-
公开(公告)号：CN109840483A
公开(公告)日：2019-06-04
申请号：CN201910025918.4
申请日：2019-01-11
申请人： 深圳大学
摘要： 本发明适用于图像处理领域，提供了一种滑坡裂缝检测与识别的方法及装置，其中，所述方法包括：获取待识别图像；基于卷积神经网络和局部纹理信息对所述待识别图像进行裂缝检测与识别。所述装置包括待识别图像获取单元以及裂缝检测与识别单元，所述装置的功能与所述方法相对应。本发明将传统数字图像处理方法和深度学习相结合进行滑坡裂缝检测，同时兼顾了传统数字图像处理方法定位速度快、深度学习方法检测精度高的优点，为滑坡裂缝检测与识别提供了一种新的思路。
-
公开(公告)号：CN109840483B
公开(公告)日：2020-09-11
申请号：CN201910025918.4
申请日：2019-01-11
申请人： 深圳大学
摘要： 本发明适用于图像处理领域，提供了一种滑坡裂缝检测与识别的方法及装置，其中，所述方法包括：获取待识别图像；基于卷积神经网络和局部纹理信息对所述待识别图像进行裂缝检测与识别。所述装置包括待识别图像获取单元以及裂缝检测与识别单元，所述装置的功能与所述方法相对应。本发明将传统数字图像处理方法和深度学习相结合进行滑坡裂缝检测，同时兼顾了传统数字图像处理方法定位速度快、深度学习方法检测精度高的优点，为滑坡裂缝检测与识别提供了一种新的思路。
-
公开(公告)号：CN107742114A
公开(公告)日：2018-02-27
申请号：CN201711096880.7
申请日：2017-11-09
申请人： 深圳大学
CPC分类号： G06K9/0063 , G06K9/4604 , G06K2009/00644
摘要： 本发明适用于特征点检测技术领域，提供了一种高光谱图像特征检测方法，所述方法包括：构造关于高光谱图像f(x,y,λ)中的某点p0和其邻域上的点p1的加权相关性函数；其中，x,y表示空间域坐标，λ表示光谱域坐标；根据所述加权相关性函数构造一个特征点响应函数；根据所述特征点响应函数计算所述高光谱图像f(x,y,λ)中的某点p0的特征点响应值和其邻域上所有点的特征点响应值；若所述高光谱图像f(x,y,λ)中的某点p0的特征点响应值大于其邻域上所有点的特征点响应值，则该点p0即为所述高光谱图像f(x,y,λ)的特征点；其中，所述特征点为空间域上的角点，为光谱域上的极值点；本发明提供的方法使得检测出的特征点既能反映高光谱图像的空间信息又能反映光谱信息，从而提高了高光谱图像的分类准确率。
-
公开(公告)号：CN107742114B
公开(公告)日：2021-11-19
申请号：CN201711096880.7
申请日：2017-11-09
申请人： 深圳大学
摘要： 本发明适用于特征点检测技术领域，提供了一种高光谱图像特征检测方法，所述方法包括：构造关于高光谱图像f(x,y,λ)中的某点p0和其邻域上的点p1的加权相关性函数；其中，x,y表示空间域坐标，λ表示光谱域坐标；根据所述加权相关性函数构造一个特征点响应函数；根据所述特征点响应函数计算所述高光谱图像f(x,y,λ)中的某点p0的特征点响应值和其邻域上所有点的特征点响应值；若所述高光谱图像f(x,y,λ)中的某点p0的特征点响应值大于其邻域上所有点的特征点响应值，则该点p0即为所述高光谱图像f(x,y,λ)的特征点；其中，所述特征点为空间域上的角点，为光谱域上的极值点；本发明提供的方法使得检测出的特征点既能反映高光谱图像的空间信息又能反映光谱信息，从而提高了高光谱图像的分类准确率。
-
公开(公告)号：CN108009550A
公开(公告)日：2018-05-08
申请号：CN201711097228.7
申请日：2017-11-09
申请人： 深圳大学
IPC分类号： G06K9/46
CPC分类号： G06K9/4652
摘要： 本发明适用于特征点检测技术领域，提供了一种基于光谱曲线拟合的高光谱图像特征检测方法及装置，包括：在光谱方向上对高光谱图像f(x,y,λ)进行拟合，得到新的高光谱图像φ(x,y,λ′)；构造关于新的该高光谱图像φ(x,y,λ′)中的某点p0和其邻域上的点p1的加权相关性函数；根据该加权相关性函数构造一个特征点响应函数；根据该特征点响应函数计算该高光谱图像φ(x,y,λ′)中的某点p0的特征点响应值和其邻域上所有点的特征点响应值；若该高光谱图像φ(x,y,λ′)中的某点p0的特征点响应值大于其邻域上所有点的特征点响应值，则该点p0即为该高光谱图像φ(x,y,λ′)的特征点；本发明提供的方法可以在光谱方向上通过拟合的方法对整个高光谱图像进行数据压缩和降噪，提高了运行效率，并在此基础上实现了对高光谱图像进行特征点检测的目的。
-
公开(公告)号：CN106529472A
公开(公告)日：2017-03-22
申请号：CN201610985099.4
申请日：2016-10-24
申请人： 深圳大学
CPC分类号： G06K9/0063 , G06K9/3233 , G06K9/4671 , G06K9/6269 , G06K2009/00644
摘要： 本发明提供了基于大尺度高分辨率高光谱图像的目标探测方法及装置。该方法包括：读取目标对应的高光谱图像；对高光谱图像进行预处理；检测高光谱图像的所有候选空谱域兴趣点，得到第一集合；根据响应强度对第一集合中的候选空谱域兴趣点进行筛选，得到第二集合；根据第二集合对应的光谱曲线进行光谱角匹配，得到潜在目标区域的图像块；对图像块进行特征描述，并编码得到图像块对应的矢量；根据图像块对应的矢量计算图像块对应的分类函数的值；若图像块对应的分类函数的值大于分类阈值，则判定图像块包含目标；若图像块对应的分类函数的值小于或等于分类阈值，则对图像块进行分割。本发明能够提高高分辨率的高光谱图像的目标探测中的探测效果。
-
公开(公告)号：CN110197116B
公开(公告)日：2023-05-23
申请号：CN201910299663.0
申请日：2019-04-15
申请人： 深圳大学
IPC分类号： G06V40/20 , G06V40/10 , G06V10/764 , G06V10/82
摘要： 本发明公开了一种人体行为识别方法、装置及计算机可读存储介质，其中，本发明能够使用骨架序列空间金字塔模型来建模骨架序列的空间信息，该模型有效地表示了骨架序列帧内的空间信息。其次，本发明融入帧间信息形成骨架序列的时空信息，从而本发明可以更好地将骨架序列的时空信息送入深度神经网络进行学习和分类，因此，本发明能够基于空间金字塔的思想，使用坐标系分层次地表示骨架序列的潜在空间关系并形成骨架序列的时空特征，再将时空特征送入神经网络分析，从而实现人体行为的识别。
-
公开(公告)号：CN110197195B
公开(公告)日：2022-12-23
申请号：CN201910299673.4
申请日：2019-04-15
申请人： 深圳大学
IPC分类号： G06V10/776 , G06V10/82 , G06N3/04
摘要： 本发明涉及图像识别技术领域，尤其涉及一种基于李群骨架表示的深层网络系统及行为识别方法，具体涉及一种新型面向行为识别的深层网络系统及方法。其中，深层网络网络系统包括对数映射层、激励层、第一完全连接层、时间信息学习层等。本发明能从原始的深度骨架数据出发，将提取到的李群骨架特征输入到针对于李群设计的CNN网络，并在完全连接层之前将转化过的李代数特征输入到Bi‑LSTM网络(时间信息学习层)，然后将两种网络softmax层(输出层)的预测标签和得分进行融合，以此对行为进行有效的识别。
-
公开(公告)号：CN107025433B
公开(公告)日：2021-03-16
申请号：CN201710124474.0
申请日：2017-03-03
申请人： 深圳大学
摘要： 本发明公开了一种视频事件类人概念学习方法及装置，方法包括：利用随机行走算法对视频样本中的运动对象进行行为划分，得到行为集合，基于行为的时间停顿点对该行为集合中的各行为进行子行为划分，得到子行为集合，确定该子行为集合中各子行为与其他子行为的时空关系，及各子行为的时空关系的先验概率，利用所述各子行为的时空关系、先验概率及预置的变化因子集合，组合成新的视频事件，并学习得到视频事件的概念。相对于现有技术，上述方法能够学习到视频事件的概念，且通过简单随机的规划来表达概念，以实现趋近于人类进行概念学习的思维，以实现视频事件类人概念学习。
-
公开(公告)号：CN108009550B
公开(公告)日：2021-01-22
申请号：CN201711097228.7
申请日：2017-11-09
申请人： 深圳大学
IPC分类号： G06K9/46
摘要： 本发明适用于特征点检测技术领域，提供了一种基于光谱曲线拟合的高光谱图像特征检测方法及装置，包括：在光谱方向上对高光谱图像f(x,y,λ)进行拟合，得到新的高光谱图像φ(x,y,λ′)；构造关于新的该高光谱图像φ(x,y,λ′)中的某点p0和其邻域上的点p1的加权相关性函数；根据该加权相关性函数构造一个特征点响应函数；根据该特征点响应函数计算该高光谱图像φ(x,y,λ′)中的某点p0的特征点响应值和其邻域上所有点的特征点响应值；若该高光谱图像φ(x,y,λ′)中的某点p0的特征点响应值大于其邻域上所有点的特征点响应值，则该点p0即为该高光谱图像φ(x,y,λ′)的特征点；本发明提供的方法可以在光谱方向上通过拟合的方法对整个高光谱图像进行数据压缩和降噪，提高了运行效率，并在此基础上实现了对高光谱图像进行特征点检测的目的。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.019 秒)