-
公开(公告)号：CN116109865A
公开(公告)日：2023-05-12
申请号：CN202310050480.1
申请日：2023-02-01
申请人： 重庆理工大学
IPC分类号： G06V10/764 , G06V10/42 , G06V10/774
摘要： 本发明公开了一种基于Legendre多小波变换的钢材表面缺陷分类方法，涉及人工智能与金属材料分类的交叉技术领域。本发明至少包括以下步骤：S1：对钢材表面缺陷数据集进行Legendre多小波变换，通过Legendre多小波变换将原始图片进行一个水平的分解，用两个具有不同正则性的小波能够将图片的缺陷特征表征的更明显；S2：对Legendre多小波变换处理后的数据进行特征提取，至少包括以下参数标准差、熵、均方根、偏度、峰度；S3：使用分类器对特征数据进行训练、分类，获取钢材表面缺陷分类。本发明采用Legendre多小波变换与支持向量机进行缺陷分类，其中，Legendre多小波变换主要完成对图片数据的Legendre多小波变化处理，支持向量机则用来对图片特征数据进行分类，该方法无需使用复杂的特征提取方法，缺陷图片经过Legendre多小波对处理过后特征纹理更加明显，大大减小了特征提取的难度。
-
公开(公告)号：CN118505629A
公开(公告)日：2024-08-16
申请号：CN202410580127.9
申请日：2024-05-11
申请人： 重庆理工大学
IPC分类号： G06T7/00 , G06T7/11 , G06N3/0455
摘要： 本发明公开了基于Legendre多小波低频和高频融合网络的皮肤镜图像分割方法，涉及皮肤镜图像分割技术领域。本发明利用Legendre多小波变换强大的频率和空间表示能力，以生成原始皮肤镜图像的低频图像和高频图像，能够更充分地提取皮肤镜图像中的细节信息，从而改善了分割模型对图像细节的捕捉能力，此外，本发明引入了Legendre多小波变换通道连接模块，弥补了编码器中由于下采样操作而导致的信息丢失，进一步提高了分割模型的性能，相对于现有方法，该技术能够更好地识别和理解皮肤镜图像中的复杂特征，实现了更精准、更可靠的分割效果，为皮肤科医生提供了更准确的皮肤病变诊断和治疗指导。
-
公开(公告)号：CN117636015A
公开(公告)日：2024-03-01
申请号：CN202311556238.8
申请日：2023-11-21
申请人： 重庆理工大学
IPC分类号： G06V10/764 , G06V10/44 , G06V10/54 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种钢材表面缺陷分类方法，涉及钢材表面缺陷分类技术领域。本发明至少包括S1：通过Legendre多小波变换对钢材表面缺陷的原始图像进行多尺度分解处理，得到特征图像，从而获得丰富的图像频率信息，所述特征图像至少包括2张低频图像和6张高频图像。本发明无需依赖人工特征提取，而是采用Legendre多小波变换和自适应特征引导机制高效提取和自动学习图像中的关键缺陷特征，实现更精准的分类效果，且该方法具有较强的适应性和泛化能力，能够有效应对不同尺度、形状和复杂度的钢材表面缺陷，确保在复杂场景下仍然能实现对钢材表面各类缺陷的快速、准确的识别与分类，为钢材质量检测提供了一种高效、可靠的解决方案。
-
公开(公告)号：CN118297883A
公开(公告)日：2024-07-05
申请号：CN202410325874.8
申请日：2024-03-21
申请人： 重庆理工大学
IPC分类号： G06T7/00 , G06V10/52 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464
摘要： 本发明公开了基于Legendre多小波变换的特钢材表面缺陷检测与定位方法，涉及钢材表面缺陷检测技术领域。本发明通过结合先进的图像处理技术和深度学习的智能学习机制，实现对钢材表面缺陷的高效、准确定位，在本方法中，Legendre多小波变换被用于执行多尺度特征分解，从而捕获钢材表面图像的细微纹理和结构特征，且深度学习模型自动学习这些特征并进行精确定位，无需繁琐的手动特征设计和提取，与现有技术相比，显著提高了检测流程的自动化程度，减少了对计算资源的需求，并优化了实时处理能力，为高速生产环境中的钢材质量控制提供了一种更加高效和可靠的技术解决方案。
-
-
-
搜索结果
4 条记录 (耗时 0.023 秒)