-
公开(公告)号：CN107330431B
公开(公告)日：2020-09-01
申请号：CN201710522004.X
申请日：2017-06-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于K‑means聚类拟合的显著性检测优化方法，包括以下步骤：步骤S1：提取图像的场景GIST特征；步骤S2：提取图像的颜色直方图特征；步骤S3：根据场景GIST特征和颜色直方图特征计算图像间的相似性；步骤S4：根据图像间的相似性对图像集合进行K‑means聚类，分成k个相互独立的图像簇；步骤S5：计算每个图像簇的拟合模型；步骤S6：判断新的输入图像所属的图像簇，将该图像簇的拟合模型作用在输入图像的显著性图上进行优化。该方法适用于多种显著性检测算法的优化，优化效果明显。
-
公开(公告)号：CN109672874B
公开(公告)日：2020-08-11
申请号：CN201910157230.1
申请日：2019-03-01
Applicant: 福州大学
IPC: H04N13/15 , H04N13/106
Abstract: 本发明涉及一种时空一致的立体视频颜色校正方法，首先从参考视频帧和目标视频帧中每隔a帧选出一对关键帧，在每个时间滑动窗口内选取k对；接着对于每一对关键帧，采用图像颜色校正算法获得目标视频关键帧的初始颜色校正结果帧，然后利用引导滤波计算得到和输入的目标视频关键帧结构更加一致的颜色校正结果视频帧；然后在时间滑动窗口内，利用改进的直方图匹配求出目标视频关键帧和颜色校正后的目标视频关键帧之间的颜色映射函数；最后用该颜色映射函数校正位于时间滑动窗口中心的a帧目标视频帧，得到a帧颜色校正后的最终目标视频帧。本发明对于立体视频颜色差异能够起到很好的校正效果。
-
公开(公告)号：CN111127435A
公开(公告)日：2020-05-08
申请号：CN201911352653.5
申请日：2019-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于双流卷积神经网络的无参考图像质量评估方法，包括以下步骤：步骤S1：将失真图像数据进行数据预处理，得到待训练的图像对,作为训练数据；步骤S2:构建双流卷积神经网络模型，并根据得到训练数据训练模型，得到训练好的图像质量评估模型；步骤S3:将待测图像进行预处理，并生成待测图像的图像对,并利用训练好的图像质量评估模型预测待测图像的图像对的质量，根据待测图像的图像对的分数计算待测图像的分数。本发明能显著提高无参照图像质量评估的性能。
-
公开(公告)号：CN109523590A
公开(公告)日：2019-03-26
申请号：CN201811227681.X
申请日：2018-10-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于样例的3D图像深度信息视觉舒适度评估方法，包括以下步骤：步骤S1:输入待评估的3D图像，将左视图作为输入图像；步骤S2:利用基于深度学习特征的图像检索技术，在专业3D图像数据库中检索与待评估的3D图像场景相似的n幅高质量的3D图像作为对比样例图像；步骤S3:对输入图像和对比样例图像依次进行3D图像显著性检测和前景对象分割处理，并计算得到每幅图像的前景和背景的深度信息分布直方图；步骤S4:计算输入图像与n个样例图像分别对比的前景和背景的深度信息视觉舒适度；步骤S5:综合得到待评估的3D图像的综合深度信息视觉舒适度。本发明能够考虑到深度信息视觉舒适度，对3D图像深度信息视觉舒适度进行评估。
-
公开(公告)号：CN109460761A
公开(公告)日：2019-03-12
申请号：CN201811206675.6
申请日：2018-10-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于维度聚类和多尺度预测的银行卡卡号检测与识别方法，包括以下步骤：步骤S1:获取银行卡数据集，并对获取的银行卡数据集进行标注；步骤S2:根据收集到的银行卡数据集训练银行卡卡号定位与识别模型，得到训练好的银行卡卡号定位与识别模型；步骤S3：将待检测的银行卡图像输入训练好的银行卡卡号定位与识别模型中，对待检测的银行卡图像进行卡号定位与识别。本发明提升了银行卡卡号检测的召回率与识别分类的准确率，同时能够保证检测与识别的实时性。
-
Patent Agency Ranking
公开(公告)号：CN108564528A
公开(公告)日：2018-09-21
申请号：CN201810342812.2
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于显著性检测的肖像照片自动背景虚化方法，包括以下步骤：1、利用线性谱聚类超像素分割算法将肖像图像分割为N个超像素，利用改进的显著优化算法计算出各超像素的显著值；2、利用大津法将显著值大于自适应阈值的超像素标记为前景区域，将显著值小于固定阈值的标记为背景区域，其余标记为未知区域，得到超像素尺度的标记三分图；3、利用超像素尺度的GrabCut算法，从标记三分图中分割得到人像区域边界；4、先利用快速引导滤波算法对背景区域进行模糊，再对前景区域根据显著检测结果有选择地进行细节增强，从而得到背景虚化效果。该方法能够仅依赖单张肖像图像快速地进行背景虚化，并提高背景虚化效果。
-
公开(公告)号：CN108549872A
公开(公告)日：2018-09-18
申请号：CN201810342794.8
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种适用于重定向图像质量评估的视觉注意融合方法，包括以下步骤：1、读取原始图像，使用两种显著物体检测算法生成两种显著性图；2、使用均衡化操作减小两种显著性图的分布差异，生成两幅均衡化显著性图；3、使用对应点的显著性值相加求平均的方法融合两幅均衡化显著性图，经归一化操作生成融合显著性图；4、检测原始图像中的人脸和线条信息；5、在约束放大极值的条件下，自适应地放大融合显著性图中的人脸矩形框和线条区域的显著性值，生成包含人脸和线条信息的融合显著性图；6、使用显著性增强模型增加融合显著性图的对比度，经归一化操作生成视觉注意融合显著性图。该方法能够提高客观质量评估结果与主观感知的一致性。
-
公开(公告)号：CN108449596A
公开(公告)日：2018-08-24
申请号：CN201810342793.3
申请日：2018-04-17
Applicant: 福州大学
CPC classification number: H04N17/004 , G06T7/0002 , G06T7/13 , G06T7/90 , G06T2207/10012 , G06T2207/30168 , H04N2013/0081
Abstract: 本发明涉及一种融合美学和舒适度的3D立体图像质量评估方法，包括以下步骤：步骤S1：对训练图像集合和待预测图像集合中的每幅立体图像提取左、右视图的美学特征及左、右视图美学一致性特征，获得美学特征集F1；步骤S2：对训练图像集合和待预测图像集合中的每幅立体图像提取舒适度特征，获得舒适度特征集F2；步骤S3：对训练图像集合中的所有图像，结合美学特征集F1和舒适度特征集F2，将其作为机器学习特征集T1，训练得到立体图像质量评估模型；步骤S4：利用训练好的质量评估模型评估每幅待预测图像，得到所有待预测图像的最终质量评估分数。该方法有利于提高评估结果与用户主观分数的一致性。
-
公开(公告)号：CN107578136A
公开(公告)日：2018-01-12
申请号：CN201710830381.X
申请日：2017-09-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于随机游走与种子扩展的重叠社区发现方法，运用了随机游走选取种子社区、相似度计算与优化自适应函数社区扩展，实现大规模社交网络上的社区发现，包括以下步骤：1、读取原始数据，获取网络结构及节点近邻信息；2、根据节点的转移概率矩阵、评分矩阵以及节点与社区的相似度，获得种子社区集合Seeds；3、根据社区间相似度优化种子社区集合Seeds；4、根据种子与社区的相似度和自适应fitness函数扩展社区；5、根据节点与社区相似度和社区间相似度处理网络中的自由节点并合并相似社区；6、输出网络重叠社区结构。该方法可以高效、准确得发现重叠社区。
-
公开(公告)号：CN105046708B
公开(公告)日：2017-11-17
申请号：CN201510410621.1
申请日：2015-07-14
Applicant: 福州大学
Abstract: 本发明涉及一种与主观感知相一致的颜色校正客观评估方法，包括以下步骤：步骤S1：读取参考图像和目标图像，使用场景映射算法生成匹配图像作为新的参考图像；步骤S2：使用对比度相似度评估方法对目标图像进行评估获得对比度相似度评估结果CS；步骤S3：使用基于平均值的像素差值评估方法对目标图像进行评估获得差值评估结果DV1；步骤S4：使用融合最大差值的像素差值评估方法对目标图像进行评估获得差值评估结果DV2；步骤S5：使用线性融合模型对评估结果CS、DV1和DV2进行融合获得最终的客观评估得分值V。该方法可有效对图像间颜色一致性进行评估，与用户主观评分之间具有较好的相关性与准确性，可应用于图像拼接和三维图像左右视图颜色一致性评估领域。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.02 seconds)
