-
公开(公告)号：CN106203430A
公开(公告)日：2016-12-07
申请号：CN201610531085.5
申请日：2016-07-07
申请人： 北京航空航天大学
CPC分类号： G06K9/3241 , G06K9/6223
摘要： 一种基于前景聚集度和背景先验的显著性物体检测方法，步骤如下：一、图像预处理；二、基于前景聚集度的显著性；三、基于背景先验的显著性；四、显著性优化融合；该方法通过基于哈希编码和聚集度权重的方式得到聚集度特征，与基于中心先验的对比度特征结合后得到前景显著图；通过剔除边缘种子中与前景相似度过高的超像素，从而得到背景种子，并通过计算各超像素与背景种子的差异度得到背景显著性；最后，构建包含背景项、前景项和平滑项的代价函数，通过最小化代价函数得到并优化最终显著性。本发明得到的显著图能均匀的凸显前景目标，且很好地抑制背景噪声，可广泛适用于自然图像，有利于后续目标检测、目标分割等应用，具有实际应用价值。
-
公开(公告)号：CN114898098B
公开(公告)日：2024-04-19
申请号：CN202210733801.3
申请日：2022-06-27
申请人： 北京航空航天大学
IPC分类号： G06V10/26 , G06V20/70 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/088
摘要： 本发明公开了一种脑组织图像分割方法，包括：图像预处理；模型训练，利用第一语义分割网络提取集合T中图像的第一特征向量，形成第一特征向量集合；利用第二语义分割网络提取集合T中图像的第二特征向量，形成第二特征向量集合；根据第一特征向量V1与类别中心P1、类别中心P2的距离，及第二特征向量V2与类别中心P1、类别中心P2的距离建立第一损失；根据第一视图像素点或第二视图像素点与类别中心P1、类别中心P2的距离判别获得伪标签，根据伪标签，及利用分类器得到的第一视图和第二视图的预测值建立第二损失。本发明方案结合了特征提取和聚类的策略，利用图像像素变换的不变性约束，及利用聚类产生的伪标签进一步提取特征，缓解了现有技术问题。
-
公开(公告)号：CN114898098A
公开(公告)日：2022-08-12
申请号：CN202210733801.3
申请日：2022-06-27
申请人： 北京航空航天大学
摘要： 本发明公开了一种脑组织图像分割方法，包括：图像预处理；模型训练，利用第一语义分割网络提取集合T中图像的第一特征向量，形成第一特征向量集合；利用第二语义分割网络提取集合T中图像的第二特征向量，形成第二特征向量集合；根据第一特征向量V1与类别中心P1、类别中心P2的距离，及第二特征向量V2与类别中心P1、类别中心P2的距离建立第一损失；根据第一视图像素点或第二视图像素点与类别中心P1、类别中心P2的距离判别获得伪标签，根据伪标签，及利用分类器得到的第一视图和第二视图的预测值建立第二损失。本发明方案结合了特征提取和聚类的策略，利用图像像素变换的不变性约束，及利用聚类产生的伪标签进一步提取特征，缓解了现有技术问题。
-
公开(公告)号：CN109522813A
公开(公告)日：2019-03-26
申请号：CN201811241020.2
申请日：2018-10-24
申请人： 北京航空航天大学
摘要： 一种基于行人显著特征的改进随机游走算法，其步骤如下：一：图像预处理；二：基于全局对比度的亮度显著性计算；三：基于行人形状特征计算形状显著；四：改进随机游走；通过以上步骤，针对红外行人图像能得到很好的显著性检测结果，行人被完整地突出，而背景几乎被完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。
-
公开(公告)号：CN109522813B
公开(公告)日：2023-06-06
申请号：CN201811241020.2
申请日：2018-10-24
申请人： 北京航空航天大学
摘要： 一种基于行人显著特征的改进随机游走算法，其步骤如下：一：图像预处理；二：基于全局对比度的亮度显著性计算；三：基于行人形状特征计算形状显著；四：改进随机游走；通过以上步骤，针对红外行人图像能得到很好的显著性检测结果，行人被完整地突出，而背景几乎被完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。
-
公开(公告)号：CN107133558A
公开(公告)日：2017-09-05
申请号：CN201710146420.4
申请日：2017-03-13
申请人： 北京航空航天大学
摘要： 一种基于概率传播的红外行人显著性检测方法，其步骤如下：一：图像预处理；二：结合MSER提取和亮度滤波，得到基于MSER的局部稳定度；三：首先计算各超像素的亮度对比度，在此基础上加入权重作为补充，得到了结合垂直边缘的亮度对比度；四：构建了显著性传播模型，通过不断相互引导地更新达到显著性融合及优化的目的；通过以上步骤，针对红外行人图像能得到很好的显著性检测结果，行人被完整地突出，而背景几乎被完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。
-
公开(公告)号：CN114913472B
公开(公告)日：2024-06-25
申请号：CN202210167951.2
申请日：2022-02-23
申请人： 北京航空航天大学
IPC分类号： G06V20/52 , G06V20/40 , G06V10/26 , G06V10/762 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/246 , G06T7/269
摘要： 本发明公开了一种联合图学习与概率传播的红外视频行人显著性检测方法，能够在红外视频中自动定位红外行人区域，并准确地将行人与背景区分开。其步骤如下：一：基于布尔图的候选区域生成；二：计算各帧图像的运动显著性；三：构建多视角时空图结构；四：构建结合图自学习和显著性传播的能量函数并求解。通过以上步骤，本方法能够从杂乱背景及多重复杂运动中准确且鲁棒地提取出红外行人目标的时空显著性，并将背景几乎完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。
-
公开(公告)号：CN114913472A
公开(公告)日：2022-08-16
申请号：CN202210167951.2
申请日：2022-02-23
申请人： 北京航空航天大学
IPC分类号： G06V20/52 , G06V20/40 , G06V10/26 , G06V10/762 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/246 , G06T7/269
摘要： 本发明公开了一种联合图学习与概率传播的红外视频行人显著性检测方法，能够在红外视频中自动定位红外行人区域，并准确地将行人与背景区分开。其步骤如下：一：基于布尔图的候选区域生成；二：计算各帧图像的运动显著性；三：构建多视角时空图结构；四：构建结合图自学习和显著性传播的能量函数并求解。通过以上步骤，本方法能够从杂乱背景及多重复杂运动中准确且鲁棒地提取出红外行人目标的时空显著性，并将背景几乎完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。
-
公开(公告)号：CN107133558B
公开(公告)日：2020-10-20
申请号：CN201710146420.4
申请日：2017-03-13
申请人： 北京航空航天大学
摘要： 一种基于概率传播的红外行人显著性检测方法，其步骤如下：一：图像预处理；二：结合MSER提取和亮度滤波，得到基于MSER的局部稳定度；三：首先计算各超像素的亮度对比度，在此基础上加入权重作为补充，得到了结合垂直边缘的亮度对比度；四：构建了显著性传播模型，通过不断相互引导地更新达到显著性融合及优化的目的；通过以上步骤，针对红外行人图像能得到很好的显著性检测结果，行人被完整地突出，而背景几乎被完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。
-
公开(公告)号：CN106203430B
公开(公告)日：2017-11-03
申请号：CN201610531085.5
申请日：2016-07-07
申请人： 北京航空航天大学
摘要： 一种基于前景聚集度和背景先验的显著性物体检测方法，步骤如下：一、图像预处理；二、基于前景聚集度的显著性；三、基于背景先验的显著性；四、显著性优化融合；该方法通过基于哈希编码和聚集度权重的方式得到聚集度特征，与基于中心先验的对比度特征结合后得到前景显著图；通过剔除边缘种子中与前景相似度过高的超像素，从而得到背景种子，并通过计算各超像素与背景种子的差异度得到背景显著性；最后，构建包含背景项、前景项和平滑项的代价函数，通过最小化代价函数得到并优化最终显著性。本发明得到的显著图能均匀的凸显前景目标，且很好地抑制背景噪声，可广泛适用于自然图像，有利于后续目标检测、目标分割等应用，具有实际应用价值。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.03 秒)
