-
公开(公告)号：CN108734659B
公开(公告)日：2021-08-20
申请号：CN201810473375.8
申请日：2018-05-17
申请人： 华中科技大学
摘要： 本发明公开了一种基于多尺度标签的亚像素卷积图像超分辨率重建方法，包括：建立并训练一个由特征提取结构、残差模块、上采样结构、特征重建结构以及跨尺度跳跃连接结构组成的基于多尺度标签的亚像素卷积网络,并使用该网络完成图像的超分辨率重建工作。将输入图像由RGB颜色空间转换到YCbCr颜色空间。其中，Cb、Cr两个通道使用双三次插值上采样的方法完成超分辨率重建工作。Y通道送入到训练好的网络中，输出Y通道的超分辨率重建图像。融合Y、Cb、Cr通道的超分辨率重建图像，得到最终的高分辨率图像。本发明可以快速准确地得到超分辨率图像，得到的超分辨率图像无论是在主观评测还是在客观图像质量评价方面，都能取得很好的效果。
-
公开(公告)号：CN108829692B
公开(公告)日：2019-12-20
申请号：CN201810312552.4
申请日：2018-04-09
申请人： 华中科技大学
IPC分类号： G06F16/583 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于卷积神经网络的花卉图像检索方法，包括：构建带有类别信息的花卉图像数据集，并使用随机图像变换方法处理花卉图像以增强花卉图像数据集；构建基于VGG16的花卉分类深度卷积神经网络模型VGG‑F，其中，FC1、FC2和分类层的节点数分别为1024、256和花卉类别总数；通过模型VGG‑F的FC2分别提取待查询图像和花卉图像数据集中每一个花卉图像的特征向量，并进行相似性比较，得到最相似的2N个花卉图像；分别计算待查询图像和得到的2N个花卉图像中每一个花卉图像的HSV颜色分布特征向量，并进行比较，得到最相似的N个花卉图像。本发明基于卷积神经网络，有效提高了花卉检索的准确率。
-
公开(公告)号：CN109800716A
公开(公告)日：2019-05-24
申请号：CN201910059405.5
申请日：2019-01-22
申请人： 华中科技大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于特征金字塔的海面遥感图像船舶检测方法，包括：通过滑窗机制将待检测海面背景船舶遥感图像切分成小图；对切分得到的小图，通过船舶分类预检网络筛选出可能包含船舶的小图；对筛选出可能包含船舶的小图，通过基于特征金字塔的目标检测网络进行检测，得到小图检测结果；融合拼接小图检测结果，得到海面背景遥感图像最终检测结果。本发明根据目标大小将其划分到特定的编码位置，使得编码矩阵中，特定位置处理相应大小的目标，加速训练过程网络收敛速度。特征金字塔的上采样结构使用空洞卷积操作，在保证特征图大小不变的情况下，提升感受野。损失函数仅计算与目标尺度对应部分的损失，简化网络学习任务，加速训练过程网络收敛。
-
公开(公告)号：CN109446368A
公开(公告)日：2019-03-08
申请号：CN201811108809.0
申请日：2018-09-21
申请人： 华中科技大学
IPC分类号： G06F16/583 , G06F16/53 , G06F16/51 , G06K9/00 , G06K9/62
摘要： 本发明公开一种基于类别信息的鸟类图像检索方法，具体内容为：(1)构建鸟类图像数据库；(2)基于改进的VGG16网络模型训练鸟类图像识别模型；(3)根据步骤(2)获得的VGG16网络，提取图像的基于CAMs(类激活图)的特征表达；(4)对查询图像特征与数据库图像特征使用余弦距离进行相似度计算，根据用户所需从数据库中返回与查询图像距离最小的图像作为查询结果，完成检索。该发明有效解决了目前检索技术不能有效利用类别信息的问题，获得了更高的检索准确率。
-
公开(公告)号：CN106228547B
公开(公告)日：2018-12-28
申请号：CN201610557738.7
申请日：2016-07-15
申请人： 华中科技大学
IPC分类号： G06T7/13
摘要： 一种基于视觉颜色理论和同质抑制的轮廓与边界检测方法，属于计算机视觉和模式识别的交叉领域，旨在从复杂的自然场景中提取目标的轮廓和边界。本发明通过研究人眼视觉信息处理机制，对视觉通路各级神经元的感受野建立数学模型，同时利用非经典感受野的调制作用来抑制纹理边缘，从而突显轮廓和边界。本发明的创新点在于将人眼颜色信息处理机制引入轮廓与边界检测模型中，通过设置不平衡的视锥输入检测出颜色和亮度边界，保持轮廓的完整性，同时考虑纹理区域的同质性和非经典感受野对经典感受野的同质抑制，采用同质抑制来抑制纹理边缘，从而很好的提取自然图像的轮廓和边界。
-
公开(公告)号：CN102073873B
公开(公告)日：2013-02-13
申请号：CN201110031907.0
申请日：2011-01-28
申请人： 华中科技大学
摘要： 本发明公开了一种基于支持向量机的SAR景象匹配区选取方法，结合SAR成像特性，通过选择合适的代表图像信息的多维特征参数，使用非线性变换将样本特征空间的划分问题转换为高维特征空间的线性分类问题，并利用有限的支持向量点的线性组合建立分类决策函数并选择景象匹配区。该方法考虑了参考图像的多种特征值与匹配区正确选择之间的联系，试验结果表明该方法计算速度快，具有较大的适应性和抗干扰性，能够对复杂SAR参考图的匹配子区选取进行正确决策指导。
-
公开(公告)号：CN102270355A
公开(公告)日：2011-12-07
申请号：CN201110110316.2
申请日：2011-04-28
申请人： 华中科技大学
摘要： 一种基于景物分类的红外场景图像生成方法，属于通过可见光遥感图像、地形数字高程模型及目标三维模型进行红外场景图像的生成和仿真方法，该方法首先对场景进行分类并指定纹理类型；接着对分类后的场景图像和数字高程模型建立场景三维模型；然后对场景三维模型的序列纹理文件进行批量纹理材质自动映射并生成对应的序列纹理材质映射文件；最后载入大气参数模型、成像模型和大气参数条件，完成红外场景图像的仿真输出，其中大气参数模型是通过成熟的商业软件进行计算得到。本发明可为各型使用红外成像技术的飞行器提供模拟训练所需的红外场景数据，降低飞行训练成本，同时也为红外成像制导武器系统的研制提供算法实验、验证图像，提高研制效率。
-
公开(公告)号：CN101093580A
公开(公告)日：2007-12-26
申请号：CN200710052492.9
申请日：2007-08-29
申请人： 华中科技大学
IPC分类号： G06T5/00
摘要： 本发明提出一种基于非子采样轮廓波变换的图像融合方法，包括以下步骤：①使用非子采样轮廓波变换对图像进行多尺度分解，得到高频子图像系列和低频子图像；②对高频子图像，采用基于清晰度选择的融合方法进行融合；③对低频子图像，用可分割条件进行判断，根据判断结果选择采用四区域关联或者二区域关联方法对低频子图像分割，分割后的区域采用相应像素灰度值选择规则进行融合；④对高频子图像的融合结果与低频子图像的融合结果采用非子采样轮廓波逆变换，得到最终的融合结果。本发明可以有效保留源图像中的边缘信息，增大目标背景对比度，突出图像目标特征，融合结果适合进行视觉分析和目标检测等进一步的处理。
-
公开(公告)号：CN114741487B
公开(公告)日：2024-07-19
申请号：CN202210231146.1
申请日：2022-03-09
申请人： 华中科技大学
IPC分类号： G06F16/332 , G06F16/33 , G06F16/532 , G06F16/583 , G06N3/0464
摘要： 本发明公开了一种基于图文语义嵌入的图文检索方法及系统，属于多模态深度学习领域，方法包括：利用图文语义嵌入模型对待检索目标以及数据库中各相应的待匹配对象进行特征提取；特征提取包括：图像侧特征嵌入网络以分组卷积的方式对图像进行特征提取，通过动态最大最小池化对提取到的图像特征进行编码，对编码结果进行标准化处理得到图像特征嵌入向量；文本侧特征嵌入网络对文本进行特征提取，得到文本特征嵌入向量；对图像特征嵌入向量和文本特征嵌入向量进行向量拼接与交叉后输入联合嵌入网络，以得到相应图像文本对的相似度；将相似度最高的预设数量个待匹配对象作为检索结果，并输出检索结果及相应的相似度。
-
公开(公告)号：CN112200102B
公开(公告)日：2023-02-14
申请号：CN202011103590.2
申请日：2020-10-15
申请人： 华中科技大学
IPC分类号： G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047
摘要： 本发明公开了一种自适应数据增强的二维人体姿态估计方法和系统，属于计算机视觉和深度学习领域。本发明不同于将数据增强作为一个独立的数据预处理步骤的常规做法，将数据增强和用于执行计算机视觉任务的卷积神经网络的训练两个独立的过程联合起来，使得数据增强能跟随卷积神经网络的训练过程实现动态更新，自适应的根据具体数据集特点和应用任务产生数据增强操作的概率分布，产生对卷积神经网络优化更加有效的训练样本，提升卷积神经网络的训练效率，同时有效增强卷积神经网络的泛化能力；本发明以数据增强模块为生成器，以卷积神经网络为判别器，通过两者“博弈”实现共同优化，最终实现执行计算机视觉任务的卷积神经网络模型更优的表现。
-
-
-
-
-
-
-
-
-
搜索结果
57 条记录 (耗时 0.028 秒)
