-
公开(公告)号：CN103559693A
公开(公告)日：2014-02-05
申请号：CN201310581473.0
申请日：2013-11-18
Applicant: 东南大学
Abstract: 本发明提出一种基于非连续指示符的图像局部结构自适应复原方法，它包括如下步骤：第一步，初始化读入图像，将输入的RGB图像转换到YCbCr颜色空间；第二步,构建三边散布矩阵，提高对噪声的鲁棒性；第三步，构建非连续性指示符，动态表征图像局部结构特征；第四步，建立图像退化模型；第五步，根据所构建的非连续性指示符，建立图像复原优化模型，使得所建立的模型连续依赖于图像局部结构特征；第六步，利用变分法求解复原优化模型，得到优化模型所对应的梯度下降流，并采用半点格式对其进行离散化，得到最优复原图像。本发明提出的方法能够根据图像局部结构特征自适应控制复原过程，能够复原出图像更多的细节结构，使得图像质量显著提高。
-
公开(公告)号：CN102842116A
公开(公告)日：2012-12-26
申请号：CN201210227632.2
申请日：2012-06-30
Applicant: 南京汇兴博业数字设备有限公司 , 东南大学
IPC: G06T5/00
Abstract: 一种图像内快速响应矩阵码的光照均衡处理方法，第一步，初始化读入图像，将输入的RGB图像转换到灰度空间；第二步，对灰度图像进行光照均衡处理，将不均匀光照图像分割成若干子块，然后计算每个子块内的背景光照值，通过相邻的几个子块的背景光照值插值出子块内部每个点的背景光照值，再根据每个点的背景光照值，自适应的调整它的灰度值，消除原图像中存在的不均匀光照情况，最后利用大津法对图像进行二值化处理。用这种方法对光照不均的快速响应矩阵码图像进行处理能够得到很好的效果。
-
公开(公告)号：CN101794440B
公开(公告)日：2012-04-18
申请号：CN201010123621.0
申请日：2010-03-12
Applicant: 东南大学
IPC: G06T5/50
Abstract: 本发明提出一种图像序列的加权自适应超分辨率重建方法，该方法在鲁棒性和实用性方面优于传统的方法，对获得高质量的图像具有重要的应用价值，它包括如下步骤：(1)取同一传感器获得的连续多帧低分辨率图像，然后对该低分辨率图像序列进行重采样，得到重采样的低分辨率图像序列；(2)利用重采样的低分辨率图像序列重建一帧高分辨率图像，重建一帧高分辨率图像的方法为：首先建立高分辨率图像的退化模型，然后根据给定的高分辨率图像的退化模型以及正则化理论，把退化模型中高分辨率图像的求解过程转化为高分辨率图像的重建优化模型解的优化过程，最后利用逐渐非凸算法对高分辨率图像的重建优化模型进行优化，得到高分辨率图像的最优估计值。
-
公开(公告)号：CN102243705A
公开(公告)日：2011-11-16
申请号：CN201110120366.9
申请日：2011-05-09
Applicant: 东南大学
Abstract: 本发明提供一种利用交通图像的边缘信息来定位车牌的方法，该方法为：利用Sobel算子对交通图像进行边缘检测，对得到的灰度边缘图像进行二值化获得二值边缘图像；然后在垂直方向对该二值边缘图像进行水平投影获得垂直向量，对该垂直向量进行二值化并从上到下进行扫描，得到车牌区域的起始行坐标和终点行坐标，实现车牌的垂直定位；之后利用起始行坐标和终点行坐标得到垂直定位后的二值边缘图像，在水平方向对该二值边缘图像进行垂直投影获得水平向量，对该水平向量进行二值化并从左向右进行扫描，得到车牌区域的起始列坐标和终点列坐标，实现车牌的水平定位；最后利用起始行、列坐标和终点行、列坐标定位出车牌。本发明具有较高的车牌定位精度，且在低对比度情况(比如夜间光线不足)下仍然能够较准确地对车牌进行定位。
-
公开(公告)号：CN102184412A
公开(公告)日：2011-09-14
申请号：CN201110120361.6
申请日：2011-05-09
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明提供一种基于最小错误率贝叶斯分类器的车牌数字及字母识别方法，该方法为：以粗网格特征作为字符识别的特征，针对34类数字及字母字符，建立各自的字符样本库，根据样本库计算各类字符粗网格特征的均值、协方差矩阵及字符的先验概率，进而得到各类字符的判别函数，完成最小错误率贝叶斯分类器的设计，之后提取待识别字符图像的粗网格特征，利用最小错误率贝叶斯分类器对该字符图像进行第一级分类，如果第一级分类得到的类别属于相近字符的类别，则分5种情况分别提取该字符图像不同位置的局部特征，进行相近字符的第二次分类。本发明中最小错误率贝叶斯分类器所用的判别函数简单且对字符进行二级分类，具有识别速度快、识别准确性高的优点。
-
Patent Agency Ranking
公开(公告)号：CN102110289A
公开(公告)日：2011-06-29
申请号：CN201110077327.5
申请日：2011-03-29
Applicant: 东南大学
IPC: G06T5/00
Abstract: 一种基于变分框架的彩色图像对比度增强方法，其主要步骤：第一步，初始化读入图像，将输入的RGB图像转换到YCbCr颜色空间；第二步，对YCbCr空间中彩色图像的Y分量进行降采样；第三步，建立图像的成像模型，并将其变换到对数域；第四步，利用变分框架模型对亮度图像进行计算；第五步，用输入图像减去亮度图像得到图像的反射信息；第六步，将反射图像取指数；第七步，采用插值算法将反射图像还原到原始图像大小；第八步，将得到的反射图像与Cb和Cr分量结合，并反变换到RGB空间，作为输出结果。本发明采用变分框架模型对低能见度天气下的彩色图像进行处理，使得图像质量显著提高，相对于以往的图像增强方法，处理速度快、算法稳定性高、使用范围广、图像增强效果好。
-
公开(公告)号：CN101968881A
公开(公告)日：2011-02-09
申请号：CN201010522739.0
申请日：2010-10-27
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明提供一种运动模糊和散焦复合模糊的图像复原方法，该方法能够对运动模糊和散焦同时出现的图像进行参数估计和图像复原，它包含如下步骤：(1)建立高斯白噪声模板，将降质图像与白噪声模板卷积，达到去除噪声的目的；(2)通过图像能量谱估计图像的模糊主方向和副方向(3)计算图像的主方向导数矩阵和副方向导数矩阵；(4)分别对主方向导数矩阵和副方向导数矩阵实施自相关运算和方向累加运算；(5)根据主方向导数自相关的累加曲线和副方向导数自相关的累加曲线，估计主方向模糊长度和副方向模糊长度；(6)根据获得的主方向模糊长度和副方向模糊长度，建立复合模糊模型；(7)利用维纳滤波对降质图像进行复原。
-
公开(公告)号：CN114241456B
公开(公告)日：2025-04-18
申请号：CN202111564304.7
申请日：2021-12-20
Applicant: 东南大学
IPC: G06V20/59 , G06V40/20 , G06V10/44 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种利用特征自适应加权的安全驾驶监测方法。本发明研究了不同尺度的全局特征与关键点特征的融合策略。针对融合过程中的注意力问题，本发明并非直接级联全局特征和关键点特征，而是针对两者提出基于姿态的特征融合模块。驾驶员行为的类别差异表现在不同的图像区域，模型应关注不同输入图像的不同区域，因此提出了自适应加权模块，通过学习一组特定于输入数据的专家权值来选择用于计算的卷积核，这为驾驶员动作识别提供了一个新的方向，并进一步提高驾驶员行为识别准确率。本发明在交通安全领域有重要的应用价值。
-
公开(公告)号：CN114241455B
公开(公告)日：2025-03-25
申请号：CN202111564299.X
申请日：2021-12-20
Applicant: 东南大学
IPC: G06V20/59 , G06V40/20 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于关键点增强的驾驶员动作分类方法，本发明提出了高效的频道注意力模块来生成具有区别性的全局表示。同时，利用姿态估计提取驾驶员的关键点特征。考虑关键点信息的多样性，设计了自适应加权残差瓶颈，使输入关键点特征的模型权值具有动态性。然后融合全局分支和关键点分支的输出作为分类结果。本发明可进一步提高驾驶员行为识别准确率，在交通安全领域有重要的应用价值。
-
公开(公告)号：CN119579744A
公开(公告)日：2025-03-07
申请号：CN202411810801.4
申请日：2024-12-10
Applicant: 东南大学
IPC: G06T13/60 , G06T17/00 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于双分支物理知识嵌入的烟雾场景三维重建方法及系统，首先收集数据，计算各个观测视角下的流体感知参数，并计算各个像素的状态估计值，以状态估计值作为先验监督，预训练状态估计模块，以此来区分烟雾场景中的动态对象和静态对象；将静态对象送到静态分支，动态对象送到动态分支分别处理，估计静态对象的体积密度和外观颜色、估计动态对象的体积密度、外观颜色及速度场；利用流体求解模块更新动态对象的速度场及体积密度；对静态分支和动态分支的输出结果分别渲染并合成渲染，利用多视角的图像信息和物理知识先验作为监督约束，对模块参数不断迭代优化，最终重建出高保真的三维动态烟雾场景，并支持场景中任意视角的图像生成。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.023 seconds)
