-
公开(公告)号：CN103955903A
公开(公告)日：2014-07-30
申请号：CN201410195821.5
申请日：2014-05-09
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明公开了一种权值窗口自适应非局部均值图像去噪方法，能够根据图像局部结构特性自适应控制权值窗口的大小，在保护边缘结构的同时抑制噪声，从而使得图像质量显著提高，它包括如下步骤：第一步，初始化读入一帧噪声图像；第二步，构建结构张量矩阵；第三步，根据所构建的结构张量矩阵，构建边缘结构指示符，定位像素点所在区域特征；第四步，利用边缘结构指示符对图像进行区域分类；第五步，根据每个像素点所属区域的类别，确定每个像素点的邻域大小；第六步，根据所确定的邻域大小，构建邻域间的相似性度量函数；第七步，筛选相似性最高的S个点；第八步，构建去噪模型，得到去噪图像。
-
公开(公告)号：CN102208019B
公开(公告)日：2013-01-09
申请号：CN201110148361.7
申请日：2011-06-03
Applicant: 东南大学
Abstract: 一种基于车载摄像机的当前车辆变道检测方法，第一步，初始化读入图像，将输入的图像转换到灰度空间；第二步，对图像天空区域和地面区域进行分割，获取地面区域图像；第三步，利用索贝尔算子进行边缘检测；第四步，利用大津法进行二值化；第五步，限定拟合范围，有最低拟合点数限制的霍夫变换，提取车道线方程；第六步，判断车道线类型；第七步，车道线处理结果归类；第八步，判断当前车辆变道情况，本发明采用图像的方式检测当前车辆变换车道情况，利用驾校已有的车载摄像机，成本低廉，实时性高，检测数据多样化，评价学员变道水平准确客观，设备安装简单，适用面广。
-
公开(公告)号：CN102831425A
公开(公告)日：2012-12-19
申请号：CN201210312362.5
申请日：2012-08-29
Applicant: 东南大学
Abstract: 一种人脸图像快速特征提取方法，第一步，初始化读入训练图像集，将获得的彩色人脸图像转换到灰度空间；第二步，对图像进行线性插值和直方图均衡化；第三步，构造训练集数据矩阵；第四步，训练集应用主成份分析法，求取其低维表述矩阵；第五步，求原训练图像的低维表述矩阵的隶属度矩阵；第六步，计算低维表述矩阵的类内散度矩阵和类间散度矩阵；第七步，求得训练人脸图像集的特征表述矩阵。本发明充分考虑了训练集中各个人的人脸图像之间的关系，利用了其对于某一人脸子集的属于和不属于的信息，得到较好的类中心估计，弱化了某一图像的剧烈扰动对于该人其他图像的扰动，从而更加有效地提取人脸特征。
-
公开(公告)号：CN102110289B
公开(公告)日：2012-09-19
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：CN101794440A
公开(公告)日：2010-08-04
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。
-
Patent Agency Ranking
公开(公告)号：CN103996179B
公开(公告)日：2017-02-15
申请号：CN201410270579.3
申请日：2014-06-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于单尺度Retinex的快速实时图像增强方法，包括以下步骤：第一步：读取RGB彩色空间中待增强的彩色图像；第二步，计算图像的尺寸，如大于标准尺寸，则对其进行降采样；第三步，将图像分解为R、G、B三个分量；第四步，对图像的各分量采用单尺度Retinex方法进行增强，得到各反射分量；第五步，对各反射分量取指数并合并得到增强的RGB图像；第六步，把得到的RGB图像转化为HIS图像，并用直方图均衡化进一步增强；第七步，把增强后的图像采用双线性插值法进行插值，得到输出图像。本发明利用单尺度Retinex方法对图像进行增强，通过对原始图像进行降采样，加快增强速度，从而达到实时增强的目的。
-
公开(公告)号：CN105654445A
公开(公告)日：2016-06-08
申请号：CN201610060892.3
申请日：2016-01-28
Applicant: 东南大学
CPC classification number: G06T5/002 , G06T5/20 , G06T2207/10024 , G06T2207/20004 , G06T2207/20064
Abstract: 本发明公开了一种基于小波变换边缘检测的手机图像去噪方法，能够在有效平滑噪声的同时保留图像边缘细节，去除彩色噪声，从而得到理想的去噪效果，包括如下步骤：第一步，读入彩色噪声图像，将输入的图像从RGB彩色空间转换到YUV彩色空间；第二步，用高斯滤波器平滑图像，对Y通道图像进行三次低通滤波；第三步，利用小波变换算法检测图像边缘；第四步，采用阈值分割得到边缘的二值化图像；第五步，在图像边缘区域采用各向异性扩散平滑噪声；第六步，在图像平滑区域采用均值滤波去噪；第七步，对平滑区域图像进一步去除彩色噪声；第八步，将图像从YUV彩色空间转换到RGB彩色空间，得到最终的去噪图像。
-
公开(公告)号：CN103559693B
公开(公告)日：2016-05-25
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：CN102831425B
公开(公告)日：2014-12-17
申请号：CN201210312362.5
申请日：2012-08-29
Applicant: 东南大学
Abstract: 一种人脸图像快速特征提取方法，第一步，初始化读入训练图像集，将获得的彩色人脸图像转换到灰度空间；第二步，对图像进行线性插值和直方图均衡化；第三步，构造训练集数据矩阵；第四步，训练集应用主成份分析法，求取其低维表述矩阵；第五步，求原训练图像的低维表述矩阵的隶属度矩阵；第六步，计算低维表述矩阵的类内散度矩阵和类间散度矩阵；第七步，求得训练人脸图像集的特征表述矩阵。本发明充分考虑了训练集中各个人的人脸图像之间的关系，利用了其对于某一人脸子集的属于和不属于的信息，得到较好的类中心估计，弱化了某一图像的剧烈扰动对于该人其他图像的扰动，从而更加有效地提取人脸特征。
-
公开(公告)号：CN103778430A
公开(公告)日：2014-05-07
申请号：CN201410060480.0
申请日：2014-02-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于肤色分割和AdaBoost相结合的快速人脸检测方法，包括以下步骤：第一步，构建N层高斯金字塔；第二步，确定在高斯金字塔中进行肤色分割人脸检测的层数Ev；第三步，对高斯金字塔的第Ev层图像进行肤色分割人脸检测，标定出矩形人脸候选区域；第四步，确定在高斯金字塔中进行AdaBoost人脸检测的层数Ev'；第五步，对高斯金字塔的第Ev'层图像进行AdaBoost人脸检测；第六步，获取人脸区域。本发明结合了肤色分割和AdaBoost算法，并引入高斯金字塔，通过先为待检图像创建高斯金字塔，然后选择在高斯金字塔的适当层分别进行肤色分割和AdaBoost人脸检测，从而大幅提高了人脸检测效率。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.035 seconds)
