-
公开(公告)号：CN115965553A
公开(公告)日：2023-04-14
申请号：CN202310003338.1
申请日：2023-01-03
Applicant: 无锡学院
IPC: G06T5/00 , G06T5/20 , G06T5/40 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/764 , G06T7/11 , G06T7/62 , G06T7/60
Abstract: 本发明公开了一种基于多特征融合的人脸图像局部增强方法，建立人脸图像训练集；对所述人脸图像训练集中的每张图像进行人脸检测、人脸对齐和人脸分割，获得每张分割后的图像；获得分割后的偏正脸图像集、并且确定分割后的偏正脸图像集中每张图像的面积比例相近度、分割后的偏正脸图像集中每张图像的长宽比相近度、分割后的偏正脸图像集中每张图像的方脸相近度；将三个特征加权融合，获得多特征融合模板系数；根据其确定平均人脸轮廓模板，并且结合待识别人脸的图像，获得局部图像增强后的人脸图像。本发明能够取代人脸图像增强中的人脸分割步骤，在不改变人脸图像增强准确性的前提下，提高了人脸图像增强的效率和质量，简化冗繁的操作过程。
-
Patent Agency Ranking
公开(公告)号：CN118229597A
公开(公告)日：2024-06-21
申请号：CN202410253027.5
申请日：2024-03-06
Applicant: 无锡学院
Abstract: 本发明公开了一种基于全局优化滤波分层处理的红外图像增强方法，包括以下步骤：步骤1：对输入的原始红外图像使用迭代最小二乘法进行全局保边平滑，得到基础层图像，将基础层图像与原始红外图像相减得到细节层图像；步骤2：将基础层图像进行Tiansi算子和MSR对比度增强处理，得到基础层增强图像；步骤3：将细节层图像进行一维单方向引导滤波和混合滤波，进行细节层增强，得到细节层增强图像；步骤4：对基础层增强图像和细节层增强图像加权求和，得到增强后的红外图像。本发明在增强细节信息、提高图像对比度的同时，能更有效地抑制图像中的噪声，具有更好的视觉效果。
-
公开(公告)号：CN116228524B
公开(公告)日：2023-12-22
申请号：CN202310113352.7
申请日：2023-02-14
Applicant: 无锡学院
IPC: G06T3/00
Abstract: 谱图像获得高光谱图像序列降维结果。本发明公开了一种基于光谱差异的高光谱图像序列降维方法,载入的高光谱图像序列中的第1、t帧高光谱图像进行灰度归一化，分别获得归一化后的第1、t帧高光谱图像 并且确定第1帧高光谱图像 中的选定局部区域通过 中每个像素的光谱曲线确定最大、最小光谱曲线Cmax、Cmin；确定 中第i个像素在16个波段上的灰度平均值 通过获得 中第i个像素的去均值光谱曲线Ci；确定光谱差异图 通过 确定第t帧高光谱图像第b个波段第i个像素的量化偏差 通过确定第t帧高光谱图像16个波段的总差异图通过 确定重构总差异图 通过 确定(56)对比文件何高攀;杨桄;孟强强;熊翔.采用NSCT分解和主成分分析的高光谱异常检测.自动化与仪器仪表.2015,(05期),全文.葛亮;王斌;张立明.基于偏最小二乘法的高光谱图像波段选择.计算机辅助设计与图形学学报.2011,(11期),全文.
-
公开(公告)号：CN117152217A
公开(公告)日：2023-12-01
申请号：CN202310711301.4
申请日：2023-06-15
Applicant: 无锡学院
Abstract: 本发明公开了基于特征值偏离比的点云配准方法，对采集的源点云和目标点云进行体素滤波，得到源点云重心点和目标点云重心点，以源点云重心点为查询点，计算其邻域协方差矩阵的特征值，利用源点云特征点判别式筛选出源点云特征点，以目标点云重心点为查询点，计算其邻域协方差矩阵的特征值，利用目标点云特征点判别式筛选出目标点云特征点，再利用匹配对判别公式得到匹配对，利用奇异值分解完成粗配准，最后利用ICP完成精配准。
-
公开(公告)号：CN116523967A
公开(公告)日：2023-08-01
申请号：CN202310585827.2
申请日：2023-05-23
Applicant: 无锡学院
Abstract: 本发明公开了基于空间光谱相似性降维的高光谱目标跟踪方法，获得归一化后第1帧和第t帧高光谱图像，确定局部光谱曲线Cl，目标光谱曲线Ct，像素Hi,j的光谱曲线Ci,j，根据光谱角距离公式计算Cl和Ct确定分割阈值，通过分割阈值确定降维结果图Ir和掩膜，通过DenseNet提取Ir的深度特征，通过方差确定纹理特征的融合权重，并进行融合得到重组纹理特征，利用掩膜覆盖重组纹理特征，得到融合纹理特征，并对深度特征和融合纹理特征进行判别式相关滤波，得到对应响应图峰值坐标，对其进行计算欧式距离，再进行阈值判断，来确定是否更新滤波器参数，然后对响应图进行尺度估计并获得当前帧高光谱图像的跟踪目标。
-
公开(公告)号：CN115345909B
公开(公告)日：2023-01-24
申请号：CN202211271914.2
申请日：2022-10-18
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度空间光谱卷积融合特征的高光谱目标跟踪方法，确定归一化后的第t帧高光谱图像的目标区域Tt和搜索区域St；将Tt进行降维得到Xp；提取Xp的深度特征E；确定搜索区域x、y、z方向的边缘特征；确定融合后的三维边缘特征、深度空间光谱卷积融合特征Z、八邻域的干扰因子；获得排序前四个干扰因子和其对应的背景区域；确定对应的抑制权重以及滤波器模板；输入第t+1帧图像，以第t帧目标区域为基础，生成不同尺度的目标区域，并且将其输入，提取特征送入滤波器，得到响应值，将响应值最高的尺度确定为当前帧的目标尺度并跟新滤波器；依次读入高光谱图像序列内每一帧高光谱图像完成目标跟踪。
-
-
-
-
-
Search Results
26
records
(took 0.017 seconds)
