-
公开(公告)号：CN111062921B
公开(公告)日：2023-05-05
申请号：CN201911283483.X
申请日：2019-12-13
Applicant: 中南大学
Abstract: 本发明公开了一种用于平面设计图中的瓷砖检查方法，该方法包含以下步骤：步骤A：获取平面设计图中尺寸数字区域及其尺寸数字、尺寸标注线上相邻短线段的距离、瓷砖样例图片及其瓷砖类型、最小包络矩形及其对应图片；步骤B：根据步骤A所获得尺寸数字区域及其尺寸数字、尺寸标注线上相邻短线段的距离算比例尺，根据瓷砖的原始尺寸，分别进行最佳匹配和切割匹配，计算出每种类型瓷砖的数目。本发明提出的所述方法提出结合CorelDRAW软件VBA预处理和第三方计算机程序设计语言进行匹配统计实现了家装平面设计图瓷砖种类及数目统计，解决人工计数、效率低且容易产生误差的问题，实现了自动准确的瓷砖种类及数目统计。
-
公开(公告)号：CN115457120A
公开(公告)日：2022-12-09
申请号：CN202110558026.8
申请日：2021-05-21
Applicant: 中南大学
Abstract: 本发明公开了一种GPS拒止条件下的绝对位置感知方法与系统，该方法包含以下步骤：步骤A：通过摄像头旋转特定角度拍摄的图像进行360°环形拼接，将离散图像拼接成一张全景图；步骤B：基于Deeplabv3+改进的语义分割方法，从步骤A所形成的自然全景图像中提取天际线；步骤C：采用OpenGL可视化DEM数据形成渲染图，使用Canny算子对渲染图进行边缘检测输出天际线；步骤D：通过使用VGG16作为自然图像与DEM图像天际线特征编码器，并结合孪生神经网络输出这两类天际线之间的相似度，从而感知自身位置。本发明针对在GPS拒止条件的军事应用等情况下需要在地面上感知自我位置的难题，开展确定自身位置的研究，实现不依赖GPS和初始位置、误差不随时间增加的绝对定位的目标。
-
公开(公告)号：CN113887240A
公开(公告)日：2022-01-04
申请号：CN202111185278.7
申请日：2021-10-12
Applicant: 中南大学
Abstract: 本发明公开了一种文本摘要抽取方法、计算机装置、产品及存储介质，提出双层记忆网络，使句子向量融合了上下文中的语义关系。变换后的记忆网络有两层，第一层是单向记忆网络，第二层是双向记忆网络。为了使后续句子分类时充分融合前文已有信息，本发明通过单向记忆网络将目标语句向量和前文语句向量相结合。在单向记忆网络中，前文的句子向量被不加区分地融合，为了引入句子在司法裁判文书中的位置信息，本发明通过双向记忆网络将目标语句向量和其上下文语句向量相结合。本发明可以在将裁判文书的上下文语义融入句子本身的语义特征，使抽取式摘要更精准，更符合司法裁判文书的逻辑性，极大地提高了句子分类准确率。
-
公开(公告)号：CN110378848A
公开(公告)日：2019-10-25
申请号：CN201910609244.2
申请日：2019-07-08
Applicant: 中南大学
Abstract: 本发明公开了一种基于衍生图融合策略的图像去雾方法，包括以下几个步骤：步骤A：基于大量原始有雾图像及其对应的无雾图像，构建样本集；步骤B：分别从五个角度提取原始有雾图像的衍生图以增强去雾方法对图像远景和近景的细节恢复，消除色偏与增强对比度；步骤C：搭建U型卷积神经网络；步骤D：级联步骤A获取的衍生图和原始有雾图像作为输入，无雾图像作为输出训练由步骤C搭建的网络；步骤E：使用步骤D训练得到的网络，级联原始有雾图像和雾图对应的衍生图作为输入预测去雾后的无雾图像。本发明去雾效果好。
-
公开(公告)号：CN110059699A
公开(公告)日：2019-07-26
申请号：CN201910202579.2
申请日：2019-03-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于卷积神经网络的图像中天际线自动检测方法，包含以下步骤：步骤A：使用图像处理技术获取原始图像I的暗通道图像；步骤B：使用Dense网络充分提取原始图像I的特征FR；步骤C：由步骤B所提取的特征FR，使用卷积神经网络预测雨线图像；步骤D：由步骤C所提取的雨线图像，使用分类网络分类出雨密度等级并上采样成雨密度图像；步骤E：对步骤A-D提取到的特征和图像，将其拼接成总特征，然后使用卷积神经网络检测最终的天际线。本发明结合图像处理与深度卷积神经网络实现了端到端、带雨(雾)条件下的天际线自动、精准检测。
-
Patent Agency Ranking
公开(公告)号：CN108171785A
公开(公告)日：2018-06-15
申请号：CN201810061647.3
申请日：2018-01-22
Abstract: 本发明提供了一种用于光线跟踪的SAH‑KD树设计方法，包括：步骤S1、在进行所述SAH‑KD树的构建之前，对节点中的当前根节点的所有三角面片进行预处理；步骤S2、按层次递归构建所述SAH‑KD树，生成当前所述节点的左、右子节点的有序包围盒序列，并计算出当前层次每个所述节点的包围盒的三个维度的表面积；步骤S3、求出当前节点需要划分的维度，生成每一层所有所述节点的空间树和候选划分点，计算出每个所述候选划分点对应的SAH值；步骤S4、选择最小SAH值对应的所述候选划分点作为当前节点的最优划分点，并将该当前节点分成左、右两个子节点。与相关技术相比，本发明提供的用于光线跟踪的SAH‑KD树设计方法构建的SAH‑KD树性能好且效率高。
-
公开(公告)号：CN101783012A
公开(公告)日：2010-07-21
申请号：CN201010139441.1
申请日：2010-04-06
Applicant: 中南大学
Abstract: 本发明公开了一种基于暗原色的自动图像去雾方法，以解决现有传统去雾方法中采用的以提高雾天图像对比度来突出细节所导致的信息损失问题。本发明提供的方法包括：A、求取原始有雾图像的暗原色图像及相关大气光值；B、通过原始有雾图像的亮度分量图求取大气散射模型中反映局部雾气浓度的传播图；C、根据大气散射模型中的有雾图像、传播图和大气光值确定去雾后的复原图像。本发明建立在物理模型的基础上，能够自适应地处理各种有雾图像，去雾后的图像具有较好的边缘细节及理想的对比度，清晰化效果优于传统的基于图像增强的去雾方法。
-
公开(公告)号：CN110852955B
公开(公告)日：2022-05-10
申请号：CN201810952927.3
申请日：2018-08-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于图像强度阈值和自适应切割的图像增强方法，包括：根据图像亮度阈值将原图像直方图划分为暗区域直方图和亮区域直方图；将暗区域直方图和亮区域直方图分别分割为像素点个数各自均等的子直方图；计算每个子直方图的中值像素数和均值像素数，并从中值像素数和均值像素数中选出每个子直方图的限幅阈值；利用每个子直方图的限幅阈值对相对应的子直方图分别进行横向切割得到新子直方图；分别对每个新子直方图进行均衡化处理得到图像增强后的新图像。本发明通过所述方法对图像进行了增强处理使得增强后的图像不仅有完整的细节表现，并要与原始图像的内容最大程度保持一致。
-
公开(公告)号：CN110458158B
公开(公告)日：2022-02-11
申请号：CN201910501311.9
申请日：2019-06-11
Applicant: 中南大学
IPC: G06V10/22 , G06V10/25 , G06V30/148 , G06V10/762 , G06V30/19 , G06V10/75 , G06V10/30 , G06V10/28 , G06K9/62 , G09B21/00
Abstract: 本发明公开了一种针对盲人辅助阅读的文本检测与识别方法，该方法包含以下步骤：步骤1：场景检测，该步骤主要检测相机所拍图像是否为手指放在阅读文本上的场景；步骤2：手指定位，该步骤实现对指尖的定位，并以此指尖作为后续文本检测的光标；步骤3：文本提取，该步骤主要包括文本行的提取及文本行中各单词的提取操作；步骤4：单词跟踪，该步骤主要对正确识别的单词，采用模板匹配方法对其单词框进行跟踪。本发明方法运行速度快，效果好，不仅能够很准确地识别到用户指尖所指的单词，而且成本代价低，具有很强的通用性，可广泛应用于穿戴式盲人辅助阅读戒指等智能产品。
-
公开(公告)号：CN110378848B
公开(公告)日：2021-04-20
申请号：CN201910609244.2
申请日：2019-07-08
Applicant: 中南大学
Abstract: 本发明公开了一种基于衍生图融合策略的图像去雾方法，包括以下几个步骤：步骤A：基于大量原始有雾图像及其对应的无雾图像，构建样本集；步骤B：分别从五个角度提取原始有雾图像的衍生图以增强去雾方法对图像远景和近景的细节恢复，消除色偏与增强对比度；步骤C：搭建U型卷积神经网络；步骤D：级联步骤A获取的衍生图和原始有雾图像作为输入，无雾图像作为输出训练由步骤C搭建的网络；步骤E：使用步骤D训练得到的网络，级联原始有雾图像和雾图对应的衍生图作为输入预测去雾后的无雾图像。本发明去雾效果好。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.028 seconds)
