基于多级语义信息的车道线检测方法及系统

    公开(公告)号:CN112801021B

    公开(公告)日:2022-07-08

    申请号:CN202110174971.8

    申请日:2021-02-09

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于多级语义信息的车道线检测方法及系统,该方法包括以下步骤:S1、对车道场景图像中的车道线进行分割,提取图像的低级语义信息,输出基于低级语义信息的车道线掩膜图;S2、利用图像的消失点、车道线空间信息和长距离依赖信息,训练结合消失点的车道线语义分割网络,得到图像的高级语义信息,并输出基于高级语义信息的车道线掩模图;S3、将基于高、低级语义信息的车道线掩模图融合,得到基于多级语义信息的车道线分割结果。该方法及系统有利于提高车道线检测的准确性,能够应对复杂行车环境。

    基于中心线拓扑连通和多视角信息的CT图像血管分割方法

    公开(公告)号:CN114299018A

    公开(公告)日:2022-04-08

    申请号:CN202111633527.4

    申请日:2021-12-29

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于中心线拓扑连通和多视角信息的CT图像血管分割方法,包括以下步骤:步骤S1:获取原始CT图像,并进行预处理;步骤S2:将预处理后的CT图像,分成若干含动静脉血管标签的感兴趣区域的图像块;步骤S3:将图像块送入基于U‑Net的多尺度深监督网络进行分割,将网络输出的动静脉分割结果通过多视角投票策略得到初步结果;步骤S4:利用从中心线模型学习到的血管拓扑连通信息对初步结果中错误的部分进行修正;步骤S5:采用形态学膨胀得到衍生的血管颗粒,并利用肺血管网络模型学习的肺血管形态信息对动静脉进行修正,得到最终的分割结果。本发明准确率高,泛化能力强,能够在不同类型的CT图像中获得精准的动静脉分割结果。

    基于合成数据消除无监督车辆再识别偏差的方法及系统

    公开(公告)号:CN112801019A

    公开(公告)日:2021-05-14

    申请号:CN202110174945.5

    申请日:2021-02-09

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于合成数据消除无监督车辆再识别偏差的方法及系统,该方法包括以下步骤:S1、通过保持一致性的生成对抗网络SPGAN将合成数据转化为与目标域具有相似风格的伪目标样本,通过伪目标样本对模型进行预训练;S2、通过预训练好的模型进行无监督域自适应或完全无监督任务;S3、通过预先训练好的方向模型和相机模型计算出图像的方向和相机相似度,进而得到最终的车辆相似度用于测试。该方法及系统有利于提高车辆再识别性能,且适应性强。

    一种有效判别车辆压线及预先提示系统

    公开(公告)号:CN108776767A

    公开(公告)日:2018-11-09

    申请号:CN201810345892.7

    申请日:2018-04-18

    Applicant: 福州大学

    Abstract: 本发明涉及一种有效判别车辆压线及预先提示系统,包括图像采集模块,车道线提取模块,距离计算模块和预警判断模块,图像采集模块通过光学摄像头采集前向图像,经过车道线提取模块处理后提取图像中车道线,距离计算模块计算光学摄像头与左右车道的距离,通过摄像头在车辆中的位置以及车辆的尺寸,计算车辆离左右车道的距离,从而由预警判断模块判断是否预警提醒驾驶员;本发明有益效果为用单目摄像头采集图像并实时计算车辆与左右车道距离,并对驾驶员做出预警,具有设计简单,开发容易,可靠性高,不需要对车辆进行改装,对外界依赖少等优点。

    一种基于拓扑先验的三维肺CT管状结构分割的隐式神经网络构建方法

    公开(公告)号:CN119131062A

    公开(公告)日:2024-12-13

    申请号:CN202411259330.2

    申请日:2024-09-09

    Abstract: 本发明涉及一种基于拓扑先验的三维肺CT管状结构分割的隐式神经网络构建方法,属于医学图像处理领域。构建基于拓扑先验的三维肺CT管状结构分割的隐式神经网络,采用隐式神经网络学习三维肺CT管状结构分割结果连续的表示,重建出任意分辨率的三维肺CT管状结构分割结果;此外,通过整合三维肺CT管状结构的拓扑结构信息对细小分支进行密集采样;另外,采用中心线预测辅助任务来优化三维肺CT管状结构分割结果。本发明使用了隐式神经网络生成了连续的坐标点,减少计算量和参数,可以在生成高分辨分割结果的同时减少内存占用;引入了拓扑采样策略和中心线引导,有助于解决前景背景不平衡的问题,以及缓解尺度不平衡的问题。

    一种适用于雾霾气候的微光图像增强方法

    公开(公告)号:CN119130878A

    公开(公告)日:2024-12-13

    申请号:CN202411258850.1

    申请日:2024-09-09

    Applicant: 福州大学

    Abstract: 本发明涉及一种适用于雾霾气候的微光图像增强方法,属于数字图像处理领域。首先,该方法通过GCA(Group Channel Attention)组通道注意力结构在学习的过程中能够有效学习到图像对中的去噪信息,能够解决外部噪声所带来的干扰;其次,该方法的transformer block通过自注意力机制使得网络具有较好的窗口自适应能力,能够解决局部过曝现象中具有较好效果;再者,该方法可以通过少量现场样本进行微调,大大提高了对所需环境的适应能力,且能在微光增强任务上学习新任务,解决非光照因素对图像质量的影响。

Patent Agency Ranking