-
公开(公告)号：CN115330635A
公开(公告)日：2022-11-11
申请号：CN202211027579.1
申请日：2022-08-25
Applicant: 苏州大学
Abstract: 本发明提出了一种新的基于参考图像的图像压缩伪迹移除方法，利用高质量的参考图像来提供有用的信息，以便于去除伪迹和细节重建。首先将压缩后图像和参考图像作为输入，生成多尺度特征对作为输出。然后，在特征空间中全局匹配特征并将参考图像中的相关特征转换到压缩图像中，最后，从特征全局转换后的多尺度输出中重建图像信息，得到最终的目标图像，本发明所提供的方法更好地恢复了图像结构信息，有效提高了伪迹移除的效果，重建所得的目标图像质量更高。
-
Patent Agency Ranking
公开(公告)号：CN108399626A
公开(公告)日：2018-08-14
申请号：CN201810174952.3
申请日：2018-03-02
Applicant: 苏州大学
Abstract: 本申请公开了一种图像中直线段的检测方法，包括：获取受检图像；对受检图像进行多种不同尺度大小的尺度变换，以便生成受检图像的多个变换图像；采用预设直线段检测算法，分别对各个变换图像进行直线段检测，并分别根据检测到的直线段生成各个变换图像的直线段二值图；分别计算各个直线段二值图与对应于预设尺度邻域范围内的其他直线段二值图的图像余弦相似度的平均值；将图像余弦相似度的平均值最大的直线段二值图所对应的直线段确定为受检图像的直线段。本申请通过择优策略从多尺度图像检测结果中选出最优结果，可保障检测结果的精确度和稳定性。本申请还公开了一种图像中直线段的检测装置、设备及计算机可读存储介质，也具有上述有益效果。
-
公开(公告)号：CN115330635B
公开(公告)日：2023-08-15
申请号：CN202211027579.1
申请日：2022-08-25
Applicant: 苏州大学
Abstract: 本发明提出了一种新的基于参考图像的图像压缩伪迹移除方法，利用高质量的参考图像来提供有用的信息，以便于去除伪迹和细节重建。首先将压缩后图像和参考图像作为输入，生成多尺度特征对作为输出。然后，在特征空间中全局匹配特征并将参考图像中的相关特征转换到压缩图像中，最后，从特征全局转换后的多尺度输出中重建图像信息，得到最终的目标图像，本发明所提供的方法更好地恢复了图像结构信息，有效提高了伪迹移除的效果，重建所得的目标图像质量更高。
-
公开(公告)号：CN108320286A
公开(公告)日：2018-07-24
申请号：CN201810167901.8
申请日：2018-02-28
Applicant: 苏州大学
Abstract: 本申请公开了一种图像显著性检测方法、系统、设备及计算机可读存储介质，其中，该方法包括利用获取的训练样本，基于条件随机场，对利用全卷积网络构建的待训练模型进行迭代训练，得到目标检测模型；利用目标检测模型检测待检测数据，得到相应的检测结果；基于显著性分割方法对检测结果进行优化，以提高图像显著性检测的精度。可见，本申请提供的上述方法，利用全卷积网络进行图像待训练模型的创建，原因是全卷积网络具有更高效的优点；并基于条件随机场，利用获取的训练样本对上述待训练模型进行迭代训练，尽可能提高检测精度，得到目标图像检测模型；接着，对相应的检测结果利用显著性分割方法进行优化，进一步提高图像显著性检测的精度。
-
公开(公告)号：CN108305260B
公开(公告)日：2022-04-12
申请号：CN201810174954.2
申请日：2018-03-02
Applicant: 苏州大学
IPC: G06T7/11 , G06T7/13 , G06T5/00 , G06T5/30 , G06V10/764 , G06V10/774 , G06V10/80 , G06K9/62
Abstract: 本申请公开了一种图像中角点的检测方法，包括：获取受检图像；利用预先建立的全卷积神经网络分类器，对受检图像中的图像区域进行分类，并生成图像区域分割图；全卷积神经网络分类器预先由图像数据库训练生成，图像数据库包括标注有图像区域分类标签的标准图像数据；采用角点检测算法对图像区域分割图进行角点检测，以便获取受检图像的角点。本申请利用全卷积神经网络分类器实现图像语义分割，克服了受检图像中障碍物或阴影对角点检测的干扰，从而有效提高了检测精确度。本申请还公开了一种图像中角点的检测装置、设备及计算机可读存储介质，也具有上述有益效果。
-
公开(公告)号：CN108305260A
公开(公告)日：2018-07-20
申请号：CN201810174954.2
申请日：2018-03-02
Applicant: 苏州大学
Abstract: 本申请公开了一种图像中角点的检测方法，包括：获取受检图像；利用预先建立的全卷积神经网络分类器，对受检图像中的图像区域进行分类，并生成图像区域分割图；全卷积神经网络分类器预先由图像数据库训练生成，图像数据库包括标注有图像区域分类标签的标准图像数据；采用角点检测算法对图像区域分割图进行角点检测，以便获取受检图像的角点。本申请利用全卷积神经网络分类器实现图像语义分割，克服了受检图像中障碍物或阴影对角点检测的干扰，从而有效提高了检测精确度。本申请还公开了一种图像中角点的检测装置、设备及计算机可读存储介质，也具有上述有益效果。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
