本发明公开了一种基于边缘增强的宽解码器显著性目标检测方法及系统包括:获取高分辨率图像数据集并对数据集中的目标高分辨率图像进行下采样处理,得到目标下采样图像;将目标高分辨率图像以及目标下采样图像分别输入显著性目标检测模型,显著性目标检测模型通过双通道网络对图像进行特征提取,得到不同层次的特征,拼接双通道网络的最深层特征并将拼接结果输入多尺度注意力模块得到第一特征;基于第一特征,利用多级宽解码器模块依次融合双通道网络的前三层特征得到第二特征,对第二特征进行特征解码得到最终的显著性目标检测结果。本发明能够在有限的计算资源下对高分辨率图像中的复杂几何形状进行精细化处理,精确提取边缘信息实现高质量分割。
📄 2024105806982
📂 G06V10_25
👤 第图(苏州)生物科技有限公司, 江南大学
📅 2024-05-11
本发明公开了一种基于纹理与边缘增强的伪装目标检测方法,属于计算机视觉目标检测技术领域。该方法构建了包含特征提取骨干网络、混合编码器颈部网络和Transformer解码器检测头的端到端检测网络。通过在骨干网络中引入多尺度边缘增强模块,增强目标边缘特征,解决边缘模糊问题;在颈部网络对特征提取与边缘增强模块输出的特征进行纹理特征增强与融合,提取多方向纹理特征,提升纹理区分能力;最终通过Transformer解码器输出目标类别与位置。本发明有效提升了伪装目标在复杂背景下的检测精度与定位准确性,具有较高的实用价值。
📄 2026103198125
📂 G06V10_764
👤 江南大学
📅 2026-03-17
本发明公开了一种基于改进的Unet网络的皮肤病图像分割方法及系统,预先有关皮肤病的医学图像,构建基于改进的Unet网络的图像分割模型,包括编码器、解码器、网络特征聚合机制以及边缘增强注意力机制;所述编码器由ResNext作为主干特征提取网络,SwinTransformer作为辅助特征提取网络;对图像分割模型进行训练,生成标签图;再将训练集图像的对应标签图和生成模型预测的标签图进行差别计算得到loss,采用优化器进行优化,保存结果最好的一次权值,生成权值文件;图像分割模型加载保存的权值文件,将需要分割的图片输入进模型中实现皮肤病图像的分割。本发明拥有更高的分割精度,提高对于皮肤病分割的准确度,可以更准确的辅助医生进行诊断。
📄 2023110625728
📂 G06T7_11
👤 淮安大学
📅 2023-08-23
本发明提供一种图像增强方法及装置,方法包括:将原始图像转换为HIS图像,以获取原始图像对应的目标通道图像;获取第一通道图像对应的高频图像;根据预设增益函数对高频图像进行增强处理,以获取初步增益图像;根据初步增益图像和目标通道图像对所述原始图像进行增强处理,以获取目标增益图像;其中,目标通道图像包括第一通道图像、第二通道图像和第三通道图像。所述装置用于执行上述方法。本发明提供的图像增强方法,使得图像在进行细节增强和边缘增强的时候,所需时间大大缩短,同时对高频细节边缘进行了增强,避免了振铃效果的出现,从而改善图像的视觉效果。
📄 2021105806230
📂 G06T5_50
👤 中国农业大学
📅 2021-05-26
本发明涉及一种图像超分辨率重建方法、系统及计算机存储介质,其方法包括以下步骤,S1,将原始图像重塑为固定大小尺寸的图像,得到原始高分辨率图像,将原始高分辨率图像进行插值下采样,得到低分辨率图像;S2,基于生成网络对低分辨率图像进行基于边缘增强的超分辨率重建,得到超分辨率图像;S3,基于判别网络和原始高分辨率图像对超分辨率图像进行真伪判别。本发明其将单一的低分辨图像通过边缘细节信息增强表达,在原始超分辨率重建生成网络中加入边缘增强融合网络提高了图像超分辨率重建性能,获得更清晰的重建图像;另外,判别网络也可以提升边缘增强生成对抗网络的重建性能。
📄 201910687010X
📂 G06T3_40
👤 武汉工程大学
📅 2019-07-29
本申请属于图像处理技术领域,公开了一种基于显著边缘增强的多聚焦图像融合方法及相关设备,所述方法包括:基于变换域方法,获取两个源图像的初始融合图像;两个源图像的大小相同且相互配准,两个源图像的聚焦区互补;生成初始融合图像的显著图和两个源图像的显著图;生成初始融合图像的显著图与各源图像的显著图之间的差图;根据初始融合图像的显著图、两个源图像的显著图和差图,获取各源图像对应的初始决策图;对各初始决策图进行优化处理,得到各源图像对应的优化决策图;基于优化决策图对两个源图像进行融合,得到最终融合图像;从而能够使融合图像边缘信息更加丰富并且有效解决了边缘模糊以及伪影的问题,得到更清晰的高质量融合图像。
📄 2025104115426
📂 G06T5_10
👤 佛山大学
📅 2025-04-02
一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法,包括如下步骤:1)对原始图像进行调节窗宽窗位操作,Canny边缘检测以及梯度幅值计算来加强边缘特征;2)运用ResNet对多通道图进行端到端的训练,把pool5层的输出作为提取到的特征,分别用Bayesian分类器和KNN分类器进行分类,得到分类概率;3)运用随机森林分类器对上述得到的3种不同的概率进行分类得到最终结果,随机森林由多个决策树组成。本发明提供了一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法,能自动进行边缘增强,并提高分类的准确率。
📄 2018104544544
📂 G06K9_62
👤 浙江工业大学
📅 2018-05-14
基于FCN‑8s和改进Canny边缘检测的遥感图像信息提取方法,首先利用FCN‑8s网络反卷积获取遥感图像地物像素区域图,然后对其进行加权平均灰度化处理,接着利用改进的Canny边缘检测获取灰度化后地物像素区域图上的目标地物边缘轮廓图,即利用综合考虑空间信息和色彩信息的双边滤波对灰度化后的图像进行去噪、平滑,然后计算平滑后图像中各点的梯度值和梯度方向,接着对梯度幅值进行改进的非极大值抑制处理以及图像线性边缘增强,获得候选边缘,紧接着采用基于最小类内均方差准则的自适应阈值算法获取最佳阈值,将最佳阈值作为选取高阈值、低阈值的基础,最后应用双阈值检测和连接边缘得到遥感图像目标地物的精细边缘轮廓图。本发明高效、适应性好。
📄 2020106867044
📂 G06V20_10
👤 浙江工业大学
📅 2020-07-16
一种基于mamba的胰腺CT图像分割方法和装置,其方法包括以下步骤:步骤S1:获取NIH、MSD、临床数据集图像;步骤S2:进行数据预处理和数据增强;步骤S3:设计多尺度mamba UNet分割模型;步骤S4:训练模型,将经过数据增强处理后的图片加载进模型开始训练;步骤S5:验证模型性能。本发明在模型中引入了边缘增强路径,使得模型对胰腺轮廓的分割效果提升。
📄 2024114022692
📂 G06V10_26
👤 浙江工业大学
📅 2024-10-09
本申请公开了一种基于水平集的肺野图像分割方法和装置,该方法通过读取待分割的肺野图像,使用Log算子能量项对待分割的肺野图像进行平滑和边缘增强,获得平滑后图像;计算所述肺野图像的局部熵获得局部熵信息;在平滑后图像的肺部区域附近设置任意初始轮廓曲线并进行水平集演化获得肺部目标轮廓;水平集演化过程时,以CV模型作为全局能量项,以RSF模型中引入所述局部熵信息形成局部熵拟合能量项。通过上述方法提高了肺野分割的准确度和效率。
📄 2021114355396
📂 G06T7_149
👤 安徽工业大学
📅 2021-11-29
本发明公开了一种基于视觉识别的空调显示面板加工控制方法及系统,包括:通过包含双视角立体采集结构的视觉采集模块,采用光源动态补偿机制实时获取显示面板的表面图像信息;将表面图像信息依次进行灰度化处理、高斯滤波去噪和边缘增强,得到特征增强图像;基于深度学习模型对特征增强图像进行多维度特征提取,并与预设加工质量阈值进行比对,生成误差分析报告;根据误差分析报告,通过PID控制算法结合当前运行参数,动态调整执行参数;将调整后的执行参数发送至执行控制单元,驱动执行机构执行修正操作,并重复执行上述步骤直至满足加工质量阈值;其中,预设加工质量阈值根据面板材质动态适配,模型参数根据光源动态补偿模式自适应调整。
📄 2025108741664
📂 G05B11_42
👤 中山市得金塑胶科技有限公司
📅 2025-06-27
本发明涉及电磁干扰识别技术领域,公开了一种基于I/Q数据的DCNN电磁干扰识别方法及装置,首先对I/Q数据进行回波参数估计,得到功率数据,然后将功率数据可视化并边缘增强,二值化后再经人工订正,得到区分电磁干扰和背景的标签;将功率数据和标签数据切割后采用UNet和ResNet相结合的语义分割网络进行训练,完成预测模型的建立;对具有电磁干扰距离库的位置完成预测后,通过线性插值完成电磁干扰的抑制。本发明有利于识别在I/Q数据上判断具体的某个距离上存在电磁干扰,获取电磁干扰的存在径向和距离等信息。解决了现有技术中对于具有二维空间特征的电磁干扰的识别存在效率低、精度低的问题。
📄 2022112933729
📂 G01S7_41
👤 成都信息工程大学
📅 2022-10-21