一种基于双分辨率上下文网络的可变比特率图像压缩方法和系统

    公开(公告)号:CN117812265A

    公开(公告)日:2024-04-02

    申请号:CN202311846204.2

    申请日:2023-12-28

    摘要: 本发明公开了一种基于双分辨率上下文网络的可变比特率图像压缩方法和系统,所述方法将特征图通过双分辨率网络分为高、低分辨率两个部分,分别结合空间上下文和通道上下文后进行熵编码,得到压缩后的比特流,实现压缩。在重建阶段,将比特流通过熵解码和上下文网络,得到高/低分辨率部分的特征图,再通过双分辨率网络对两部分进行融合,融合后经过解码器得到重建后的图像。本发明解决了压缩图像时空间冗余导致比特浪费的问题,通过空间和通道上下文的利用,实现并行解码,加快解码速度;利用双分辨率网络,实现对高分辨率部分进行精细编码,提高了图像压缩的细节保留程度;引入ROI网络生成权重图,指导比特分配,可以根据下游任务实现压缩。

    一种基于霍夫变换的高精度机械式仪表示数识别方法

    公开(公告)号:CN112215060B

    公开(公告)日:2022-08-09

    申请号:CN202010878057.7

    申请日:2020-08-27

    申请人: 河海大学

    发明人: 黄疏桐 黄倩 顾浩

    IPC分类号: G06V20/10 G06V10/44

    摘要: 本发明公开了一种基于霍夫变换的高精度机械式仪表示数识别方法,属于图像处理领域,具体包含如下步骤;对图像进行图像预处理:将图像二值化为灰度图,进而对图像进行滤波来去除噪声点,再进行边缘检测在去除不必要的信息的同时保留图像边缘信息;通过霍夫变换检测出仪表中心;通过霍夫变换的直线检测技术检测出指针的边缘特征直线,通过计算检测出指针边缘特征直线的交点来获得指针的顶点,从而结合仪表的圆心获得精准的指针射线;根据指针的顶点和仪表的圆心为顶点的直线的角度根据相应的公式来计算出具体的示数。本发明提高了识别高精度机械式仪表示数的精准性,并且提高了识别的稳定性。

    一种基于多模态数据融合的行为识别方法

    公开(公告)号:CN114863318A

    公开(公告)日:2022-08-05

    申请号:CN202210350834.X

    申请日:2022-04-02

    申请人: 河海大学

    发明人: 吴谦涵 黄倩

    摘要: 本发明公开了一种基于多模态数据融合的行为识别方法,该方法运用到深度视频与骨骼序列数据。针对深度视频数据,方法首先在视频序列上提取到DMI深度特征图;然后,将原有的深度动作序列按照帧数分为相同长度的2段子序列,在各子序列上分别提取子DMI深度特征图。将得到的两张子DMI特征图与DMI图像一起组成时空深度动作图,并使用HOG算法提取动作的深度特征。针对骨骼序列数据,使用基于时空图卷积网络模型改进的时空图卷积特征提取器,直接处理骨骼序列,提取动作的骨骼特征。在得到两种数据模态上的动作特征后,使用一种基于CCA改良的高可信均值样本融合算法,融合两类特征,获得融合特征。最后使用SVM对融合特征进行分类。本发明改进了现有的行为识别算法模型,克服了单模态数据与噪声样本对算法实验的影响,提高了行为识别算法在现有的公开数据集上的识别准确率。

    一种基于Faster RCNN的水闸图像识别方法

    公开(公告)号:CN112906593A

    公开(公告)日:2021-06-04

    申请号:CN202110233074.X

    申请日:2021-03-03

    申请人: 河海大学

    摘要: 本发明公开了一种基于FasterRCNN的水闸图像识别方法,步骤为:1)数据获取:数据主要来源于重点水利工程提供的监控视频;2)数据预处理:通过对视频进行批量截图,并选择一些较少的图片通过翻转、旋转、裁剪等操作进行扩充;3)制作数据集:对图片数据进行标注,并划分训练集、测试集和验证集;4)模型训练:构建FasterRCNN网络结构,设定训练参数,利用数据集进行训练;5)模型测试:利用训练好的模型对新数据进行预测分类。本发明通过对水闸图像的分析,实现对水闸状态的自动识别,用于辅助水利工作人员监测水闸运行状态,确认水闸调度是否正常。模型训练完成后使用方便,准确度高,应用前景广阔。

    一种基于霍夫变换的高精度机械式仪表示数识别方法

    公开(公告)号:CN112215060A

    公开(公告)日:2021-01-12

    申请号:CN202010878057.7

    申请日:2020-08-27

    申请人: 河海大学

    发明人: 黄疏桐 黄倩 顾浩

    IPC分类号: G06K9/00 G06K9/46

    摘要: 本发明公开了一种基于霍夫变换的高精度机械式仪表示数识别方法,属于图像处理领域,具体包含如下步骤;对图像进行图像预处理:将图像二值化为灰度图,进而对图像进行滤波来去除噪声点,再进行边缘检测在去除不必要的信息的同时保留图像边缘信息;通过霍夫变换检测出仪表中心;通过霍夫变换的直线检测技术检测出指针的边缘特征直线,通过计算检测出指针边缘特征直线的交点来获得指针的顶点,从而结合仪表的圆心获得精准的指针射线;根据指针的顶点和仪表的圆心为顶点的直线的角度根据相应的公式来计算出具体的示数。本发明提高了识别高精度机械式仪表示数的精准性,并且提高了识别的稳定性。

    一种贴纸式的物体空间定位系统及定位方法

    公开(公告)号:CN112033408A

    公开(公告)日:2020-12-04

    申请号:CN202010880379.5

    申请日:2020-08-27

    申请人: 河海大学

    IPC分类号: G01C21/20 G01C21/04

    摘要: 本发明公开了一种贴纸式的物体空间定位系统及定位方法,属于物理空间定位技术领域,包括数字图像处理模块、目标位姿变化识别模块、坐标系维度转换模块;通过数字处理模块中所提取的色块确定目标位置及朝向,并根据上下帧时间差及目标在相应时间内的位移,计算瞬时速度、加速度、角速度;求解得到内参、畸变参数、外参等参数,从而通过矩阵变换将二维坐标系转换至三维坐标系,并最终得到在三维坐标系下,目标的朝向、运行轨迹、位置、瞬时速度、加速度、角速度;只需将贴纸贴在识别目标上即可,简便易用,可移植性强,能够应用于生产生活的多个领域,极大的降低成本;具有识别速度快,定位精度高等特点,实用效果远大于传统二维码定位方案。

    一种面向裂缝图像检测的多源自适应平衡迁移学习方法

    公开(公告)号:CN110378872A

    公开(公告)日:2019-10-25

    申请号:CN201910496225.3

    申请日:2019-06-10

    申请人: 河海大学

    IPC分类号: G06T7/00 G06K9/62

    摘要: 本发明公开了一种面向裂缝图像检测的多源自适应平衡迁移学习方法,包括以下步骤:1)在TrAdaBoost算法基础上加入校正系数,解决辅助数据权值收敛过快的问题;2)在校正系数中引入自适应回补参数,反映辅助数据集与目标数据集之间是否具有相似性关系;3)用最终平衡权重法使最终得到的目标数据集与各领域裂缝数据集重要度一致,提高大坝裂缝图像检测精度和效率。本发明能够提高裂缝检测准确率,实现大坝裂缝图片在小样本数据集上检测性能的提升。

    一种无人机网络最大比合并型融合方法

    公开(公告)号:CN106993294B

    公开(公告)日:2019-08-20

    申请号:CN201710200828.5

    申请日:2017-03-30

    申请人: 河海大学

    摘要: 本发明属于信息融合领域,具体公开了一种无人机网络最大比合并型融合方法,方法包括:定义无人机网络信息融合模型,初始化融合模型参数集和评价集,求解融合模型中断概率函数,计算使融合模型中断容量存在的链路连通概率取值范围,求解融合模型中断概率数组和中断容量。本方法能够为无人机网络信息融合问题提供模型指导,同时可在考虑链路连通特性前提下借鉴最大比合并的思想对网络化信息融合提供方法参考。