本发明涉及石刻景观风化损伤检测技术领域，具体涉及一种基于多尺度三维重建的石刻景观风化损伤评估方法，包括：构建测量网络，基于测量网络分别获取石刻景观的多尺度图像数据及点云数据，形成石刻景观的多尺度异构数据；对石刻景观的多尺度异构数据进行降噪、配准及三维重建，以获取第一尺度、第二尺度及第三尺度三维模型；并分别进行特征提取，以获取石刻景观的多尺度特征向量，将石刻景观的多尺度特征向量输入至预设的石刻景观风化损伤评估组合模型进行计算，得到石刻景观的风化损伤评估结果。应用本发明能够提高石刻景观风化损伤评估结果的客观性、准确性和可靠性，为石刻景观的保护决策提供了科学依据。
📄 2025101574887
📂 G06T17_00
👤 乐山师范学院
📅 2025-02-13
本发明涉及一种基于自适应特征提取与多尺度增强的目标检测方法及系统。所述方法包括：对原始图像进行标准化预处理得到待检测原始图像；将待检测原始图像输入至并行结构的扩张卷积块中，捕捉待检测原始图像在不同尺度下的特征信息；通过目标归一化方法动态调整各个通道特征的贡献度，得到最优特征向量；并对最优特征向量进行缩放，得到压缩后的目标注意力权重，采用通道注意力门控方法对于目标注意力权重计算门控信号，并生成融合特征图；通过多尺度增强特征金字塔网络提取出深层特征；通过分类器和回归器输出目标检测结果。可以提高目标检测在不同尺度目标上的准确性和有效性，增强对复杂场景下目标的检测能力。
📄 2025101031221
📂 G06V10_764
👤 南京交通职业技术学院
📅 2025-01-22
本申请公开了一种基于多特征聚合的立体匹配方法，涉及计算机视觉技术领域，该方法包括：对立体图像进行浅层特征提取得到浅层特征图，对立体图像进行深层特征提取得到深层特征图；对深层特征图进行多尺度语义特征提取以及多尺度语义特征聚合得到立体图像的语义特征；对浅层特征图进行多尺度纹理特征提取以及多尺度纹理特征聚合得到立体图像的纹理特征；聚合语义特征以及纹理特征，得到立体图像的图像特征；将立体图像对中立体图像的图像特征进行连接，得到初始代价体；对初始代价体进行多尺度特征聚合得到优化后的目标代价体；基于目标代价体进行视差估计，得到立体图像对之间的视差图。该方法有助于提高立体匹配的匹配精度。
📄 2023111776636
📂 G06V10_75
👤 江南大学
📅 2023-09-13
一种基于前景特征提取的三维目标检测方法，属于三维目标检测领域，包括以下步骤：步骤一、提取前景特征，过程如下：步骤1.1）定义初级特征提取主干网络；步骤1.2）前景区域划分；步骤1.3）前景评分；步骤1.4）金字塔特征聚合；步骤二、三维可变形注意力，将可变形注意力拓展到三维空间，包括三维偏移采样和视图变换，对于三维空间中的每个查询参考点，模型学习每个查询点周围的M个采样偏移量，并将这些参考点投影到不同的二维尺度和视图中；在二维目标检测器的帮助下，将目标对象的位置约束在某些图像区域内。本发明有效减少背景干扰并降低计算复杂度，增强模型对特征信息的提取和表达能力。
📄 2025115635693
📂 G06V10_764
👤 中国计量大学
📅 2025-10-30
本发明公开了一种基于深度学习的多视角三维重建方法，包括：利用相机对重建目标进行多角度图像采集并选取一张图像作为参考图像；将采集的图像输入图像特征提取模块生成对应的特征图；通过单应性变换算法将特征图转换成参考图像视角下的特征图，并通过逐像素计算图像一致性构建代价体；将构建的代价体输入代价体正则化模块生成参考图像的稀疏深度图；将稀疏深度图输入深度图细化模块生成稠密深度图；根据稠密深度图生成重建目标的空间点云结构，实现三维重建。上述方法是一种基于图像的深度学习重建方法，具有较高稳定性，不受光照强度等环境因素影响，重建效果好，并采用端到端的重建方式，提高了重建效率。
📄 202211177730X
📂 G06T17_00
👤 淮阴工学院
📅 2022-09-22
本发明公开一种基于EIEM边缘特征提取的钢铁缺陷检测方法，首先设计一个边缘信息提取模块EIEM替换C2f中的BottleNeck，该模块采用sobel算子来提取特征的边缘信息并与整体空间信息进行特征融合，获得更加丰富的语义信息；其次，替换上采样方法为CARAFE，该方法通过编码器能够学习到适合自己特征信息的卷积核，以指导更加精确的特征重建；最后，将原来的检测头换成了动态统一的检测头（DyHead)，以应对不同缺陷的尺寸和变换位置，而且正因为这个检测头，在不同的尺寸、位置、任务中，都能动态的适应，不需要改变检测头。与现有技术相比，本发明克服了现有技术中鲁棒性差、引入噪声导致缺陷检测准确率低的问题，利用改进YOLOv8s模型架构，具有准确性高，适用广度大的优点。
📄 2024109597543
📂 G06V10_764
👤 淮安大学
📅 2024-07-17
本发明公开了一种基于人工智能sEMG信号特征提取及肌肉疲劳级别判别方法，包括如下步骤：S1、使用多模态传感器设备实时捕捉用户在进行特定体力活动时的sEMG信号数据和辅助数据；S2、对所收集的sEMG信号数据及辅助数据进行预处理；S3、利用多尺度熵分析和机器学习算法对预处理后的sEMG信号数据进行特征提取；S4、基于提取的特征，构建并训练一个用于肌肉疲劳级别判别的复合人工智能模型；S5、对用户的肌肉疲劳级别进行实时评估，并根据评估结果，调整运动强度和休息时间安排。本发明通过采用创新的信号预处理技术，有效地提高了sEMG信号处理的准确性和效率。
📄 2024103959150
📂 A61B5_389
👤 齐鲁工业大学(山东省科学院)
📅 2024-04-02
本发明公开了一种视网膜OCT图像中血管结构的特征提取方法和配准方法，该特征提取方法基于视网膜OCT图像进行体现血管结构3D特征的第一特征、用于体现血管结构交点特征的第二特征、用于体现血管结构SURF特征的第三特征提取，并对提取到的特征进行融合，因此得到的特征能够具有更全面的血管结构信息，为后续配准等操作打下基础。本发明中特征提取方法设计了用于体现血管结构交点特征的第二特征提取的提取步骤，通过第一特征提取矩阵对潜在的血管交点进行血管交点提取，得到初筛后的血管交点；再通过第二特征提取矩阵对初筛后的血管交点进行伪特征点的排除，得到二次筛选后的血管交点，由此可以避免血管交点的错漏。
📄 2024112283359
📂 G06V40_14
👤 江苏理工学院
📅 2024-09-03
本发明涉及一种油膜振荡二维及三维瞬时特征提取方法及装置，包括：提出一种二元特征尺度分解方法——复局部特征尺度分解(Complex Local characteristic‑scale decomposition，CLCD)，采集转子同一截面两个垂直方向的油膜振荡信号，并将其组成一个复数形式的二元旋转信号；通过CLCD将该信号自适应分解成多个复数形式的二元子旋转信号，从中分离出基频和半频信号；对上述信号运用希尔伯特变换，获取油膜振荡信号的二维和三维瞬时特征。由于CLCD通过信号的自身特点自适应地对其分解，并运用双线性变换，故该方法自适应性强，瞬时特征提取全面、速度快、效率高，具有良好的技术效果。
📄 2017111574906
📂 G01M13_00
👤 郑州工程技术学院
📅 2017-11-20
本发明涉及一种旋转机械故障特征提取方法及装置，包括：提出一种二元特征尺度分解方法——复局部特征尺度分解(Complex Local characteristic‑scale decomposition，CLCD)；采集同一截面水平及垂直方向的振动信号，将其组成一个复数信号；通过CLCD将该信号自适应分解成多个复内禀尺度分量，用全矢谱技术融合各分量的实部和虚部特征。本发明通过提出的CLCD方法直接对双通道的信号进行处理，确保了各个通道信号有相同的分解尺度，便于信息融合。并且运用了双线性变换，所以该方法自适应性强，故障特征提取全面、速度快、效率高，具有良好的技术效果。
📄 201711156210X
📂 G01M13_00
👤 郑州工程技术学院
📅 2017-11-20
本申请涉及光谱成像技术领域，公开了一种基于高光谱低秩性与双目立体匹配的光谱成像方法及系统，包括：将高光谱图像低秩表示为：，基于SVD算法对正交谱基和系数进行更新，利用初始高光谱图像合成CASSI分支视角下的彩色图像，通过GwcNet神经网络获取CASSI分支视角下的彩色图像和RGB相机视角下的彩色图像之间的视差，并根据视差将RGB相机的彩色图像对齐到CASSI分支，以形成新的彩色图像，将新的彩色图像和原始的编码后的图像再次用低秩序算法快速重建出高光谱图像，该方法充分挖掘了光谱图像的低秩特性，极大的提高了成像速度，并且，使用彩色图像指导重建光谱图像，并且通过两次色散，消除了第一个棱镜色散可能带来的像差，一定程度上能提高光谱重建精度。
📄 202310310958X
📂 G01J3_28
👤 杭州电子科技大学
📅 2023-03-28
本发明公开了一种基于偏振多光谱的单目视觉三维重建测距方法，包括以下步骤：步骤一、搭建单目摄像机成像系统；步骤二、多光谱偏振处理及偏振信息获取；步骤三、特征提取与立体匹配；步骤四、三维点云结构重建；步骤五、采用相似三角形原理进行距离测量；步骤六、筛选距离数据。本发明提出的采用单目视觉测距方法，能够在不损害测量精度的条件下，有效地降低设备操作难度。针对特征提取难以提取无纹理的物体以及高光产生数据空洞的情况，使用多光谱偏振成像的方法，获得每个像素的多光谱Stokes参量，提高特征提取与立体匹配的效率与准确度。
📄 2019106836607
📂 G01B11_02
👤 杭州电子科技大学
📅 2019-07-26
柿子坊 · 知识产权运营
柿子坊知识产权运营平台