“显著性”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果6992523个，建议您升级VIP下载更多相关专利

[发明专利]基于测地线距离的图像显著性区域检测方法-CN201310066844.1有效
发明人：傅可人;宫辰;杨杰 -专利权人：上海交通大学
申请日： 2013-03-01 - 公布日： 2013-07-17 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于测地线距离的图像显著性区域检测方法，步骤包括S1：将输入图像过分割为面积小的超像素并计算超像素内部的平均颜色与位置；S2：遍历所有超像素，得到粗糙显著性能量值；S3：检测图像中的Harris最后寻找这些角点的最小外接凸包；S4：将位于凸包外的超像素的粗糙显著性能量值置为0，凸包内超像素的显著性值保持不变；S5：根据测地线距离传播显著性能量，计算每个超像素经传播后获得的最终显著性值。本法明得到的显著性图能均匀的突出图像中的显著性物体或者区域，同时较强抑制背景干扰，有利于后续诸如目标物体分割等处理。
基于地线距离图像显著区域检测方法

[发明专利]一种结合显著性区域的卷积神经网络的花卉图像分类方法-CN201810087389.6在审
发明人：王秀;余春艳;叶鑫焱 -专利权人：福州大学
申请日： 2018-01-30 - 公布日： 2018-07-27 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种结合显著性区域的卷积神经网络的花卉图像分类方法，在卷积神经网络提取花卉图像的全局特征的基础上，加入Itti‑Koch视觉注意计算模型计算得到花卉图像的显著性区域，再使用卷积神经网络在花卉图像显著性区域上提取显著性区域特征，将全局特征与显著性区域特征相融合，用于花卉图像的精细分类。本发明提出的一种结合显著性区域的卷积神经网络的花卉图像分类方法克服了卷积神经网络直接在原始图像上提取特征时背景复杂性的影响，具有较强的实用性。
显著性卷积神经网络花卉图像分类图像区域特征全局特征计算模型精细分类视觉注意提取特征原始图像再使用融合

[发明专利]基于除法归一化的图像视觉显著性检测方法-CN201410619259.4有效
发明人：余映;林洁;杨鉴 -专利权人：云南大学
申请日： 2014-11-06 - 公布日： 2017-10-03 - 主分类号： G06T7/90 文献下载
摘要：本发明公开了一种基于除法归一化的图像视觉显著性检测方法，属于自底向上视觉显著性的自动计算领域。该方法利用各个像素的颜色和亮度特征来计算其视觉显著性，采用除法归一化计算模拟了初级视觉皮层中具有同类检测特征神经元的相互抑制作用，具有生物合理性。和传统的显著性计算方法相比，本发明计算简单高效，能准确检测到颜色差异引起的视觉显著性，且显著区域的显著值得到整体增强，获取的图像视觉显著图具有清晰的形状。
基于除法归一化图像视觉显著检测方法

[发明专利]图像处理方法、模型训练方法、装置、设备和存储介质-CN202211527503.5在审
发明人：李阳刚;邢怀飞 -专利权人：北京百度网讯科技有限公司
申请日： 2022-12-01 - 公布日： 2023-04-04 - 主分类号： G06V10/774 文献下载
摘要：具体实现方案为：基于显著性检测模型中的特征提取网络，得到目标图像的特征信息；利用所述显著性检测模型中的至少两个检测分支分别对所述特征信息进行处理，得到至少两个显著性图；基于所述至少两个显著性图中的每个显著性图，在所述目标图像中确定对应的显著区域。本公开实施例可以对不同区域的关注程度给出了更细化的度量，从而提升了显著性检测的准确性，并且提升检测效率。
图像处理方法模型训练装置设备存储介质

[发明专利]一种基于空域显著图像的数据处理方法及系统-CN202310657875.8在审
发明人：杨永斌;旷月建;林腾轩 -专利权人：成都贤贵洛升网络科技有限公司
申请日： 2023-06-05 - 公布日： 2023-09-29 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及电池片检测技术领域，尤其是涉及一种基于空域显著图像的数据处理方法及系统。所述方法包括以下步骤：获取热处理操作数据集，其中热处理操作数据集包括热循环次数、热处理温度以及热处理持温时间，基于热处理操作数据集进行双重序列数据提取操作，生成像素点位显著性分析数据，利用像素点位显著性分析数据进行点位数据对比分析，生成强显著性位点数据以及弱显著性位点数据，对于强显著性位点数据，生成二维拓扑光学显著性图；对于弱显著性位点数据，基于热处理持温时间对电池片进行环境等待处理；本发明通过对热处理操作数据集进行数据处理，提高电池片缺陷检测的效率以及隐私安全性
一种基于空域显著图像数据处理方法系统

[发明专利]一种基于显著图的电池片缺陷检测方法及系统-CN202310681619.2有效
发明人：肖凯;杨美娟;杨中明 -专利权人：江苏森标科技有限公司
申请日： 2023-06-09 - 公布日： 2023-09-08 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及电池片检测技术领域，尤其是涉及一种基于显著图的电池片缺陷检测方法及系统。所述方法包括以下步骤：获取热处理操作数据集，其中热处理操作数据集包括热循环次数、热处理温度以及热处理持温时间，基于热处理操作数据集进行双重序列数据提取操作，生成像素点位显著性分析数据，利用像素点位显著性分析数据进行点位数据对比分析，生成强显著性位点数据以及弱显著性位点数据，对于强显著性位点数据，生成二维拓扑光学显著性图；对于弱显著性位点数据，基于热处理持温时间对电池片进行环境等待处理；本发明通过对热处理操作数据集进行数据处理，提高电池片缺陷检测的效率以及隐私安全性
一种基于显著电池缺陷检测方法系统

[发明专利]图像共显著物体的检测方法-CN201410843169.3在审
发明人：陈世峰;杜书泽 -专利权人：中国科学院深圳先进技术研究院
申请日： 2015-08-04 - 公布日： 2015-07-29 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种图像共显著物体的检测方法，包括：a)获取n张图像；b)创建n个图像组；c)检测含有所述n张图像中的一张图像的图像组；d)针对检测的图像组中的每个图像组分别构建一个对应的随机森林；e)分别计算所述每个图像组中各个图像的显著物体的粗糙轮廓图；f)检测所述每个图像组中各个图像对应的显著物体的轮廓曲线；g)计算所述每个图像组中各个图像的显著性图；h)融合检测的图像组中的各个图像组中所述一张图像的显著性图，以得到所述一张图像的间显著性图；i)获得所述一张图像的内显著性图；j)将所述间显著性图与所述内显著性图相乘得到所述一张图像在n张图像中的共显著性图。能够有效检测大量图像的共显著物体。
图像显著物体检测方法

[发明专利]视觉显著性区域检测方法及装置-CN201811455470.1在审
发明人：陈沅涛;蔡烁;陈曦;张建明;邝利丹 -专利权人：长沙理工大学
申请日： 2018-11-30 - 公布日： 2019-03-29 - 主分类号： G06K9/46 文献下载
摘要：本发明实施例公开了一种视觉显著性区域检测方法及装置。，方法包括首先利用随机搜索方法从待处理图像中为每个像素点选取多个候选图像区域块，然后从各候选图像区域块中选取与像素点相似度最高的目标图像区域块；根据各目标图像块与像素点之间的相似度，计算各像素点的视觉显著性值；基于待处理图像的各像素点的视觉显著性值，生成待处理图像各层次的视觉显著图；最后根据相邻两层视觉显著图的视觉显著性值计算各层视觉显著图的权重值，按照权重值将各层视觉显著图进行融合。本申请提高了像素点视觉显著性值的计算效率，从而有效地提升了待处理图像的视觉显著性区域的检测效率，还可提升待处理图像中的视觉显著性区域的检测准确度和精度。
视觉显著性像素点待处理图像视觉显著图候选图像区域区域检测相似度权重目标图像区域目标图像块计算各层计算效率准确度有效地检测两层搜索融合申请

[发明专利]一种从少量用户眼动数据提取显著性进行视频压缩的方法-CN201910297386.X在审
发明人：许佳奕;李传财 -专利权人：杭州电子科技大学上虞科学与工程研究院有限公司;杭州电子科技大学
申请日： 2019-04-12 - 公布日： 2019-06-21 - 主分类号： H04N19/146 文献下载
摘要：本发明公开了一种从少量用户眼动数据提取显著性进行视频压缩的方法，并以此设置压缩率保证压缩后视频的视觉质量的方法，属于计算机视觉中视频感知压缩的研究领域。包括以下步骤：(1)视频显著性区域相似性曲线的计算；（2）视频特征提取；（3）回归预测模型；（4）计算预测视频显著性所需的观察者人数；（5）视频中显著性视频的计算；（6）基于显著性区域的视频压缩。本发明提出的方法，能够通过少量数目的人眼观察数目近似计算视频显著性区域，将其应用于视频压缩能够在相同码率下保证压缩后较好地视频的视觉质量。
显著性视频视频压缩眼动数据压缩视觉回归预测模型视频特征提取计算机视觉区域相似性近似计算人眼观察视频感知压缩率码率保证观察预测应用研究

[发明专利]基于显著性区域的可见光图像配准方法-CN200910088975.3有效
发明人：田捷;郑健;杨鑫;邓可欣;徐敏 -专利权人：中国科学院自动化研究所
申请日： 2009-07-15 - 公布日： 2010-06-30 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像配准领域，特别是一种基于显著性区域的可见光图像配准方法，包括：(1)加载图像。(2)提取图像的显著性区域。(3)对提取出的显著性区域，计算区域特征描述子，根据区域特征描述子的相似性进行显著性区域的匹配。(4)对步骤(3)中初步匹配上的显著性区域进行局部刚性配准。(5)采用局部刚性配准后的显著性区域中心作为控制点，进行全局二次多项式变换配准。本发明方法是一种快速、精确、鲁棒的自动图像配准方法，在图像配准方面有重大的应用价值。
基于显著区域可见光图像方法

[发明专利]一种生物激励的自顶向下的视觉注意方法-CN201010229180.2有效
发明人：桑农;魏龙生;王岳环;高常鑫;左峥嵘;杨卫东;胡静 -专利权人：华中科技大学
申请日： 2010-07-19 - 公布日： 2010-11-24 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种生物激励的自顶向下的视觉注意方法，步骤为：①提取所有的学习图的特征；②将同类型所有的学习图表示成均值向量和标准差向量；③获取待注意图的自顶向下的显著性图和自底向上的显著性图；④获取最终显著性图；⑤胜者全赢；⑥返回抑制，将最终显著性图中最显著性点所在区域的像素值都置为零，得到了一个新的最终显著性图；⑦注意选择。本发明在学习目标的表示时，仅仅利用了学习目标本身的特性，而没有考虑其所在的背景，这样的目标表示具有更强的鲁棒性，获得较好的视觉效果。
一种生物激励向下视觉注意方法

[发明专利]显著性区域图像编解码方法、系统、设备及存储介质-CN202310069456.2在审
发明人：袁庆祝;武祥吉;陈也达;冯溢 -专利权人：上海双深信息技术有限公司
申请日： 2023-01-12 - 公布日： 2023-05-09 - 主分类号： H04N19/124 文献下载
摘要：本发明公开了一种显著性区域图像编解码方法、系统、设备及存储介质，将图像压缩技术与图像显著性区域检测技术进行了融合，显著性区域检测所需要的特征提取网络可以与编码网络共用，即从特征层面对图像进行显著性检测，因此，既简化了显著性分析的算力要求，又提升了检测的准确性；而且，对任意结构的端到端图像编解码网络都有效，还可以使得端到端的图像压缩技术对人眼的感官能有更好的提升。
显著区域图像解码方法系统设备存储介质

[发明专利]基于图像中全局颜色对比度和空域分布的视觉显著性算法-CN201310092370.8有效
发明人：刘志;罗书花;查林;沈明华;范星星;邹雪妹 -专利权人：上海大学
申请日： 2013-03-21 - 公布日： 2013-07-24 - 主分类号： G06T7/40 文献下载
摘要：GIF" wi="16" he="16" />个预分割后的区域标记图；（2）、计算第个区域的颜色显著性值.GIF" wi="10" he="18" />个区域的位置显著性值；（5）、计算像素的位置显著性值；（6）、计算像素的颜色和位置的显著性值，再对像素的显著性值进行归一化，计算每个像素归一化的显著性值。本发明结合颜色全局对比度和空域分布两个方面，不仅能计算出与原始图像分辨率相同的显著性图，而且计算出的显著性图中的显著对象被均匀突显出来，同时背景很好地被抑制，更适合于图像分割这样的基于内容的应用场合。
基于图像全局颜色对比度空域分布视觉显著算法

[发明专利]视频帧图像中颜色和运动全局对比度的视觉显著性算法-CN201310080831.X有效
发明人：刘志;杜欢;罗书花;李利娜;许人杰 -专利权人：上海大学
申请日： 2013-03-14 - 公布日： 2013-07-17 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了一种视频帧图像中颜色和运动全局对比度的视觉显著性算法，其步骤为：(1)输入原始视频帧图像，把原始的视频帧图像预分割为；(2)计算第个区域的颜色显著性值.GIF" wi="14" he="16" />个区域的像素点归一化的运动显著性值；(6)计算整幅视频帧图像的颜色和运动的显著性值。该方法将视频帧图像中颜色显著性图和视频帧图像中运动显著性图两个方面融合，计算出视频帧图像中的颜色和运动显著性图，能将视频帧图像中的显著对象凸显出来，将非显著性的背景区域抑制下去，该算法对于不同类型的视频帧图像均能取得较好效果
视频图像颜色运动全局对比度视觉显著算法

[发明专利]基于显著性分支特征融合的细粒度图像分类方法及系统-CN202010864782.9在审
发明人：邓泽林;秦平越 -专利权人：长沙理工大学
申请日： 2020-08-25 - 公布日： 2020-11-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于显著性分支特征融合的细粒度图像分类方法及系统，该方法首先采用M种不同的显著性检测方式分别对细粒度图像进行显著性检测，获得多张具有不同显著性的显著性图；再通过构建多分支细粒度图像分类模型，实现同时对细粒度图像以及多张显著性图像进行特征提取，显著提高了方法的效率；然后利用多张显著性特征图分别对细粒度特征图进行特征调制，以使获得的调制特征图能对更多有差异的区域给予更高的注意力，以有效克服现有技术中仅专注于某一图像特征而导致对细粒度图像分类效果不佳的问题
基于显著分支特征融合细粒度图像分类方法系统