-
公开(公告)号：CN109284769B
公开(公告)日：2022-03-18
申请号：CN201810874993.3
申请日：2018-08-02
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/28 , G06K9/62
Abstract: 本发明提供了一种基于量化参数的水下图像自适应分类方法，属于数字图像处理领域，适用于水下图像增强前预分类。本发明主要包括以下步骤，首先构造自适应参数，设定自适应参数阈值；然后读取水下图像并转换为灰度图像；对灰度图像进行处理获得输入水下图像的亮度特征图像；求得水下图像的自适应参数，并与自适应参数阈值进行比较；当自适应参数大于设定阈值时，表明输入图像属于具有雾状模糊的水下图像；小于设定阈值时，表明输入图像属于亮度分布不均的水下图像。本发明提供的方法从人眼对水下图像的直观感受出发，通过卷积与最大值池化，忽略图像细节信息，保留对图像的总体认知，并且提供了实际应用的可能性。
-
公开(公告)号：CN109785260A
公开(公告)日：2019-05-21
申请号：CN201910026679.4
申请日：2019-01-11
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明属于侧扫声呐图像处理技术领域，具体涉及一种针对侧扫声呐图像的非线性增强方法。本发明包括如下步骤：从原始侧扫声呐数据文件中获取原始图像，然后对原始图像依次进行灰度归一化、邻域极值抑制和高斯平滑，再针对平滑后的图像计算低灰度区最大值、高灰度区最小值和中间灰度区，最后对上述三个区域分别进行非线性校正，得到增强后的图像。通过上述步骤，本发明能够快速、有效、低成本地实现对原始侧扫声呐图像有效信号的增强和无效信号的抑制，增强图像局部特征的对比度，并且保持原始图像的边缘和灰度分布的单调性，不引伪边缘等。
-
公开(公告)号：CN109284769A
公开(公告)日：2019-01-29
申请号：CN201810874993.3
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于量化参数的水下图像自适应分类方法，属于数字图像处理领域，适用于水下图像增强前预分类。本发明主要包括以下步骤，首先构造自适应参数，设定自适应参数阈值；然后读取水下图像并转换为灰度图像；对灰度图像进行处理获得输入水下图像的亮度特征图像；求得水下图像的自适应参数，并与自适应参数阈值进行比较；当自适应参数大于设定阈值时，表明输入图像属于具有雾状模糊的水下图像；小于设定阈值时，表明输入图像属于亮度分布不均的水下图像。本发明提供的方法从人眼对水下图像的直观感受出发，通过卷积与最大值池化，忽略图像细节信息，保留对图像的总体认知，并且提供了实际应用的可能性。
-
公开(公告)号：CN108444447A
公开(公告)日：2018-08-24
申请号：CN201810165090.8
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种用于水下避障系统中的渔网实时自主检测方法，属于计算机视觉领域，通过水下激光探测手段和一种基于深度生成网络和深度学习回归式与区域建议相结合目标检测的方法，减少图像预处理操作的时间。本发明使用基于水下激光扫描系统采集渔网图像，克服传统光在水下的后向散射作用以及声波受海水环境影响敏感性问题，得到清晰、高亮度的水下渔网图像，可直接用于后期的渔网检测，不需要通过去噪等前期预处理手段，大大提升后期渔网目标检测过程的实时性，既保证深度学习大数据量的要求，又在保证实时性的前提下提高渔网目标检测的置信度，为水下避障系统提供视觉部分的渔网检测技术方法。
-
公开(公告)号：CN110060248B
公开(公告)日：2022-11-11
申请号：CN201910321418.5
申请日：2019-04-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习与声呐图像处理领域，具体涉及一种基于深度学习的声呐图像水下管道检测方法。本发明包括如下步骤：构建侧扫声呐图像样本数据集；对数据集中的图像进行预处理；构建用于判别水下管道的铺设方式和检测管道位置的深度卷积神经网络，并训练网络的权重得到训练好的网络；对预处理后的侧扫声呐图中水下管道铺设方式进行判断和给出位置的包围盒集合；根据包围盒集合的中心点得到水下管道的中心位置线，根据包围盒集合覆盖区域分割出目标。本专利方法与现有的方法相比，能够更准确对水下管道的铺设方式进行判定，更精准地检测出水下管道的位置及其中心位置线，泛化能力强，而且在并行加速单元的硬件支持下，检测速度快、效率高。
-
Patent Agency Ranking
公开(公告)号：CN107590851B
公开(公告)日：2020-09-11
申请号：CN201710717243.0
申请日：2017-08-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于质点弹簧与填充体模型混合的软体形变模型构建方法，属于计算机图形学仿真、虚拟现实领域。包括以下步骤：应用三维建模软件构建三维人体器官模型；对经过减面处理的人体器官模型进行三角剖分获取四面体模型；构建填充体模型；构建弹簧结构；形成表层约束条件以及内部填充体约束条件；对人体器官模型表层与内部填充体模型进行渲染；将视觉显示结构与物理形变结构分离。本发明在传统质点弹簧模型基础上融入了体模型的概念，减少了形变过程中的计算量，同时由于内部填充体模型的存在，使整个软体形变模型更加接近于真实的人体器官结构，避免了传统质点弹簧易产生塌陷失真的现象，大大增强了虚拟手术过程中软体形变的仿真效果。
-
公开(公告)号：CN111445395A
公开(公告)日：2020-07-24
申请号：CN202010140389.5
申请日：2020-03-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度学习的侧扫声呐瀑布图像中间区域修复方法，制作样本时，对原始侧扫声呐瀑布图像进行斜距校正后，从瀑布图像的左右两侧不含模糊区域的图像中截取图像并进行缩放来作为真实图像，并制作相同大小的掩模图像，根据掩模图像可以确定待修复图像中需要修复的中间区域。通过深度学习训练得到了深度学习网络的模型参数，对于要修复的声呐瀑布图像，则可以直接输入到该网络模型中，即可得到修复后的声呐瀑布图像，修复后的图像能够消除斜距校正后中间区域的模糊，并实现图像中间不连续区域的平滑过渡，可以提升图像的整体视觉效果，还可以用于后续声呐瀑布图像的进一步处理，对于声呐瀑布图像的实际应用有着重要意义。
-
公开(公告)号：CN107590851A
公开(公告)日：2018-01-16
申请号：CN201710717243.0
申请日：2017-08-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于质点弹簧与填充体模型混合的软体形变模型构建方法，属于计算机图形学仿真、虚拟现实领域。包括以下步骤：应用三维建模软件构建三维人体器官模型；对经过减面处理的人体器官模型进行三角剖分获取四面体模型；构建填充体模型；构建弹簧结构；形成表层约束条件以及内部填充体约束条件；对人体器官模型表层与内部填充体模型进行渲染；将视觉显示结构与物理形变结构分离。本发明在传统质点弹簧模型基础上融入了体模型的概念，减少了形变过程中的计算量，同时由于内部填充体模型的存在，使整个软体形变模型更加接近于真实的人体器官结构，避免了传统质点弹簧易产生塌陷失真的现象，大大增强了虚拟手术过程中软体形变的仿真效果。
-
公开(公告)号：CN108444447B
公开(公告)日：2020-09-25
申请号：CN201810165090.8
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种用于水下避障系统中的渔网实时自主检测方法，属于计算机视觉领域，通过水下激光探测手段和一种基于深度生成网络和深度学习回归式与区域建议相结合目标检测的方法，减少图像预处理操作的时间。本发明使用基于水下激光扫描系统采集渔网图像，克服传统光在水下的后向散射作用以及声波受海水环境影响敏感性问题，得到清晰、高亮度的水下渔网图像，可直接用于后期的渔网检测，不需要通过去噪等前期预处理手段，大大提升后期渔网目标检测过程的实时性，既保证深度学习大数据量的要求，又在保证实时性的前提下提高渔网目标检测的置信度，为水下避障系统提供视觉部分的渔网检测技术方法。
-
公开(公告)号：CN108876855A
公开(公告)日：2018-11-23
申请号：CN201810519615.3
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于深度学习的海参检测和双目视觉定位方法，适用于海洋牧场的水下机器人对海底海参捕捞任务，主要包括以下步骤：通过对双目摄像头进行标定获得摄像机的内外参数；对双目摄像头进行校正，使得左右视图的成像原点坐标一致、两摄像头光轴平行、左右成像平面共面、对极线行对齐；利用标定好的双目摄像头进行海底图像数据采集；对采集到的图像数据进行基于白平衡补偿的暗通道优先算法进行图像增强；对图像增强的海底图像进行基于深度学习的海参目标检测；对经过图像增强和深度学习获得目标二维回归框信息的图像进行双目立体特征点匹配算法得出目标的三维定位坐标信息。本发明可实现水下海参珍品的精确定位，且不需要人工参与。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.026 seconds)
