-
公开(公告)号：CN114240999A
公开(公告)日：2022-03-25
申请号：CN202111373469.6
申请日：2021-11-19
申请人： 浙江工业大学
摘要： 本发明公开了一种基于增强图注意力与时间卷积网络的运动预测方法，该方法通过聚合时空信息来估计人体未来的运动姿态，构建了增强的图注意力模块与重构的TCN模块，利用输入特征的通道间关系生成通道注意力图，并基于通道注意力图，分别使用局部和全局图注意力卷积网络，提取局部对称、局部连接和全局语义信息。重构的TCN可以有效地捕获复杂的、高动态的时间信息。最后进行通道压缩和维度合并处理得到后处理结果，并对原始时序人体骨架数据进行切割处理得到残差，将后处理结果与残差进行元素相加得到最终的预测结果。本发明可以有效地减少人体运动预测过程中姿态的不连续与误差的累计。
-
公开(公告)号：CN106447681B
公开(公告)日：2019-01-29
申请号：CN201610604569.8
申请日：2016-07-26
申请人： 浙江工业大学
IPC分类号： G06T7/12
摘要： 一种非均一严重运动退化图像的对象分割方法，使用均值漂移算法为退化图像创建超像素，计算超像素的复合特征，接着使用一种多路背景搜索的算法，结合超像素复合特征，从初始背景超像素开始扩张，获得背景超像素集，最后从图像中分割出部分模糊的对象。本发明采用背景反推对象的方法，比直接在对象上选取种子的方式更方便，准确性更高，且能有效避免因为一般模糊参数计算无法贴近自然轮廓的问题；使用种子搜索的方式，克服了一般模糊图像分割严重依赖模糊计算结果的缺点。
-
公开(公告)号：CN106157268B
公开(公告)日：2018-11-20
申请号：CN201610601486.3
申请日：2016-07-28
申请人： 浙江工业大学
IPC分类号： G06T5/00
摘要： 一种基于L0凸近似的退化图像复原方法，基于图像的稀疏先验知识提出一种新的正则项，它即可以很好的近似图像梯度的L0范数，且增加了对原图的L1范数约束，采用半二次分裂方法，同时在频域对其进行交互迭代求解，在求解过程中，讨论并证明了所采用的近似等价函数的有效性。本发明不需要额外的滤波和大量的迭代次数并且收敛速度很快，将其应用到图像复原中，处理时间短，算法运行速度快，而且处理结果也比现有方法要好。
-
公开(公告)号：CN115170613A
公开(公告)日：2022-10-11
申请号：CN202210833048.5
申请日：2022-07-14
申请人： 浙江工业大学
摘要： 本发明公开了一种基于时序分级与重组机制的人体运动预测方法，首先采用时序分级模块完成时序特征由低阶至高阶的分层，得到低阶、中阶、高阶的时序特征，然后将低阶、中阶、高阶的时序特征输入时序重组模块，在所述时序重组模块完成时序特征的重组，得到重组时序特征，最后将重组时序特征，依次通过一个增强图注意力与时序卷积单元、二维卷积、维度变换、线性变换操作，得到后处理特征，对原始时序人体骨架数据进行切割处理得到残差，将后处理结果与残差进行元素相加得到最终的预测结果。本发明能显著减少由于人体姿态的时空不连续性造成的误差累积，有效避免对卷积核尺寸大小的依赖。
-
公开(公告)号：CN104915946A
公开(公告)日：2015-09-16
申请号：CN201510069617.3
申请日：2015-02-10
申请人： 浙江工业大学
摘要： 一种适用于严重退化图像的基于显著性的对象分割方法，包括以下步骤：(1)通过显著图生成初始化的显著对象种子；(2)生成基于局部自相关性的骨架；(3)在显著对象的边缘上生成用于扩展的起始点；(4)为每个起始点初始化扩展的方向；(5)设置扩展的终止条件并完成扩展操作；(6)标记没能找到终止点的起始点作为退化区域标记点；(7)对扩展后的结果进行修补和平滑；(8)根据退化区域标记点用超像素修补对象分割结果。本发明结合局部自相关性以及超像素能有效地提高分割结果的准确性和完整性，避免了由严重图像退化所带来的分割结果丢失部分区域的问题，提高了显著对象分割对于图像退化的鲁棒性。
-
公开(公告)号：CN104915946B
公开(公告)日：2017-10-13
申请号：CN201510069617.3
申请日：2015-02-10
申请人： 浙江工业大学
摘要： 一种适用于严重退化图像的基于显著性的对象分割方法，包括以下步骤：(1)通过显著图生成初始化的显著对象种子；(2)生成基于局部自相关性的骨架；(3)在显著对象的边缘上生成用于扩展的起始点；(4)为每个起始点初始化扩展的方向；(5)设置扩展的终止条件并完成扩展操作；(6)标记没能找到终止点的起始点作为退化区域标记点；(7)对扩展后的结果进行修补和平滑；(8)根据退化区域标记点用超像素修补对象分割结果。本发明结合局部自相关性以及超像素能有效地提高分割结果的准确性和完整性，避免了由严重图像退化所带来的分割结果丢失部分区域的问题，提高了显著对象分割对于图像退化的鲁棒性。
-
公开(公告)号：CN106447681A
公开(公告)日：2017-02-22
申请号：CN201610604569.8
申请日：2016-07-26
申请人： 浙江工业大学
IPC分类号： G06T7/12
摘要： 一种非均一严重运动退化图像的对象分割方法，使用均值漂移算法为退化图像创建超像素，计算超像素的复合特征，接着使用一种多路背景搜索的算法，结合超像素复合特征，从初始背景超像素开始扩张，获得背景超像素集，最后从图像中分割出部分模糊的对象。本发明采用背景反推对象的方法，比直接在对象上选取种子的方式更方便，准确性更高，且能有效避免因为一般模糊参数计算无法贴近自然轮廓的问题；使用种子搜索的方式，克服了一般模糊图像分割严重依赖模糊计算结果的缺点。
-
公开(公告)号：CN104318576A
公开(公告)日：2015-01-28
申请号：CN201410618019.2
申请日：2014-11-05
申请人： 浙江工业大学
IPC分类号： G06T7/00
CPC分类号： G06T7/593 , G06T7/85 , G06T2207/10028
摘要： 一种超像素级别的图像全局匹配方法，由双目立体摄像机获取经过极线矫正的输入图像对，通过为图像对的每个像素计算自适应十字架来得到当前像素的自适应窗，并为其计算匹配代价，结合一种替换策略处理遮掩区域和一种次优策略处理图像边界；为图像创建超像素，对每块超像素区域的视差值进行平面拟合，确定可靠像素，并删除明显的错误平面以确定初始视差平面集；根据已经得到像素匹配代价来计算超像素的匹配代价，构建数据项与平滑项，利用Graph-Cut最优化算法对能量方程进行不断迭代，获取最终视差平面。本发明能有效避免在弱纹理区域、视差不连续区域以及遮挡区域容易产生的图像噪声、失真或像素值异常等情况，且鲁棒性良好，能获取更加接近真实场景的深度信息。
-
公开(公告)号：CN104318576B
公开(公告)日：2017-04-12
申请号：CN201410618019.2
申请日：2014-11-05
申请人： 浙江工业大学
IPC分类号： G06T7/38
摘要： 一种超像素级别的图像全局匹配方法，由双目立体摄像机获取经过极线矫正的输入图像对，通过为图像对的每个像素计算自适应十字架来得到当前像素的自适应窗，并为其计算匹配代价，结合一种替换策略处理遮掩区域和一种次优策略处理图像边界；为图像创建超像素，对每块超像素区域的视差值进行平面拟合，确定可靠像素，并删除明显的错误平面以确定初始视差平面集；根据已经得到像素匹配代价来计算超像素的匹配代价，构建数据项与平滑项，利用Graph‑Cut最优化算法对能量方程进行不断迭代，获取最终视差平面。本发明能有效避免在弱纹理区域、视差不连续区域以及遮挡区域容易产生的图像噪声、失真或像素值异常等情况，且鲁棒性良好，能获取更加接近真实场景的深度信息。
-
公开(公告)号：CN106157268A
公开(公告)日：2016-11-23
申请号：CN201610601486.3
申请日：2016-07-28
申请人： 浙江工业大学
IPC分类号： G06T5/00
摘要： 一种基于L0凸近似的退化图像复原方法，基于图像的稀疏先验知识提出一种新的正则项，它即可以很好的近似图像梯度的L0范数，且增加了对原图的L1范数约束，采用半二次分裂方法，同时在频域对其进行交互迭代求解，在求解过程中，讨论并证明了所采用的近似等价函数的有效性。本发明不需要额外的滤波和大量的迭代次数并且收敛速度很快，将其应用到图像复原中，处理时间短，算法运行速度快，而且处理结果也比现有方法要好。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.033 秒)
