基于图像非局部自相似性的单幅图像的超分辨率重建方法

    公开(公告)号:CN106952228A

    公开(公告)日:2017-07-14

    申请号:CN201710142438.7

    申请日:2017-03-10

    Abstract: 本发明公开一种基于图像非局部自相似性的单幅图像的超分辨率重建方法,通过图像自身的非局部自相似性合成图像的纹理,以及填补图像空洞信息;根据反卷积神经网络完备的理论,实现图像重建。这种基于图像非局部自相似性卷积稀疏表示的超分辨率重建方法,能更好的增强超分辨率图像的细节信息、降低块效应,从而提高了超分辨图像重建质量。

    一种人脸特征点检测方法
    144.
    发明公开

    公开(公告)号:CN106951840A

    公开(公告)日:2017-07-14

    申请号:CN201710138179.0

    申请日:2017-03-09

    CPC classification number: G06K9/00228 G06K9/00268 G06K9/4652

    Abstract: 本发明公开一种人脸特征点检测方法,以姿态检测任务作为约束,以多类特征图进行融合的新型三通道GEH(Gray‑Edge‑Hog)模式图像作为输入的人脸特征点检测的方法。考虑到人脸三维姿态信息对人脸全局特征点的检测,尤其在姿态偏转较大的情况下对人脸图像特征点检测,具有相当大的影响;同时加入反映人脸图像局部特征表象和形状的Hog特征信息以及用于边缘检测的Sobel算子提取的边缘图像信息可有效降低轮廓特征点检测的复杂度,本发明通过提取图像灰度值,边缘信息及Hog特征生成新型GEH三通道图像作为输入,同时以三维姿态估计的辅助任务作为约束信息,进行人脸特征点检测。

    一种动态的人体三维建模方法

    公开(公告)号:CN103824326B

    公开(公告)日:2017-04-26

    申请号:CN201410077380.9

    申请日:2014-03-05

    Abstract: 本发明公开了一种动态的人体三维建模方法,其能够自然地显示人体的真实姿态。这种动态的人体三维建模方法,包括步骤:(1)基于标准人体模版的数据预处理和Kinect骨架信息的数据预处理;(2)进行分段人体模型刚性变形,根据变形模型部位不同分为两类方法:腹、胸、头采用基于旋转矩阵继承的刚性变形方法,四肢采用基于旋转矩阵继承与回馈的刚性变形方法;(3)进行分段局部模型ICP变形;(4)对各部分模型的连接部分进行柔性TPS形变。

    一种二维合成稀疏模型和基于该模型的字典训练方法

    公开(公告)号:CN103279932B

    公开(公告)日:2016-12-28

    申请号:CN201310222046.3

    申请日:2013-06-05

    Abstract: 本发明公开一种充分利用图像的相关性、分别刻画图像不同维度的特性、大量节省字典的存储空间、去噪效果好的二维合成稀疏模型,以及基于该模型的字典训练方法,包括步骤:(1)构造训练样本集I;(2)初始化两个字典D1,D2;(3)稀疏编码;(4)字典更新(;5)判断是否达到迭代停止条件:如果满足迭代条件回到步骤(3),否则执行步骤(6);(6)输出字典D1,D2,完成字典的训练。

    一种字典优化方法
    148.
    发明公开

    公开(公告)号:CN105654119A

    公开(公告)日:2016-06-08

    申请号:CN201510994181.9

    申请日:2015-12-25

    CPC classification number: G06K9/6249 G06K9/6255

    Abstract: 本发明公开了一种字典优化方法,其能够更好地携带光场数据的结构特征,减小字典的存储空间,明显提高光场图像的重建质量。该方法包括步骤:(1)探究基于压缩感知光场摄影技术中观测矩阵和字典作用的过程;(2)根据相机的结构推导出结构化的观测矩阵P;(3)结合压缩感知中观测矩阵与字典的非一致性,以及压缩感知和稀疏编码理论知识,构建优化字典模型;(4)根据光场视图间具有高度的相关性,且各个视图共享相似的结构内容,结合上述结构化观测P,构造结构字典SD;(5)根据结构化的观测P,对优化字典模型求解,最终得到优化的结构字典OSD和优化的字典OD。

    一种人体姿态估计方法

    公开(公告)号:CN105389569A

    公开(公告)日:2016-03-09

    申请号:CN201510792096.4

    申请日:2015-11-17

    CPC classification number: G06K9/00362

    Abstract: 本发明公开了一种人体姿态估计方法,其有效地解决了传统算法中存在的人体姿态易受光照、遮挡等因素影响的问题,通过将彩色图像信息与深度图像信息相融合,实现更高的鲁棒性以及定位准确度。包括步骤:(1)分部位计算特征模板,提取深度特征:以待测点到人体中心点的最短路径为极坐标方向,通过该极坐标系下依次取半径和角度所统计的深度差作为待测点的深度特征向量;(2)将各个特征模板整合起来构建人体姿态数据的树结构模型;(3)基于树结构模型构建打分函数,将待检测图像与模型进行匹配,从而实现人体特征定位。

    一种图像超分辨率重建方法

    公开(公告)号:CN105046672A

    公开(公告)日:2015-11-11

    申请号:CN201510385633.3

    申请日:2015-06-30

    Abstract: 本发明公开一种图像超分辨率重建方法,在超分辨率稀疏重建的基本框架下,引入了二维稀疏表示模型,使得能够有效利用二维图像的空间特性,同时减少一维稀疏表示中存在字典存储空间较大、需要估计的参数较多的问题,从而能够在保证图像超分辨率重建结果的同时减少字典的存储空间。

Patent Agency Ranking