所属分类：电子信息产业

所属单位：江苏大学

成果简介：本发明公开了一种自我标签学习的深度聚类图像识别系统及方法，属于计算机视觉、图像聚类及人工智能技术领域，包括以下模块：预训练深度卷积自动编码器模块、样本特征聚类模块、样本再选择与重训练模块。与现有技术相比，本发明针对图像数据设计了的一种自我标签学习的深度聚类图像识别方法，通过卷积自动编码器提取样本的深度特征，并通过嵌入的聚类层为每个样本分配聚类后的伪标签，然后筛选出伪标签中置信度较高的样本，传入卷积神经网络进行再训练，进而得到一个更好的聚类模型。该方法可以有效的提高样本聚类后伪标签信息的利用率，提高图像聚类算法的性能。

所属分类：电子信息产业

所属单位：江苏大学

成果简介：本发明提供了一种基于注意力机制的图像立体匹配方法及双目设备，方法包括：将左右视图经过极线约束和中值滤波后输入到深度学习残差网络中，分别获得图像特征信息；将图像特征信息作为双通道注意力模块的输入，获得含有细节纹理信息的特征图；将含有细节纹理信息的特征图首先进行卷积操作，再级联起来构建匹配代价卷；;将匹配代价卷进行3D卷积和3D反卷积处理得到多尺度代价体，同时通过跃层连接将多;尺度代价体进行跳跃连接，得到含有细节纹理的3D代价卷；将含有细节纹理的3D代价;卷进行3D反卷积操作，再进行可微分的柔性Argmin操作得到最终视差图，本发明能够解决现有方法对立体图像在弱纹理以及遮挡区域匹配效果差的问题。

所属分类：电子信息产业

所属单位：江苏大学

成果简介：本发明提供一种基于深度学习的熔池图像几何特征提取方法及系统，包括图像采集、图像预处理、图像数据集制作、图像分割网络模型构建与训练、熔池图像在线监测和熔池几何特征提取与计算；本发明可以清晰地观察到激光焊接过程中熔池的形貌以及演变行为，干扰信息较少；本发明首次使用U-Net图像分割网络对激光焊接的熔池区域进行提取，并且本发明采用改进的八方向Sobel边缘检测算法提取边缘信息，提取的边缘信息也更准确；本发明采用的基于深度学习的熔池区域图像提取算法具有很强的抗干扰能力，相较于传统的图像处理算法，能够更好地从图像中排除飞溅、羽辉的干扰，抗干扰能力好、鲁棒性强。

所属分类：电子信息产业

所属单位：四川大学

成果简介：本成果聚焦图像质量增强技术研究，在联合传统复原理论与深度学习的图像增强方面，创新性地提出硬连接与软连接、对偶亮度理论、自适应连续性先验、去块算子等概念，提出的框架突破了单一传统或深度学习方法的局限；在真实图像复原方面，创新性地引入潜在最优辅助域，突破现有真实复原的性能；在与高层视觉任务协同方面，开展了大量研究，提出新型超分辨率与图像语义分割协同架构，同步实现服务于人眼的分辨率提升以及服务于机器分析的语义分割。该技术能够服务于工业建设以及社会经济需求，如航空航天、智慧城市、医学成像、智能监控、目标检测识别与跟踪、高清晰数字电视等。在航空航天领域，相关工作能够突破卫星成像的物理极限，并更好地实现小目标的检测与识别。

所属分类：电子信息产业

所属单位：西北大学

成果简介：恶劣天气、光照变化、障碍物遮挡以及复杂多变的背景等诸多因素，给视觉感知技术的发展带来一系列挑战与考验。面对复杂多变的环境，如何实现对视觉内容的快速处理与准确理解，是目前视觉感知技术亟需解决的问题。特别是在特殊车辆的安全预警中，现有基于视觉感知的车辆安全监测系统，难以实现在复杂环境下对车外环境的精确、实时监控，同时缺乏对驾驶员生理心理状态的动态监测，无法满足特殊车辆危险态势全方位感知要求。本成果研究复杂环境视觉感知关键技术并将其应用于特殊车辆安全预警之中，提出了场景自适应图像增强、车辆周围危险行为高效感知与预警、驾驶员身份验证与生理心理状态全程视觉监测，研制了北斗定位综合业务平台，实现了基于常规车载摄像头的特殊车辆危险态势实时、精确感知。

所属分类：电子信息产业

所属单位：中南大学

成果简介：本发明公开了一种基于单摄像机等效双目立体视觉模型提取浮选泡沫立体特征的方法。在单摄像机获取浮选生产现场泡沫视频的基础上，利用视频中相邻两帧图像因泡沫流动而产生的差异信息，将一台摄像机从一个方位在不同时刻拍摄的流动泡沫的两帧图像，看作两台摄像机从不同方位在同一时刻拍摄的同一场景下的两幅泡沫图像，等效构建模拟人眼成像过程的双目立体视觉模型，获得泡沫图像中气泡的深度信息，进而提取气泡的立体特征，以用于有效识别有色金属浮选工况，实现对有色金属浮选过程的优化控制。

所属分类：电子信息产业

所属单位：中南大学

成果简介：本发明涉及图像识别技术领域，公开了一种基于对比差异的目标对象图像提取方法、系统及存储介质，以减少对样本照片的需求，提高图像识别的效率;该方法包括获取目标对象进入指定区域前的第一照片样张和目标对象进入指定区域后的第二照片样张;计算第一照片样张和第二照片样张的差分图像，对差分图像进行预处理以初步提取目标对象在第二照片样张中的位置区域;根据预设的约束条件确定位置区域中的所有疑似干扰区域，并计算第一照片样张和第二照片样张在各疑似干扰区域的相似度;删除相似度超过预设范围的疑似干扰区域以优化目标对象的位置区域上述的基于对比差异的目标对象图像提取方法，可以减少对样本照片的需求，提高图像识别的效率。

所属分类：电子信息产业

所属单位：北京科技大学

成果简介：

所属分类：电子信息产业

所属单位：北京科技大学

成果简介：

所属分类：电子信息产业

所属单位：北京科技大学

成果简介：

所属分类：电子信息产业

所属单位：北京科技大学

成果简介：

所属分类：电子信息产业

所属单位：西北工业大学

成果简介：本成果发明了一种基于层进式特征变换的弱监督细粒度图像分类方法，通过分析数据集，仅利用预训练卷积神经网络模型，对图像中的目标进行协同定位。同时,通过负相关性信息分析得到最具有判别能力的部件。利用图像、图像和目标、图像和部件分别训练对应的三种级别的卷积神经网络分类器：图像级别分类器、目标对象级别分类器以及目标部件级别分类器，联合三种级别分类器对细粒度图像进行分类。本发明将卷积特征进行特征变换，对细粒度图像中的目标和最具有判别能力的部件进行准确的定位，以一种新的思路来解决弱监督细粒度图像分类问题。本成果发明人隶属西北工业大学脑与人工智能团队，主要围绕飞航装备、空天飞行器等自主无人系统装备智能化发展的重大需求，开展前沿学术研究和关键技术攻关，致力于攻克脑启发的视觉信息智能分析理论与方法，并在高分遥感影像分析、无人系统智能感知方向开展试验验证与典型应用。