-
公开(公告)号：CN108010000A
公开(公告)日：2018-05-08
申请号：CN201711321134.3
申请日：2017-12-12
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明提供了基于邻近特征子空间拟合的压缩图像清晰化方法，包括：对一组与待清晰化压缩图像场景相似的清晰图像样本进行压缩，编码参数与待清晰化图像相同，得到压缩图像样本集；对压缩图像样本集去噪，得到压缩去噪图像样本集；将压缩图像块和对应的压缩去噪图像块合成一个矢量，利用矢量量化将特征空间分为多个子空间；每个子空间里，由最小均方误差准则得到压缩去噪图像块到清晰图像样本块的非线性回归模型；将待清晰化压缩图像去噪，得到待清晰化压缩去噪图像；寻找待清晰化压缩图像的每个像素点位置的图像块最邻近子空间，利用该子空间的非线性回归模型得到清晰化压缩图像块；所有的清晰化压缩图像块加权平均堆叠得到清晰化图像。
-
公开(公告)号：CN107527056A
公开(公告)日：2017-12-29
申请号：CN201710780778.2
申请日：2017-09-01
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于粗定位车牌的字符分割方法。该方法能自动判断出车牌是否完整，并能在车牌完整的基础上实现精准字符分割。首先挑选出二值车牌图像中能框出独立字符且不存在干扰的最佳独立连通区域外接矩形，将其宽度与其余连通区域的外接矩形宽度形成特征映射关系，建立训练库。利用训练库学习得到测试二值车牌的理论字符宽度，并以此调整每个连通区域的外接矩形尺寸，得到粗分割结果，接着直接对粗分割结果进行识别，挑选出识别置信度最高的字符。通过识别置信度最高字符的中心位置判断其在车牌中所处的位置，以此确定不同位置字符的中心点，以实际字符宽度向左右扩展，即可得到每个字符精准的分割结果。
-
公开(公告)号：CN107483931A
公开(公告)日：2017-12-15
申请号：CN201710646984.4
申请日：2017-08-01
Applicant: 南京邮电大学
IPC: H04N19/11 , H04N19/14 , H04N19/147 , H04N19/182 , H04N19/593
Abstract: 本发明公开了一种基于显著度的HEVC帧内编码深度划分快速决策方法，首先读入当前编码帧以及当前帧以像素为单位的显著度值，计算当前帧不重叠的以4×4像素块为单位的显著度值，再计算当前帧所有的最大编码单元(LCU)的显著度值并归一化，然后根据比例将当前帧按LCU层归一化后的显著度值划分为低显著度、中显著度和高显著度三个区域，并根据LCU所属的显著度区域为其设置HEVC帧内编码时不同的深度划分范围，最后对当前帧中每一个LCU按照设置的深度范围进行HEVC帧内编码，选择率失真代价最小的深度为最优的帧内编码深度。本发明通过显著度信息来缩小HEVC帧内编码时LCU的最优深度查找范围，能够有效减小HEVC帧内编码的计算复杂度和编码时间，且编码效率的损失很小。
-
公开(公告)号：CN104574363B
公开(公告)日：2017-09-29
申请号：CN201410766714.3
申请日：2014-12-12
Applicant: 南京邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种考虑梯度方向差异的全参考图像质量评价方法，该方法首先对参考图像与失真图像进行灰度化处理得到亮度分量，舍去彩色信息；对亮度分量进行2维平均低通滤波，宽高都进行1/2的空间下采样，得到宽高均为原图像尺寸一半的对应图像；使用Prewitt梯度算子计算下采样后的参考图像与失真图像每一像素位置在水平、垂直、主对角线、次对角线共四个方向上的梯度强度；计算每一像素位置上参考图像与失真图像在四个方向上的梯度强度差异，并统计得到每一像素位置四个方向上梯度强度差异的最大值；最后利用所有像素位置梯度强度差异最大值的统计平均来评价整体图像质量。
-
公开(公告)号：CN105007433A
公开(公告)日：2015-10-28
申请号：CN201510299150.1
申请日：2015-06-03
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于对象的能量约束最小化的运动物体排列方法，其步骤主要包含：1)结合物体本身的大小及其路径，首先对所有的运动轨迹进行了占用分布空间处理；2)定义三种能量定义：轨迹分裂能量，轨迹碰撞能量以及相对时间一致性能量，根据权重比值对这三个能量进行加和，并利用能量最小化算法得到使加和值最小的轨迹出现及排列方式。本发明在保证重新排列后的摘要视频能够达到快速浏览不丢失信息的目的的前提下，保存了原始监控视频中运动物体的空间时间逻辑关系，提高了视频压缩比率，满足了用户快速有逻辑地浏览监控视频的目的。
-
Patent Agency Ranking
公开(公告)号：CN104574381A
公开(公告)日：2015-04-29
申请号：CN201410826667.7
申请日：2014-12-25
Applicant: 南京邮电大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10024 , G06T2207/30168
Abstract: 本发明公开了一种基于局部二值模式的全参考图像质量评价方法，该方法读入参考图像与失真图像，做灰度化处理以去除彩色信息，仅保留亮度分量进行后续处理；为减小计算复杂度，对亮度分量进行简单的2×2平均低通滤波，之后在像素域进行1/2的空间下采样，获得宽高均为输入图像尺寸一半的对应图像进行质量分析；计算空间下采样后的参考图像与失真图像在每一像素位置的局部二值模式(LBP)值；计算参考图像与失真图像每一像素位置上的LBP值差异；最后通过统计所有像素位置上LBP值差异的算术平均来获得失真图像的质量评价分。
-
公开(公告)号：CN103489161A
公开(公告)日：2014-01-01
申请号：CN201310413671.6
申请日：2013-09-12
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种灰度图像彩色化方法，属于数字图像处理技术领域。本发明针对现有基于YUV联合相关性的图像彩色化方法所存在的边缘区域颜色混叠失真的问题，对其进行了改进：首先采用综合考虑空间位置信息和亮度信息的相似度度量，从以待彩色化像素为中心的较大的窗口区域中搜索出若干极相似像素；然后计算极相似像素的归一化后的局部亮度加权系数；再求解由所有像素的色度和局部亮度加权系数表示成的色度-系数约束矩阵方程，得到待彩色化像素的色度；最后将图像从YUV空间转换至RGB空间，得到彩色化后的图像。本发明还公开了一种使用上述方法的灰度图像彩色化装置。本发明能够减小图像边缘区域的颜色混叠失真，提高彩色化的图像的主客观质量。
-
公开(公告)号：CN101715139B
公开(公告)日：2011-04-20
申请号：CN200910234278.4
申请日：2009-11-16
Applicant: 南京邮电大学
IPC: H04N7/68
Abstract: 立体图像中基于互补掩盖方式的多模式误码掩盖方法属于图像通信的技术领域。其具体过程为：首先同时按照光栅扫描顺序扫描，检测出左、右眼图像中第一个需要掩盖的块。考察参考帧搜索区域中是否包含无效像素。如果不包含，则进行边界匹配，并用匹配的块来掩盖，否则对误码块的四个邻域块进行块匹配，得到它们的视差矢量。剔除这四个视差矢量中偏差较大的矢量，把余下矢量求平均作为待处理误码块的视差矢量，并到参考帧中找到对应块来掩盖。如果对应块包含无效像素，则在当前帧中利用有效像素进行双线性内插方法处理无效像素部分。如果掩盖结果的边界连续度不佳，则改用方向插值方法掩盖。采用互补的方式处理两幅图像其余误码块，直至全部掩盖完毕。
-
公开(公告)号：CN117333704A
公开(公告)日：2024-01-02
申请号：CN202311286111.9
申请日：2023-10-07
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/25 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/047 , G06N3/096
Abstract: 本发明提供了基于迁移学习的小样本物化实验器材状态检测方法。采集不同实验仪器的数据，构建基类数据集和新类数据集；使用基类数据集对基类目标检测模型进行预训练，得到包含特征提取模块、RPN区域建议网络、RoIPooling模块和预测模块的基础模型，在特征提取模块中引入特征金字塔网络，将多个尺度特征有效融合；在基础模型中引入对比分支，使用新类数据集对其进行微调，得到最终检测模型；将待检测图像输入最终检测模型，获取检测结果。可缓解现实场景中大量标注数据获取不易的问题；同时考虑多个尺度提取的特征，有效融合语义信息和位置信息，增强骨干网络的表征能力，提高模型对待检测目标的分类和定位能力；通过对比分支有效提高模型对目标的分类精度。
-
公开(公告)号：CN115830632A
公开(公告)日：2023-03-21
申请号：CN202211482624.2
申请日：2022-11-24
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了基于深度学习和图像掩膜的红外图像行人倒影检测方法，能够在复杂背景下高效排除红外图像中行人倒影干扰，有利于红外行人图像的进一步处理。包括以下步骤：第一阶段，构建深度学习目标检测网络模型，利用卷积对复杂上下文良好的特征提取能力，去除红外图像复杂背景，提取只包含“行人‑行人倒影”的联合区域；接着利用图像掩模对联合区域进行无失真矩形填充，还原原始位置信息，构建过渡图像；第二阶段，设计轻量级的神经网络由过渡图像获取行人倒影位置。本发明方法可以完整有效的检测热红外图像中的行人倒影区域，并保留了行人和该行人倒影的空间关系，极具实用性，具有很好地推广前景。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.023 seconds)
