像以及细节增强得到增强图像；采用粒子群优化算法计算融合权重，并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像；本发明能够对融合权重进行优化计算，从而得到全局最优解，完成融合过程；有效补偿了水体对红色光的吸收和有机物对蓝色光的吸收、去除了由散射造成的模糊并实现了对细节部分的增强。
-
公开(公告)号：CN106843492A
公开(公告)日：2017-06-13
申请号：CN201710069668.5
申请日：2017-02-08
Applicant: 大连海事大学
IPC: G06F3/01
CPC classification number: G06F3/013
Abstract: 本发明提供一种多人视点校准系统及方法，包括：深度摄像头、观测区域、多个支架以及处理单元；所述深度摄像头用于采集多个观测者的图像，并将所述图像发送至所述处理单元，所述图像包括所述多个观测者面部图像和对应观测者的所述支架的编号；所述观测区域用于所述多个观测者注视的区域；所述支架用于支撑和固定所述多个观测者的头部；所述处理单元用于分析根据所述多个观测者面部图像和对应观测者的所述支架的编号确定所述多个观测者的注视位置。本发明实现了多人视点校准，不需要佩戴繁重的仪器且无需固定头部，在减轻被试者的使用负担的情况下并且提高了多人视点校准的工作效率。
-
Patent Agency Ranking
公开(公告)号：CN118240388A
公开(公告)日：2024-06-25
申请号：CN202410422623.1
申请日：2024-04-09
Applicant: 大连海事大学
Abstract: 本发明属于道路工程材料技术领域，具体涉及一种直投干拌沥青再生剂及其制备方法。所述再生剂，按重量份计，包括：抽出油、橡胶油、抗氧剂、LLDPE、SBS、环氧大豆油、抗老化剂、渗透剂。本发明所提供的直投干拌沥青再生剂是一种渗透性能好且兼具温拌功能的环保型沥青再生剂对老化沥青的渗透性好，降温拌合效果显著，减少能源的消耗和高温烟气的污染，打造成为一种环境友好型再生剂产品，本发明的普及应用，对实现废旧资源循环利用、减少碳排放具有重要的现实意义。
-
公开(公告)号：CN113112429B
公开(公告)日：2024-04-16
申请号：CN202110457241.9
申请日：2021-04-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种用于复杂光照条件下有雾图像的通用增强框架，包括，构建分解模型，将输入图像分解为基础层和细节层；在基础层中进行掩模1估计，得到输入图像的照度分布；提升基础层亮度，采用伽马校正策略，得到自适应的伽马因子，根据伽马因子调整基础层的照度，得到亮度提升后的基础层；对细节层进行掩模2估计，得到精细化后的细节掩模估计；在原图中进行透射图估计；设计对比度增强因子；根据对比度增强因子得到增强后的细节层；将亮度提升后的基础层、对比度提高后的细节层进行重构，得到恢复后的图像。本发明的方法具有较高的普适性和很好的鲁棒性，可以适用于具有各种照明分布的弱光场景，并显着提高水下图像的可视性。
-
公开(公告)号：CN113221985B
公开(公告)日：2024-04-05
申请号：CN202110476299.8
申请日：2021-04-29
Applicant: 大连海事大学
IPC: G06V10/80 , G06V10/44 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了基于金字塔模型的融合网络来提取基础特征的方法，包括：由一个head backbone和两个assistant backbone组成基础特征提取网络，assistant backbone1和assistant backbone2每经过一次卷积下采样得到的特征图都流向两个方向，一个是各自网络模型的下一层，另一个是assistant backbone1和assistant backbone2相同位置层输出的特征图通过融合形成一个通道，然后通过反卷积、上采样操作后，与head backbone在assistant backbone1和assistant backbone2相同位置层的输入特征层进行融合，然后输入到head backbone此时的这一层，经过多层卷积网络操作，最终输出了具有更多特征细节的特征图。
-
公开(公告)号：CN113111834B
公开(公告)日：2024-04-05
申请号：CN202110443963.9
申请日：2021-04-23
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于注意力的全局局部光谱权重的波段选择方法，通过将预处理后的高光谱数据集中的像素样本输入到基于注意力的全连接神经网络中，得到像素样本的权重矩阵。然后再通过卷积神经网络来对高光谱数据进行重建，在重建的光谱与原始光谱的损失不再降低的情况下得到每个像素样本的光谱权重，再利用K‑means算法训练每个像素的光谱权重，选择每个簇中方差最大的波段，得到最终的波段选择结果。从而可以同时考虑光谱的全局信息和局部信息来进行最优波段子集的选择。
-
公开(公告)号：CN117495746A
公开(公告)日：2024-02-02
申请号：CN202311457663.1
申请日：2023-11-03
Applicant: 大连海事大学
IPC: G06T5/90 , G06T3/4038 , G06T3/4046 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于多尺度可形变卷积的泛化图像增强方法，包括：采用多尺度可形变卷积模块和特征均衡化模块搭建网络模型；采用训练集对网络模型进行训练，得到训练后的网络模型；向训练后的网络模型输入原始图像，训练后的网络模型输出增强图像。通过多尺度可形变卷积模块提取不同感受野内的图像特征，通过特征均衡化模块均衡特征值之间的差异，强化不同特征对结果的影响，提高模型的收敛速度。在多尺度可形变卷积模块与特征均衡化模块的共同作用下，所提出的网络模型能够充分的提取图像的特征，鲁棒、稳定地提高恶劣环境下图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.024 seconds)
