一种图像特征提取及描述符获取方法包括如下步骤：步骤A：提取待处理图片的有效区域图像及像素点颜色值数据并进行色块分割，获取有效区域图像的图像数据；步骤B：对有效区域图像进行多等份细分，获得有效区域图像的细分区域；步骤C：对所述细分区域进行连通域确认、线段识别和线长计量，以获取所述细分区域的图像特征数据；步骤D：对所述细分区域的图像特征数据进行统计、组合处理，以获取图像特征描述符。采用图像特征描述符来描述图像特征，能有效解决相同或近似图像的共同性特征和区分性特征描述的稳定性问题，弥补传统图像特征提取技术方法可能会造成图像检索中相同或近似图像的漏检缺陷，提高图像识别检索中相同或近似图像的匹配效果。
📄 2021108759640
📂 G06T7_00
👤 徐庆, 面谷图像技术(佛山)研究中心, 佛山市国方识别科技有限公司
📅 2021-07-30
本发明公开了基于多频特征提取的小样本金属表面缺陷分割方法、系统，接收支撑集图像与查询集图像后，通过固定卷积核组执行多尺度频带分解与递归分解，构建支撑集与查询集的多频带特征集合；基于支撑集多频带特征集合生成频带原型表征并计算动态重要性权重向量，对查询集多频带特征集合进行加权融合，生成任务感知优化查询集特征；通过可学习变换核提取支撑集与查询集的本质低频特征并计算频带对齐蒸馏损失；将任务感知优化查询集特征输入分割解码器生成预测图并计算分割损失；通过最小化总损失联合优化参数可学习的变换核及分割解码器的参数。本发明实现了任务感知的频带动态聚焦与知识迁移，提升了小样本下金属缺陷分割的精度与鲁棒性。
📄 2026104105096
📂 G06T7_00
👤 龙岩学院
📅 2026-03-31
本发明涉及无损检测技术领域，尤其涉及一种基于VMD‑KF的道岔轨头损伤振动特征提取方法，包括：借助轨头与道岔的接头处的冲击，初步选取存在多处冲击的信号段用于分析；基于VMD得到冲击振动的平稳化本征模函数IMF分量，从低阶IMF分量中提取轮对信息确定列车速度，估计损伤信号的分布范围；基于KF，从包含冲击振动的高阶IMF分量中提取损伤导致的振动信号；最后，基于希尔伯特黄变换HTT提取损伤振动信号的特征。本发明用以监测和分析道岔区间振动特性，对保证轮对和道岔结构完整性具有重要意义；解决了常规方法对非平稳振动信号处理时难以提取和分析的问题。
📄 2024100372116
📂 G06F18_2131
👤 南通大学
📅 2024-01-10
一种用于立体匹配的特征提取方法，将经过校正的、尺寸为W*H*C的原始图像输入到特征提取网络中；通过预处理模块和Resnet提取多个特征图；通过最大值池化操作，对提取到的多个特征图进行不同大小的最大值池化，构建特征金字塔；利用堆叠结构进行特征融合并压缩金字塔尺度范围，得到下一个金字塔，经过多次压缩，直至输出单一的尺度特征。对输出的单一的尺度特征，进行3*3的卷积；通过跳跃连接，将Resnet最后一层特征输出与特征输出在通道维度上进行拼接，然后通过3*3卷积与1*1卷积，构造特征体。本发明能够被用来提取足够的丰富特征，适用于深度立体匹配网络的特征输入。
📄 202010693071X
📂 G06K9_46
👤 三峡大学
📅 2020-07-17
本发明公开了一种基于XGBoost特征提取的压缩机故障诊断方法。首先，根据故障数据与故障类型自定义XGBoost算法的损失函数，迭代构建故障分裂树；其次，提取样本在故障树中的叶子结点位置索引向量并进行特征编码重构，得到隐含故障信息的智能化表征；然后，基于该表征矩阵，使用SVM、神经网络算法分别建立故障预测模型，实现多故障模式的预测诊断。这种方法的特点是，能够充分挖掘数据中隐含故障特征信息，使故障诊断预测的精度更高。
📄 2019101004661
📂 G06F18_2113
👤 浙江工业大学
📅 2019-01-31
本发明涉及一种基于扩展离散模态分解的三维表面形貌特征提取方法，获取零件表面形貌的点云数据，预处理后生成表面模型，并设置力学参数；将表面模型投影至不同的模态基，生成多个离散模态，分别计算各个离散模态的波长；根据国标设置截止波长，将各个波长范围划分至表面形貌特征中的一种，对相同组的离散模态合并得到零件的表面形貌特征。本发明的方法实现了三维工程表面形貌特征的提取，并克服了传统表面滤波方法中由于末端数值的缺失，表面边界和孔洞处发生卷积畸变，造成数值失真的问题。
📄 2022103644471
📂 G06V10_44
👤 浙江工业大学
📅 2022-04-08
一种显著边缘特征提取模块引导网络的肠道疾病分割方法，首先输入数据集，骨干网络Res2net提取特征，然后采用不同核大小的GCN模块进行多尺度上下文信息的提取，再利用边界细化模块提高物体边界的划分性能，对特征进行进一步的提取；利用第二层侧边输出特征生成边缘信息，再利用三个融合的高层语义信息抑制边缘信息中的噪声，将mask图生成边缘图对生成的显著边缘特征进行显著边缘监督，形成最终的显著边缘特征提取模块；最后将显著边缘特征提取模块中生成的边缘信息与各层侧边输出信息共同输入RAS模块中，训练模型得到训练参数，利用训练参数进行测试得到最终的结果。本发明改善了胃肠道中息肉分割定位不准确和边界模糊的问题。
📄 2020115374135
📂 G06T7_12
👤 浙江工业大学
📅 2020-12-23
基于振动信号相关性分析的旋转机械故障特征提取方法，首先在旋转机械设备上采集振动信号，并从中选取一段参考子信号；然后令参考子信号从振动信号的初始时间开始，沿时间轴方向逐点平移，不断地从振动信号中遮掩一段子信号，同时计算参考子信号与遮掩子信号之间的相关系数；平移结束后获得相关系数序列；最后从相关系数序列的频谱中提取故障特征频率。本发明简单易行，相关系数序列获取过程中自适应于原始振动信号本身的特征，可以直观展现旋转机械设备故障特征的变化规律，并且从相关系数序列的频谱中能够有效方便地提取出故障特征频率，用于旋转机械设备的故障诊断。
📄 201910174733X
📂 G06F18_10
👤 浙江工业大学之江学院
📅 2019-03-08
本发明公开了一种基于多尺度特征提取的群体行为识别方法，对采集的传感器数据进行预处理，预处理后的传感器数据通过多尺度特征提取模块得到个体精炼特征，然后将个体精炼特征输入交互关系提取模块捕获个体间的交互关系，得到精炼特征向量；最后通过子群基数预测模块提取精炼特征向量中的子群数量，并构建精炼特征向量的特征邻接矩阵，输入到图谱聚类模块中进行子群划分，并生成子群的全局特征，然后通过群体行为分类器得到识别结果。本发明对传感器数据的个体特征和关系特征进行挖掘和提取，增强了模型的泛化能力，提高了群体行为识别的鲁棒性和准确性，实现了模型对群体行为的有效识别。
📄 2025101181924
📂 G06V40_20
👤 浙江工业大学
📅 2025-01-24
基于时频谱相关性分析的旋转机械故障特征提取方法，首先在旋转机械设备上采集一组振动信号，对其进行时频变换得到时频谱；然后在时频谱中选取一个冲击特征，令其从时频谱的初始时间开始，沿时间轴逐点平移，不断地在时频谱中遮掩一个时频区块，同时计算冲击特征与遮掩时频区块之间的相关系数，平移结束后获得相关系数序列；最后对相关系数序列进行傅里叶变换，从频谱中提取故障特征频率。本发明获得的相关系数序列曲线可以直观展现旋转机械设备振动信号中冲击特征的变化规律，极大去除了噪声及其它干扰信号的影响；相关系数序列的频谱则可以有效方便地提取出故障特征频率，用于旋转机械设备的故障诊断。
📄 2019101749443
📂 G06K9_00
👤 浙江工业大学之江学院
📅 2019-03-08
一种多指数特征提取的ECT图像重建方法，首先将图像灰度矩阵和灵敏度矩阵经过零向量扩展来重组，构建成一个稀疏化的稀疏观测方程，其次将Tikhonov正则化算法得到灰度向量建模成一个有限新息率信号，用指数再生采样核对其滤波后均匀采样，提取特征信息，从采样样本中计算获取测量值后，把稀疏观测矩阵与FRI观测矩阵相结合，稀疏观测向量和FRI观测向量相结合,随机重组综合观测矩阵和综合观测向量的行向量，获得综合观测方程；将电容层析图像重构的问题转化为L0范数最小化问题，求解L0范数最小化问题得到稀疏向量的估计，计算出灰度向量的估计，最后重构原始图像。本发明具有良好的图像质量和较高的重建精度。
📄 2021113055873
📂 G06T11_00
👤 浙江工业大学
📅 2021-11-05
一种基于散射卷积网络的手指静脉特征提取方法，包括以下步骤：1)采集到手指静脉；2)对采集到的图像做基于最大内切矩阵感兴趣区域提取；3)对获得的ROI图像进行基于散射卷积网络的手指静脉特征提取，过程如下：先得到多分辨率小波函数，然后对ROI图像进行小波变换得到第一层的散射系数，再对第一层的散射结果进行第二次散射，得到第二次的散射系数，最后将每一个散射能量块的能量均值和方差组成图像的特征向量；4)通过支持向量机SVM进行分类。本发明提供一种信息丰富、安全性很高的基于散射卷积网络的手指静脉特征提取方法。
📄 2017101646344
📂 G06K9_00
👤 浙江工业大学
📅 2017-03-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台