高光谱图像的波段选择方法、装置、终端及存储介质

    公开(公告)号:CN117423004B

    公开(公告)日:2024-04-02

    申请号:CN202311746979.2

    申请日:2023-12-19

    申请人: 深圳大学

    IPC分类号: G06V20/10 G06V10/764

    摘要: 本发明公开了高光谱图像的波段选择方法、装置、终端及存储介质,所述方法包括:获取高光谱图像的分类标签,根据所述分类标签确定连通标签子集,所述连通标签子集包括单分类标签和混合分类标签,所述单分类标签用于反映呈单高斯分布的地物,所述混合分类标签用于反映呈现混合高斯分布的地物;对所述混合分类标签进行扩展,确定所述连通标签子集的子类扩展标签;根据所述分类标签、所述连通标签子集和所述子类扩展标签,构建伸缩树多层分类标签,基于所述伸缩树多层分类标签,分层选择所述高光谱图像的波段。通过本发明构造的伸缩树多层分类标签,能够区分不同地物之间的分布特性,实现在波段选择时用更少的波段得到更好的分类效果。

    高光谱图像的波段选择方法、装置、终端及存储介质

    公开(公告)号:CN117423004A

    公开(公告)日:2024-01-19

    申请号:CN202311746979.2

    申请日:2023-12-19

    申请人: 深圳大学

    IPC分类号: G06V20/10 G06V10/764

    摘要: 本发明公开了高光谱图像的波段选择方法、装置、终端及存储介质,所述方法包括:获取高光谱图像的分类标签,根据所述分类标签确定连通标签子集,所述连通标签子集包括单分类标签和混合分类标签,所述单分类标签用于反映呈单高斯分布的地物,所述混合分类标签用于反映呈现混合高斯分布的地物;对所述混合分类标签进行扩展,确定所述连通标签子集的子类扩展标签;根据所述分类标签、所述连通标签子集和所述子类扩展标签,构建伸缩树多层分类标签,基于所述伸缩树多层分类标签,分层选择所述高光谱图像的波段。通过本发明构造的伸缩树多层分类标签,能够区分不同地物之间的分布特性,实现在波段选择时用更少的波段得到更好的分类效果。

    一种图像拼接方法和装置、计算机设备及存储介质

    公开(公告)号:CN114066793A

    公开(公告)日:2022-02-18

    申请号:CN202111358575.7

    申请日:2021-11-16

    申请人: 深圳大学

    IPC分类号: G06T5/50

    摘要: 本发明实施例公开了一种图像拼接方法、装置、计算机设备及存储介质,包括:通过基于自学习迭代回归思想的图像拼接模型学习求解方法,将图像拼接中的模型求解问题视作回归问题,通过多次迭代更新教师‑学生模型来逐步逼近求解最佳图像变换模型,有效地避免了学习不同模型需要手动调整RANSAC算法阈值的问题,并且能够针对不同的图像变换模型进行优化和回归求解。此外,使用局部特征点对称约束思想的教师模型初始化方式,用于求解初始匹配特征点对,相较于RANSAC算法提高了初始匹配点对的正确率。

    一种第二极体人工受精卵检测方法及相关设备

    公开(公告)号:CN118279237A

    公开(公告)日:2024-07-02

    申请号:CN202410172449.X

    申请日:2024-02-07

    申请人: 深圳大学

    IPC分类号: G06T7/00 G06T7/11 G06T7/136

    摘要: 本申请实施例属于人工智能的图像处理技术领域,涉及一种第二极体人工受精卵检测方法、装置、计算机设备及存储介质。本申请首先对人工生殖受精卵图像中的显微镜镜框层和细胞培养液层提取掩膜,检测出带有受精卵细胞和极体信息的人工生殖受精卵活性区域;基于频域相关系数确定卵裂前期的图像序列并实现视频序列分割;在人工生殖受精卵活性区域内部进行受精卵活性检测,对受精卵和极体边界的条型结构进行增强并进行边界提取获得受精卵和极体的边界;选取非凹起点进行边界跟踪获得边界点序列,分析所述的边界点序列从而检测出是否存在第二极体,最终实现人工生殖受精卵生命活性的检测。

    行人重识别方法、系统、电子装置及存储介质

    公开(公告)号:CN113128466A

    公开(公告)日:2021-07-16

    申请号:CN202110509840.0

    申请日:2021-05-11

    申请人: 深圳大学

    摘要: 本发明公开了一种行人重识别方法、系统、电子装置及存储介质,方法包括:数据准备,数据包括用于特征提取网络的训练数据集和测试数据集,训练数据集和测试数据集具有不同的查询集及候选集,查询集包括查询行人序列,候选集包括候选行人序列;利用训练数据集对特征提取网络进行预训练及微调;利用特征提取网络对测试数据集内的测试数据进行特征提取,并对提取的特征进行维数简约,得到图像特征;对测试数据的图像特征进行相似性度量,得到最匹配的候选行人;输出最匹配的候选行人。本申请能够充分利用序列中所有的图像信息,避免特征融合带来的问题,在行人序列重识别任务中性能取得显著的提升。

    一种基于多层耦合映射的低分辨率图像识别方法

    公开(公告)号:CN112287995A

    公开(公告)日:2021-01-29

    申请号:CN202011161508.1

    申请日:2020-10-26

    申请人: 深圳大学

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于多层耦合映射的低分辨率图像识别方法,包括:获取低分辨率样本图像和多种高分辨率样本图像;基于耦合映射学习方法,学习低分辨率样本图像和多种高分辨率样本图像在所有层中的耦合映射矩阵;根据耦合映射矩阵确定待识别图像在每一层中的新特征;根据待识别图像在每一层中的新特征以及最近邻法进行待识别图像的分类识别。通过实施本发明,提出了多级分层结构,实现不同分辨率水平下的信息互补。同时,利用核方法通过非线性途径将原始图像变换到核空间中,并在核空间中进行耦合空间的学习。能够更加准确的描述高低分辨率图像之间的关系。此外,还采用了从局部耦合优化到全局优化的结构,特征信息互为补充,增强了方法的泛化性。