-
公开(公告)号：CN109344818B
公开(公告)日：2020-04-14
申请号：CN201811141315.2
申请日：2018-09-28
申请人： 合肥工业大学
摘要： 本发明公开了一种基于深度卷积网络的光场显著目标检测方法，其步骤包括：1从使用光场采集设备获得的光场数据转换出全部视角的子孔径图像；2将不同视角下的子孔径图像重组成微透镜图像；3对微透镜图像进行数据增强；4以Deeplab‑V2网络的预训练权重为基础，搭建结合微透镜图像的显著目标检测模型，并利用数据集训练；5利用训练好的显著目标检测模型对待处理的光场数据进行显著目标检测。本发明方法可以有效提高复杂场景图像的显著目标检测的准确性。
-
公开(公告)号：CN104268886B
公开(公告)日：2017-01-18
申请号：CN201410523003.3
申请日：2014-09-30
申请人： 合肥工业大学
摘要： 本发明公开了一种基于色彩上下文抑制的图像显著性提取方法，首先构建Gabor对立色滤波器，联合编码彩色图像中的空间信息和彩色信息，提取具有对立色特性的色彩表面特征；估计色彩表面特征受到色彩表面上下文或色彩边缘上下文影响而引起的色彩上下文抑制现象；提取具有空间和色彩双对立的色彩边缘特征；定义色彩表面特征和色彩边缘特征对应的色彩显著性度量方式，将色彩特征点之间的不相似度和各像素点之间空间距离的乘积作为全局色彩显著度；将色彩表面显著性和色彩边缘显著性在不同方向通道和不同对立色通道上进行色彩能量整合，获取彩色图像的色彩显著性。本发明方法可以有效提高图像显著性提取的准确性。
-
公开(公告)号：CN114710792B
公开(公告)日：2024-09-06
申请号：CN202210330896.4
申请日：2022-03-30
申请人： 合肥工业大学 , 国网安徽省电力有限公司
摘要： 本发明公开了一种基于强化学习的5G配网分布式保护装置的优化布置方法，包括：1、搭建5G配网保护系统环境；2、建立5G配网保护系统的强化学习模型，其中，强化学习模型由策略体和执行体组成；3、在5G配网保护系统环境下训练强化学习模型；4、采用最优的布置信息S*max对5G配网分布式保护装置进行布置。本发明以期能保证主站保护装置和配网分布式保护装置建立通信，并且找出最优的5G配网分布式保护系统的保护装置的配比，从而能确保配网可以安全高效的运行。
-
公开(公告)号：CN111260707A
公开(公告)日：2020-06-09
申请号：CN202010107015.3
申请日：2020-02-21
申请人： 合肥工业大学
IPC分类号： G06T7/50
摘要： 本发明公开了一种基于光场EPI图像的深度估计方法，其步骤包括：1、对光场数据进行重聚焦，获取不同聚焦参数下的光场数据；2、从重聚焦后的光场数据中提取水平和垂直视角的子孔径图像；3、从子孔径图像中提取水平和垂直方向的光场EPI图像；4、搭建基于光场EPI图像关联推理的双支路深度估计模型，用所提取的水平和垂直方向EPI图像进行训练；5、利用训练好的深度估计模型对待处理的光场数据进行深度估计。本发明能充分利用EPI图像中心像素与邻域的关联性，并能利用光场重聚焦原理实现数据增强，从而能有效提高光场EPI图像深度估计的准确性。
-
公开(公告)号：CN108388905B
公开(公告)日：2019-07-19
申请号：CN201810236107.4
申请日：2018-03-21
申请人： 合肥工业大学
摘要： 本发明公开了一种基于卷积神经网络和邻域上下文的光源估计方法，其步骤包括：1确定待处理的彩色图像中的亮像素与暗像素；2从待处理的彩色图像中提取同时包含亮像素和暗像素的图像块；3从待处理的彩色图像中提取与图像块中心相同且范围更大的邻域块，以提供给模型更多的上下文信息；4以VGG‑16模型参数为基础，搭建结合图像块和邻域块上下文的光源估计模型，并利用Gehler‑Shi彩色图像数据集训练；5利用训练好的光源估计模型对所述待处理彩色图像I进行光源估计。本发明能估计彩色图像场景中的真实光源值，从而能有效的对彩色图像进行色彩校正，使图像色彩恢复到标准光源下。
-
公开(公告)号：CN107016415A
公开(公告)日：2017-08-04
申请号：CN201710236763.X
申请日：2017-04-12
申请人： 合肥工业大学
CPC分类号： G06K9/6268 , G06N3/0454 , G06N3/08 , G06T2207/10024
摘要： 本发明公开了一种基于全卷积网络的彩色图像色彩语义分类方法，包括：1构建全卷积网络；2获取具有像素级标注的彩色图像数据集；3利用彩色图像数据集对全卷积网络进行训练，得到能够对任意尺寸彩色图像进行像素级色彩语义分类的特征模型；4利用特征模型对任意彩色图像进行像素级的色彩语义分类，评估特征模型的分类精度；5使用全连接条件随机场的方法对网络分类结果进行优化处理，得到图像中每个像素点的色彩类别标签，根据类别标签与彩色空间的映射关系，将色彩类别标签转化到对应的彩色空间显示像素级的色彩语义分类结果。本发明能实现彩色图像像素级的色彩语义分类，有效提高复杂多变环境下彩色图像色彩语义分类的精度。
-
公开(公告)号：CN111369522B
公开(公告)日：2022-03-15
申请号：CN202010136253.7
申请日：2020-03-02
申请人： 合肥工业大学
摘要： 本发明公开了一种基于生成对抗卷积神经网络的光场显著性目标检测方法，其步骤包括：1将光场数据转换成重聚焦序列；2对重聚焦序列进行数据增强；3以U‑Net网络和GAN网络结构为基础，构建生成对抗卷积神经网络，以重聚焦序列为网络输入，并利用光场数据集训练；4利用训练好的生成对抗卷积神经网络对待处理的光场数据进行显著性目标检测。本发明方法能充分利用深度学习方法和光场重聚焦信息，从而能有效提高复杂场景图像的显著目标检测的准确性。
-
公开(公告)号：CN111260707B
公开(公告)日：2022-03-15
申请号：CN202010107015.3
申请日：2020-02-21
申请人： 合肥工业大学
IPC分类号： G06T7/50
摘要： 本发明公开了一种基于光场EPI图像的深度估计方法，其步骤包括：1、对光场数据进行重聚焦，获取不同聚焦参数下的光场数据；2、从重聚焦后的光场数据中提取水平和垂直视角的子孔径图像；3、从子孔径图像中提取水平和垂直方向的光场EPI图像；4、搭建基于光场EPI图像关联推理的双支路深度估计模型，用所提取的水平和垂直方向EPI图像进行训练；5、利用训练好的深度估计模型对待处理的光场数据进行深度估计。本发明能充分利用EPI图像中心像素与邻域的关联性，并能利用光场重聚焦原理实现数据增强，从而能有效提高光场EPI图像深度估计的准确性。
-
公开(公告)号：CN109344818A
公开(公告)日：2019-02-15
申请号：CN201811141315.2
申请日：2018-09-28
申请人： 合肥工业大学
摘要： 本发明公开了一种基于深度卷积网络的光场显著目标检测方法，其步骤包括：1从使用光场采集设备获得的光场数据转换出全部视角的子孔径图像；2将不同视角下的子孔径图像重组成微透镜图像；3对微透镜图像进行数据增强；4以Deeplab-V2网络的预训练权重为基础，搭建结合微透镜图像的显著目标检测模型，并利用数据集训练；5利用训练好的显著目标检测模型对待处理的光场数据进行显著目标检测。本发明方法可以有效提高复杂场景图像的显著目标检测的准确性。
-
公开(公告)号：CN104268886A
公开(公告)日：2015-01-07
申请号：CN201410523003.3
申请日：2014-09-30
申请人： 合肥工业大学
摘要： 本发明公开了一种基于色彩上下文抑制的图像显著性提取方法，首先构建Gabor对立色滤波器，联合编码彩色图像中的空间信息和彩色信息，提取具有对立色特性的色彩表面特征；估计色彩表面特征受到色彩表面上下文或色彩边缘上下文影响而引起的色彩上下文抑制现象；提取具有空间和色彩双对立的色彩边缘特征；定义色彩表面特征和色彩边缘特征对应的色彩显著性度量方式，将色彩特征点之间的不相似度和各像素点之间空间距离的乘积作为全局色彩显著度；将色彩表面显著性和色彩边缘显著性在不同方向通道和不同对立色通道上进行色彩能量整合，获取彩色图像的色彩显著性。本发明方法可以有效提高图像显著性提取的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.028 秒)
