-
公开(公告)号：CN109631829B
公开(公告)日：2022-05-27
申请号：CN201811540596.9
申请日：2018-12-17
Applicant: 南京理工大学
IPC: G01C3/00
Abstract: 本发明公开了一种自适应快速匹配的双目测距方法，包括以下步骤：首先利用双目相机采集待测目标的双目图像；之后从双目图像中自适应截取模板图像和搜索图像；接着采用分层筛选策略在搜索图像中快速匹配模板图像，获取像素级匹配坐标；然后将像素级匹配坐标周围区域内的像素点作为拟合点，对拟合点进行二次曲面拟合，求取曲面拟合函数的最大值，获得像素级匹配坐标对应的亚像素级匹配坐标；最后根据亚像素级匹配坐标和模板图像坐标求取视差，之后根据三角测量法求取被测目标的距离，完成测距。本发明通过自适应提取模板图像、限定搜索图像边界优化搜索范围、采用分层筛选策略提高搜索效率等提高了图像匹配精度，进而提高了测距精度。
-
公开(公告)号：CN110458064A
公开(公告)日：2019-11-15
申请号：CN201910699692.6
申请日：2019-07-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种结合数据驱动型和知识驱动型的低空目标检测与识别方法，包括以下步骤：采集低空目标图像，检测定位低空目标候选区域；提取低空目标模板的特征参数；对特征参数中的特征进行降维处理；提取低空目标候选区域目标的特征参数，结合低空目标模板的特征参数求取低空目标候选区域与低空目标模板的相似度，根据相似度选取某一低空目标候选区域作为低空目标检测与识别结果。本发明的方法计算量小、复杂度低、抗干扰能力强，能快速准确的识别检测多种低空目标，且虚警率低。
-
公开(公告)号：CN110378355A
公开(公告)日：2019-10-25
申请号：CN201910581890.2
申请日：2019-06-30
Applicant: 南京理工大学
Abstract: 本发明提供了一种基于FPGA硬件融合图像FAST特征点检测方法，包括：步骤S1，输入红外图像和可见光图像两路视频图像；步骤S2，分别对两路输入图像进行预处理；步骤S3，分别对两个输入图片建立高斯金字塔；步骤S4，对两个高斯金字塔建立高斯差分金字塔；步骤S5，按照一定的函数关系对拉普拉斯金字塔进行融合；步骤S6，对融合后的拉普拉斯金字塔图像中的每个像素进行FAST特征点检测；步骤S7：通过OLED显示模块输出图像。
-
公开(公告)号：CN110363088A
公开(公告)日：2019-10-22
申请号：CN201910505535.7
申请日：2019-06-12
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多特征融合的自适应皮肤炎症区域检测方法，包括以下步骤：采集人脸皮肤偏光图像；标记图像皮肤炎症区域中的若干像素点，对应的标签值为1，并记录像素点的坐标；标记图像正常皮肤区域中的若干像素点，对应的标签值为-1，并记录像素点的坐标；遍历标记的像素点，提取每个像素点的局部差值、颜色空间和梯度特征；随机选取标记的若干像素点，由每个像素点对应的特征构建三个特征向量；将随机选择的像素点对应的坐标和三个特征向量作为训练样本数据，训练每个特征对应的向量机，获得炎症检测模型；利用炎症检测模型检测待测人脸皮肤偏光图像的炎症区域。本发明能实现对皮肤偏光图像的炎症区域检测提取，检测准确性高，且泛化能力强。
-
Patent Agency Ranking
公开(公告)号：CN110378355B
公开(公告)日：2022-09-30
申请号：CN201910581890.2
申请日：2019-06-30
Applicant: 南京理工大学
Abstract: 本发明提供了一种基于FPGA硬件融合图像FAST特征点检测方法，包括：步骤S1，输入红外图像和可见光图像两路视频图像；步骤S2，分别对两路输入图像进行预处理；步骤S3，分别对两个输入图片建立高斯金字塔；步骤S4，对两个高斯金字塔建立高斯差分金字塔；步骤S5，按照一定的函数关系对拉普拉斯金字塔进行融合；步骤S6，对融合后的拉普拉斯金字塔图像中的每个像素进行FAST特征点检测；步骤S7：通过OLED显示模块输出图像。
-
公开(公告)号：CN110363088B
公开(公告)日：2022-09-13
申请号：CN201910505535.7
申请日：2019-06-12
Applicant: 南京理工大学
IPC: G06V40/16 , G06V10/764
Abstract: 本发明公开了一种基于多特征融合的自适应皮肤炎症区域检测方法，包括以下步骤：采集人脸皮肤偏光图像；标记图像皮肤炎症区域中的若干像素点，对应的标签值为1，并记录像素点的坐标；标记图像正常皮肤区域中的若干像素点，对应的标签值为‑1，并记录像素点的坐标；遍历标记的像素点，提取每个像素点的局部差值、颜色空间和梯度特征；随机选取标记的若干像素点，由每个像素点对应的特征构建三个特征向量；将随机选择的像素点对应的坐标和三个特征向量作为训练样本数据，训练每个特征对应的向量机，获得炎症检测模型；利用炎症检测模型检测待测人脸皮肤偏光图像的炎症区域。本发明能实现对皮肤偏光图像的炎症区域检测提取，检测准确性高，且泛化能力强。
-
-
公开(公告)号：CN110458064B
公开(公告)日：2022-09-27
申请号：CN201910699692.6
申请日：2019-07-31
Applicant: 南京理工大学
IPC: G06V20/17 , G06V10/50 , G06V10/75 , G06V10/74 , G06V10/774
Abstract: 本发明公开了一种结合数据驱动型和知识驱动型的低空目标检测与识别方法，包括以下步骤：采集低空目标图像，检测定位低空目标候选区域；提取低空目标模板的特征参数；对特征参数中的特征进行降维处理；提取低空目标候选区域目标的特征参数，结合低空目标模板的特征参数求取低空目标候选区域与低空目标模板的相似度，根据相似度选取某一低空目标候选区域作为低空目标检测与识别结果。本发明的方法计算量小、复杂度低、抗干扰能力强，能快速准确的识别检测多种低空目标，且虚警率低。
-
公开(公告)号：CN109631829A
公开(公告)日：2019-04-16
申请号：CN201811540596.9
申请日：2018-12-17
Applicant: 南京理工大学
IPC: G01C3/00
CPC classification number: G01C3/00
Abstract: 本发明公开了一种自适应快速匹配的双目测距方法，包括以下步骤：首先利用双目相机采集待测目标的双目图像；之后从双目图像中自适应截取模板图像和搜索图像；接着采用分层筛选策略在搜索图像中快速匹配模板图像，获取像素级匹配坐标；然后将像素级匹配坐标周围区域内的像素点作为拟合点，对拟合点进行二次曲面拟合，求取曲面拟合函数的最大值，获得像素级匹配坐标对应的亚像素级匹配坐标；最后根据亚像素级匹配坐标和模板图像坐标求取视差，之后根据三角测量法求取被测目标的距离，完成测距。本发明通过自适应提取模板图像、限定搜索图像边界优化搜索范围、采用分层筛选策略提高搜索效率等提高了图像匹配精度，进而提高了测距精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
