-
Patent Agency Ranking
公开(公告)号：CN106204543B
公开(公告)日：2019-08-06
申请号：CN201610498200.3
申请日：2016-06-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于单分类支持向量机的织物疵点检测方法。获取无疵点织物图像，采用RDPSO算法优化Gabor滤波器的参数，构造最适应无疵点织物图像纹理特征的单个最优Gabor滤波器；采用RDPSO算法优化单分类SVM的参数；对待检测的织物图像进行Gabor卷积滤波；基于GLCM在滤波后图像上提取一组纹理特征；采用单分类SVM进行疵点判别。本发明采用单个最优Gabor滤波器，能有效提高检测速度，保证系统实时性要求；采用单分类SVM作为疵点判别方法，能避免传统的统计模式识别方法局部极值、过学习与欠学习等问题，能有效提升系统的泛化能力，保证系统的检测准确率要求。
-
公开(公告)号：CN109961437A
公开(公告)日：2019-07-02
申请号：CN201910270956.6
申请日：2019-04-04
Applicant: 江南大学
Abstract: 本发明公开了一种基于机器教学模式下的显著性织物疵点检测方法，属于纺织技术领域。通过引入教学模型，并通过模糊连通性评价超像素集合的传播难易程度，从而逐渐控制并优化显著性传播的顺序，解决疵点检测方法中显著性传播的缺陷和不足；本发明基于像素有不同的传播难度的前提，结合了认知科学理论的实践结果，提出的显著性织物疵点检测方法，对提高显著性疵点检测算法的稳定性和准确率具有参考价值。
-
公开(公告)号：CN106204543A
公开(公告)日：2016-12-07
申请号：CN201610498200.3
申请日：2016-06-29
Applicant: 江南大学
CPC classification number: G06K9/6269 , G06T7/0008 , G06T2207/30124
Abstract: 本发明公开了一种基于单分类支持向量机的织物疵点检测方法。获取无疵点织物图像，采用RDPSO算法优化Gabor滤波器的参数，构造最适应无疵点织物图像纹理特征的单个最优Gabor滤波器；采用RDPSO算法优化单分类SVM的参数；对待检测的织物图像进行Gabor卷积滤波；基于GLCM在滤波后图像上提取一组纹理特征；采用单分类SVM进行疵点判别。本发明采用单个最优Gabor滤波器，能有效提高检测速度，保证系统实时性要求；采用单分类SVM作为疵点判别方法，能避免传统的统计模式识别方法局部极值、过学习与欠学习等问题，能有效提升系统的泛化能力，保证系统的检测准确率要求。
-
公开(公告)号：CN105404853A
公开(公告)日：2016-03-16
申请号：CN201510719285.9
申请日：2015-10-29
Applicant: 江南大学
CPC classification number: G06K9/00664 , G06K9/6269
Abstract: 本发明涉及一种基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯；其特征是：按照以下步骤实施：步骤1、移动终端采集待识别植物叶片图像；步骤2、进行图像预处理，包括灰度化、去除噪声；步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征；步骤4、将步骤3获得的特征上传至服务器；步骤5、服务器端接收特征并进行叶片分类识别；步骤6、将识别结果信息返回到移动终端；步骤7、移动终端显示识别结果。本发明能够随时随地采集植物叶片图像，进行在线识别分类，准确率高，实时性强，具有较好的实用价值。
-
公开(公告)号：CN103927723A
公开(公告)日：2014-07-16
申请号：CN201410160748.8
申请日：2014-04-18
Applicant: 江南大学
Abstract: 本发明涉及基于神经模糊系统和边缘检测的图像滤波方法，对于被椒盐脉冲噪声污染的图像，该方法将中值滤波器，边缘检测器和一个自适应神经模糊推理系统相结合，在使用该系统对噪声图像进行滤波前，首先人工构造一个训练图像，使用混合学习算法对该系统进行训练，确定系统中的参数；然后用优化后的系统对被椒盐脉冲噪声污染的图像进行噪声滤波。本发明的脉冲噪声滤波方法能有效地滤除图像中的椒盐脉冲噪声，并能较好的保留原有图像中的边缘和细节，其滤波性能优于一些传统的图像滤波方法。
-
-
-
-
Search Results
45
records
(took 0.024 seconds)
