-
公开(公告)号：CN118887088A
公开(公告)日：2024-11-01
申请号：CN202410438168.4
申请日：2024-04-12
申请人： 中国矿业大学
IPC分类号： G06T3/4053
摘要： 本发明涉及图像超分辨率重建技术领域，具体涉及一种矿用边缘计算终端中轻量化图像超分辨率重建方法，包括：通过浅层特征提取模块对输入图像进行浅层特征提取；将浅层特征输入至多个堆叠的多尺度特征校准模块中进行深层特征提取；通过特征聚合模块聚合每个多尺度特征校准模块的输出，并与浅层特征相融合；将融合后的特征输入至图像重建模块进行图像重建，并输出重建后的超分辨率图像ISR。本发明通过多尺度特征校准模块对浅层特征进行处理，获得了更全面和信息更丰富的图像特征增，在图像重建中获得了更真实和更准确的结果。
-
公开(公告)号：CN111639212B
公开(公告)日：2023-09-05
申请号：CN202010464038.X
申请日：2020-05-27
申请人： 中国矿业大学
IPC分类号： G06F16/583 , G06V10/77 , G06V10/50 , G06V10/30
摘要： 本发明涉及一种矿用智能视频分析中的图像检索方法，属于图像检索技术领域，解决了现有技术检索准确率低、效率低，导致矿井安全生产视频监控中的异常行为和场景识别可靠性低的问题。该方法包括，对包含矿井异常信息的目标图像进行预处理获得相同的第一图像和第二图像；从第一图像中获得方差自适应量化颜色直方图；从第二图像中提取梯度信息和符号信息；将方差自适应量化颜色直方图、梯度信息及符号信息进行特征自适应融合获得目标图像的融合特征；对融合特征进行降维获得融合主特征；利用融合主特征在矿井视频所包含的多帧图像中进行检索以实时辨识矿井异常。该方法在提高检索效果的同时，提高了矿井异常监控效率，提升矿井的安全检测水平。
-
公开(公告)号：CN111814711B
公开(公告)日：2023-08-08
申请号：CN202010681652.1
申请日：2020-07-15
申请人： 中国矿业大学
IPC分类号： G06V10/75 , G06V20/40 , G06V10/44 , G06V10/56 , G06V10/26 , G06V10/30 , G06V10/762 , G06V10/82
摘要： 本发明涉及一种应用于矿井机器视觉的图像特征快速匹配方法及系统，属于矿井安全技术领域，解决了现有技术对矿井异常情况检测效率低、实时性差且准确率低的问题。该方法包括对待分析图像进行去噪处理；并进行超像素分割，获得多个图像块；计算每一图像块的信息熵，获得信息熵大于第一预设阈值的图像块；利用SURF算法提取图像块的特征点，从而获取待分析图像的特征点集；采用Harr小波法对特征点集中的特征点进行描述，获得待分析图像的特征点描述符集；基于待分析图像的特征点描述符集将待分析图像特征点集中的特征点与目标图像的特征点进行匹配，以确认矿井是否发生异常。该方法能够快速准确的检测矿井是否发生异常，有利于对矿井异常及时处理。
-
公开(公告)号：CN111667509A
公开(公告)日：2020-09-15
申请号：CN202010531057.X
申请日：2020-06-11
申请人： 中国矿业大学
摘要： 本发明涉及目标跟踪技术领域，尤其涉及一种目标与背景颜色相似下的运动目标自动跟踪方法及系统，解决了直接采用CAMshift算法进行目标跟踪时的缺陷。方法包括：步骤S1：处理视频流，得到去噪后的序列帧图像；步骤S2：处理序列帧图像，得到第一帧图像中的前景目标；去除前景目标中的阴影，得到第一帧图像的运动目标区域；步骤S3：读取下一帧图像，将其作为当前帧图像，获取并处理当前帧图像、前一帧图像的运动目标区域的颜色-曲率概率分布图，得到当前帧图像的候选区域；步骤S4：若当前帧图像的候选区域与前一帧图像的运动目标区域之间的巴氏距离大于距离阈值，将候选区域作为其运动目标区域；重复执行步骤S3与步骤S4，实现所述运动目标的跟踪。
-
公开(公告)号：CN112102388B
公开(公告)日：2024-03-26
申请号：CN202010987267.X
申请日：2020-09-18
申请人： 中国矿业大学
IPC分类号： G06T3/4046 , G06T3/4053 , G06V10/44 , G06V10/42 , G06V10/46 , G06N3/0464 , G06N3/045 , G06N3/08
摘要： 本发明涉及一种基于巡检机器人单目图像获取深度图像的方法及装置，属于图像处理技术领域，解决了现有现有的方法获得的深度图像精确度较低的问题。方法包括：构建多尺度卷积神经网络；所述多尺度卷积神经网络包括第一尺度卷积神经网络、第二尺度卷积神经网络和第三尺度卷积神经网络；基于变焦距数据集对所述多尺度卷积神经网络进行训练，得到多尺度卷积神经网络的最优网络结构并保存；将巡检机器人拍摄的单目图像输入所述多尺度卷积神经网络的最优网络结构，得到单目图像对应的深度图像，提高了深度图像的精确度。
-
公开(公告)号：CN117173024A
公开(公告)日：2023-12-05
申请号：CN202311213700.4
申请日：2023-09-20
申请人： 中国矿业大学
IPC分类号： G06T3/40 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
摘要： 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。
-
公开(公告)号：CN117078659A
公开(公告)日：2023-11-17
申请号：CN202311221440.5
申请日：2023-09-21
申请人： 中国矿业大学
IPC分类号： G06T7/00 , G06V10/774 , G06V10/82 , G06N3/09
摘要： 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样本，减少了模型对训练样本的依赖，有效提升了模型在少样本训练场景下的预测能力和泛化能力。
-
公开(公告)号：CN108491857B
公开(公告)日：2022-08-09
申请号：CN201810141262.8
申请日：2018-02-11
申请人： 中国矿业大学
摘要： 本发明公开了一种视域重叠的多摄像机目标匹配方法，具体如下；根据摄像机1和摄像机2的前5帧信息计算两台摄像机的视野分界线；提取摄像机1视频中的前景目标，根据多特征融合规则将各个前景目标的特征进行融合获得融合后的特征向量；计算摄像机1中各目标在摄像机2中的投影点，确定待匹配目标的可靠区域后，再计算可靠区域内多特征融合向量；计算多特征融合向量的欧式距离，完成视域重叠的多摄像机目标匹配，距离最近且在设定阈值范围内的目标为匹配目标，保存视野分界线参数；更新视野分界线参数，从当前视频帧的前5帧中选取2组参数，再结合当前帧的视野分界线参数进行线性加权，并对视野分界线模型进行更新。
-
公开(公告)号：CN110428450B
公开(公告)日：2021-11-16
申请号：CN201910707197.5
申请日：2019-08-01
申请人： 中国矿业大学
摘要： 本发明涉及一种应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法，属于目标跟踪技术领域，解决了现有矿井目标跟踪算法在目标剧烈变化、遮挡、背景干扰等场景下无法获取较好的跟踪效果的问题。步骤如下：接收矿井巷道移动巡检视频帧序列的当前视频帧，根据上一帧的目标跟踪位置及尺度信息，得到当前视频帧中的待检测图像块；提取当前视频帧中待检测图像块的HOG特征及LQC特征，分别利用HOG特征相关滤波器和LQC特征相关滤波器计算得到HOG特征响应图及LQC特征响应图；对HOG特征响应图及LQC特征响应图进行加权融合响应，将加权融合响应结果中的最大值位置确定为当前视频帧的目标位置；利用尺度滤波器对目标位置进行尺度估计，得到当前视频帧的尺度信息。
-
公开(公告)号：CN111814711A
公开(公告)日：2020-10-23
申请号：CN202010681652.1
申请日：2020-07-15
申请人： 中国矿业大学
摘要： 本发明涉及一种应用于矿井机器视觉的图像特征快速匹配方法及系统，属于矿井安全技术领域，解决了现有技术对矿井异常情况检测效率低、实时性差且准确率低的问题。该方法包括对待分析图像进行去噪处理；并进行超像素分割，获得多个图像块；计算每一图像块的信息熵，获得信息熵大于第一预设阈值的图像块；利用SURF算法提取图像块的特征点，从而获取待分析图像的特征点集；采用Harr小波法对特征点集中的特征点进行描述，获得待分析图像的特征点描述符集；基于待分析图像的特征点描述符集将待分析图像特征点集中的特征点与目标图像的特征点进行匹配，以确认矿井是否发生异常。该方法能够快速准确的检测矿井是佛发生异常，有利于对矿井异常技术处理。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.033 秒)
