-
公开(公告)号：CN108470366B
公开(公告)日：2020-10-16
申请号：CN201810262761.2
申请日：2018-03-28
Applicant: 同方威视技术股份有限公司
Abstract: 本发明公开了一种模拟图像生成方法和装置以及计算机可读存储介质，涉及图像处理领域。模拟图像生成方法包括：根据预设的号码生成规则，生成模拟号码；根据模拟号码和选择的号码样式，生成号码模拟图像；根据号码模拟图像和生成的背景模拟图像的合成结果，生成模拟图像。本发明实施例的方法可以自动地生成模拟图像，生成过程的计算量小、计算速度快，从而能够在短时间内生成大量的深度学习训练样本，提高了深度学习训练样本的生成效率。
-
公开(公告)号：CN101231747A
公开(公告)日：2008-07-30
申请号：CN200710062928.2
申请日：2007-01-22
Applicant: 清华大学 , 同方威视技术股份有限公司
Abstract: 本发明涉及图像处理技术领域，尤其涉及工业或医学X射线图像检查系统的图像增强处理方法。该方法包括如下步骤：S1：输入采集到的X射线图像；S2：采用可调节强度的Laplacian边缘增强算法对图像进行边缘增强处理；S3：采用快速局部直方图均衡化LHE处理增强图像中的每一处细节；S4：对经过步骤S3处理的图像数据进行灰度范围拉伸；S5：输出增强的图像。同现有各种检查设备上的透视图像增强算法相比，本发明增强效果好，自适应能力强、自动化程度高、使用简单，并且执行速度快。
-
公开(公告)号：CN1996194A
公开(公告)日：2007-07-11
申请号：CN200510135929.6
申请日：2005-12-31
Applicant: 清华大学 , 清华同方威视技术股份有限公司
CPC classification number: G05D1/0246 , G05D2201/0216
Abstract: 本发明涉及运动物体定位纠偏系统。本发明公开一种运动物体定位的纠偏系统及其运动跟踪方法，包括控制系统，参照物，图像摄取系统，运动跟踪系统。方法：1）接受从图像摄取系统传送来的图像数据；2）匹配特征对的计算；3）根据匹配特征在两幅图像中的位置关系计算实际物体的相对运动；4）如果当前运动状态超过设定的阈值则将当前运动状态传送给控制器进行纠错，否则将当前运动状态加入运动轨迹记录中。
-
公开(公告)号：CN115797164B
公开(公告)日：2023-12-12
申请号：CN202111058979.4
申请日：2021-09-09
Applicant: 同方威视技术股份有限公司 , 清华大学
IPC: G06T3/40
Abstract: 本公开涉及图像处理技术领域，更具体地，涉及一种固定视场中的图像拼接方法、装置、系统、电子设备、存储介质、程序。一种图像拼接方法包括获取图像序列，图像序列至少包括包含有移动目标多个帧图像；确定多个帧图像中的同一位置为拼接位置；分别确定tn时刻帧图像和tn+1时刻帧图像中移动目标的前景，并对前景处的图像区域进行上下文特征提取；根据上下文特征确定移动目标在tn时刻帧图像和tn+1时刻帧图像间的移动距离；根据移动距离和拼接位置分别对tn时刻帧图像和tn+1时刻帧图像进行剪裁，获得剪裁图像；对剪裁图像进行拼接。本公开的方法中可实现对固定视场中移动目标的拼接显示。(56)对比文件丁莹;范静涛;杨华民;姜会林.基于图像配准的动态场景运动目标检测算法.长春理工大学学报(自然科学版).2013,(Z1),4-9.
-
公开(公告)号：CN108269277B
公开(公告)日：2022-03-08
申请号：CN201611270685.7
申请日：2016-12-30
Applicant: 清华大学 , 同方威视技术股份有限公司
Abstract: 本发明公开了一种用于对辐射图像进行质量评价的方法，包括：选择多个基准辐射图像，并且针对所述多个基准辐射图像中的每一个基准辐射图像的特定区域进行以下处理：计算归一化的灰度共生矩阵；以及根据所述归一化的灰度共生矩阵，计算特征参数；根据所述多个基准辐射图像的特征参数，计算所述多个基准辐射图像的特征参数的统计特征参数；计算待评价辐射图像的特定区域的归一化的灰度共生矩阵；根据所述待评价辐射图像的归一化的灰度共生矩阵计算所述待评价辐射图像的特征参数；以及根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差，所述偏差用于表征所述待评价辐射图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN107689039B
公开(公告)日：2021-01-26
申请号：CN201610634657.2
申请日：2016-08-05
Applicant: 同方威视技术股份有限公司
IPC: G06T7/00
Abstract: 公开了一种估计图像的模糊度的方法和装置。该方法中，获取一幅图像，然后对图像进行变换得到所述图像的多尺度表示。计算每个尺度下的梯度归一化直方图与所述图像的原始梯度归一化直方图之间的误差向量，并且将每个尺度下的误差向量用其平方和的倒数加权求和。基于各个尺度下加权求和的误差向量得到模糊度估计值。利用上述实施例的方案，对各种不同内容的模糊图像都有很好的评价效果，评价结果均与人眼评价结果具有较高的相关性。
-
公开(公告)号：CN106372035B
公开(公告)日：2018-12-18
申请号：CN201510437211.6
申请日：2015-07-23
Applicant: 清华大学 , 同方威视技术股份有限公司
IPC: G06F17/15
Abstract: 本发明提供一种点扩散函数估计方法和系统，所述方法包括：对大小相同且紧密排列的多个矩形块利用扫描装置进行扫描成像，所述多个矩形块的制作材料不同和/或质量厚度不同，其中扫描成像时射线的入射角度与扫描方向垂直，且所述射线的入射角度垂直于所述多个矩形块的紧密排列的表面；根据扫描图像获取沿所述矩形块的长和宽两个方向的线扩散函数，并分别得到所述线扩散函数的标准差参数；将两个方向的标准差参数结合，得到二维点扩散函数的参数，以估计所述点扩散函数。本发明自动化程度高，执行速度快。
-
公开(公告)号：CN104749156B
公开(公告)日：2017-08-29
申请号：CN201310740981.9
申请日：2013-12-27
Applicant: 同方威视技术股份有限公司
IPC: G01N21/65
CPC classification number: G01J3/0297 , G01J3/28 , G01J3/44 , G01J2003/4424 , G01N21/65 , G01N2201/06113 , G01N2201/12
Abstract: 本发明公开了一种拉曼光谱检测方法，包括以下步骤：连续地对待测物的拉曼光谱进行测量以采集多个拉曼光谱信号；对所述多个拉曼光谱信号进行叠加以形成叠加信号；从该叠加信号中滤除荧光干扰信号；和基于已经滤除荧光干扰信号的叠加信号对待测物进行识别。借助于上述方法，能够通过从混有荧光信号和拉曼光谱信号的检测信号中去除荧光信号所导致的干扰来获得能够正确反映待测物自身的属性的拉曼光谱信号。这种方案可以准确获取待测物的拉曼特征光谱，从而有效地识别待测物。
-
公开(公告)号：CN104122246B
公开(公告)日：2017-03-29
申请号：CN201310155894.7
申请日：2013-04-28
Applicant: 同方威视技术股份有限公司
IPC: G01N21/65
CPC classification number: G01N21/65
Abstract: 本发明公开一种用于不同基质乳制品中三聚氰胺含量检测的拉曼光谱测量方法，其包括以下步骤：(a)建立不同基质乳制品的特征曲线的数据库；(b)量取多份某一未知基质的待测乳制品，向其中添加不同浓度的三聚氰胺标准液，得到一系列已知三聚氰胺相对浓度的该基质的乳制品样本；(c)对于所述乳制品样本进行拉曼光谱测试分析并获得相对应的特征峰强，从而获得所述乳制品样本的特征峰强随三聚氰胺相对浓度变化的特征曲线的斜率；(d)利用所述乳制品样本的特征曲线的斜率在步骤(a)中建立的数据库中搜索以找到与之相匹配的特征曲线；(e)利用该特征曲线和待测乳制品的特征峰强计算该待测乳制品中的三聚氰胺的浓度。
-
公开(公告)号：CN106372035A
公开(公告)日：2017-02-01
申请号：CN201510437211.6
申请日：2015-07-23
Applicant: 清华大学 , 同方威视技术股份有限公司
IPC: G06F17/15
CPC classification number: G06T5/003 , G06T7/00 , G06T2207/10116 , G06T2207/20021 , G06T2207/20076 , G06T2207/30168
Abstract: 本发明提供一种点扩散函数估计方法和系统，所述方法包括：对大小相同且紧密排列的多个矩形块利用扫描装置进行扫描成像，所述多个矩形块的制作材料不同和/或质量厚度不同，其中扫描成像时射线的入射角度与扫描方向垂直，且所述射线的入射角度垂直于所述多个矩形块的紧密排列的表面；根据扫描图像获取沿所述矩形块的长和宽两个方向的线扩散函数，并分别得到所述线扩散函数的标准差参数；将两个方向的标准差参数结合，得到二维点扩散函数的参数，以估计所述点扩散函数。本发明自动化程度高，执行速度快。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.035 seconds)
