基于优化启发的神经网络的光谱成像系统的编码优化方法

    公开(公告)号:CN109883548B

    公开(公告)日:2020-04-21

    申请号:CN201910162204.8

    申请日:2019-03-05

    Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的编码优化方法,属于计算摄像学领域。本发明实现方法如下:建立光谱成像系统的前向传播模型,用网络实现所述前向传播模型,构建编码孔径优化网络;构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络;制作训练集;配置高光谱图像重构网络训练所需参数;训练高光谱图像重构网络;建立编码孔径优化网络与高光谱图像重构网络之间的连接,构建联合网络;配置联合网络训练所需参数;训练联合网络;取出训练后得到的编码模板,并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制;使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。

    一种RGB相机光谱响应曲线的标定方法

    公开(公告)号:CN107170013B

    公开(公告)日:2020-04-21

    申请号:CN201710304262.0

    申请日:2017-05-03

    Inventor: 付莹 张霖 黄华

    Abstract: 本发明公开的一种RGB相机光谱响应曲线的标定方法,属于计算摄像学领域。本发明分为训练阶段和使用阶段。训练阶段在相机光谱响应曲线的训练集中,把每个相机光谱响应曲线分为红色、绿色、蓝色3个通道;对所述每个通道的所有光谱响应曲线,使用字典学习方法求解稀疏字典。使用阶段利用超光谱成像的图像融合平台,以所述待标定RGB相机拍摄高分辨率RGB图像,并使用超光谱相机拍摄相同场景的低分辨率超光谱图像;根据所述两张图像和三通道的稀疏字典,使用稀疏编码方法求解所述待标定相机的光谱响应曲线,从而完成对RGB相机光谱响应曲线的标定。本发明具有步骤简单快速、不需要昂贵标定设备,且在图像具有噪声的情况下仍能保持标定精度的优点。

    基于优化启发的神经网络的光谱成像系统的成像方法

    公开(公告)号:CN109886898A

    公开(公告)日:2019-06-14

    申请号:CN201910162261.6

    申请日:2019-03-05

    Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的成像方法,属于计算摄像学领域。本发明实现方法为:建立光谱成像系统的前向传播模型,用网络实现所述前向传播模型,构建编码孔径优化网络;构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络;制作训练集;配置高光谱图像重构网络训练所需参数;训练高光谱图像重构网络;建立编码孔径优化网络与高光谱图像重构网络之间的连接,构建联合网络;配置联合网络训练所需参数;训练联合网络;取出训练后得到的编码模板,并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制;使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。

    基于优化启发的神经网络的光谱成像系统的编码优化方法

    公开(公告)号:CN109883548A

    公开(公告)日:2019-06-14

    申请号:CN201910162204.8

    申请日:2019-03-05

    Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的编码优化方法,属于计算摄像学领域。本发明实现方法如下:建立光谱成像系统的前向传播模型,用网络实现所述前向传播模型,构建编码孔径优化网络;构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络;制作训练集;配置高光谱图像重构网络训练所需参数;训练高光谱图像重构网络;建立编码孔径优化网络与高光谱图像重构网络之间的连接,构建联合网络;配置联合网络训练所需参数;训练联合网络;取出训练后得到的编码模板,并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制;使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。

    基于视觉感知和双目竞争的无参考立体图像质量评价方法

    公开(公告)号:CN107635136B

    公开(公告)日:2019-03-19

    申请号:CN201711003045.4

    申请日:2017-10-24

    Abstract: 本发明涉及一种立体图像质量评价方法,特别涉及一种基于视觉感知和双目竞争的无参考立体图像质量评价方法,属于图像分析领域。本方法首先将输入立体图像对转化为灰度信息,对灰度信息利用匹配算法得到立体图像对的模拟视差图和不确定性图,同时利用灰度信息及其滤波响应和模拟视差图校正合成单眼图像。其次,将得到的单眼图像和不确定性图在不同尺度空间和频率空间上进行高斯差分处理,并提取自然场景统计和视觉感知特征向量。然后,利用支持向量机和BP神经网络分别对特征进行训练,得到预测模型,应用预测模型和测试及对应的特征向量,进行质量预测和评估。本方法具有主观一致性高,数据库独立性高,稳定性高的特点,在处理多种复杂失真类型时都表现出了极具竞争力的效果,可以嵌入到立体图像/视频处理等立体视觉内容相关的应用系统中,具有很强的应用价值。

    一种基于预注意机制和空间依赖性的无参考图像质量评价方法

    公开(公告)号:CN107018410B

    公开(公告)日:2019-02-15

    申请号:CN201710323747.4

    申请日:2017-05-10

    Abstract: 本发明涉及一种图像质量评价方法,特别涉及一种基于预注意机制和空间依赖性的无参考图像质量评价方法,属于图像分析领域。本方法首先将输入图像分解为彩色信息和灰度信息,其中彩色信息通过SCIELAB颜色空间变换得到,同时应用尺度空间对灰度信息做进一步的处理。其次,应用灰度色调共生矩阵从这两部分信息中提取特征向量。然后,利用支持向量机和BP神经网络分别对特征进行训练,得到预测模型,应用预测模型和测试及对应的特征向量,进行质量预测和评估。本方法具有主观一致性高,数据库独立性高,稳定性高的特点,可以嵌入到图像/视频处理相关的应用系统中,具有很强的应用价值。

    一种基于颜色及透明度一致优化的图像无缝融合方法

    公开(公告)号:CN104715451B

    公开(公告)日:2018-01-05

    申请号:CN201510107663.8

    申请日:2015-03-11

    Inventor: 王萍 周乐 黄华

    Abstract: 本发明公开了一种基于颜色及透明度一致优化的图像无缝融合方法,属于图像图形处理领域。采用的技术方案为:首先,在颜色通道基于图割能量优化算法计算前景和背景图像在重叠区域的融合标签;其次,在透明度通道构造符合前景和背景梯度差异分布的能量函数,以求解透明度;最后,基于透明度进行图像无缝融合。本发明方法能够得到更好的分割效果,从而影响前景和背景图像在重叠区域的透明度分布,使其透明度取值更为均匀。相比于其它融合方法,本发明能够生成更好地融合效果。

    一种基于内容的H.264压缩域视频检索方法

    公开(公告)号:CN104683815B

    公开(公告)日:2017-12-15

    申请号:CN201410663715.5

    申请日:2014-11-19

    Inventor: 王萍 种怡晨 黄华

    Abstract: 本发明公开了一种基于内容的H.264压缩域视频检索方法,为了解决现有H.264压缩域视频检索中计算量大,以及检索准确率低的问题,本发明提出一种基于内容的H.264压缩域视频检索方法,属于视频处理领域。该方法针对H.264压缩视频,提出了直接从I帧编码码流中提取预测模式作为纹理特征,并结合残差DCT的能量直方图作为视频检索的特征签名,用夹角余弦的方法来衡量签名的相似性,有效地对H.264视频进行相似性检索。

    用于超光谱成像平台中双相机图像的对齐方法

    公开(公告)号:CN107230185A

    公开(公告)日:2017-10-03

    申请号:CN201710304685.2

    申请日:2017-05-03

    Inventor: 付莹 张霖 黄华

    CPC classification number: G06T3/4061

    Abstract: 本发明公开的用于超光谱成像平台中双相机图像对齐的方法,属于计算摄像学领域。基于超光谱成像平台中双相机图像对齐提高超光谱成像算法精度的同一发明构思,本发明公开两种用于超光谱成像平台中双相机图像对齐的方法。第一种用于超光谱成像平台中双相机图像对齐的方法解决技术问题是:提供针对低分辨率超光谱图像和高分辨率RGB图像的对齐方法,通过图像对齐能够提高基于图像融合平台的超光谱成像算法的精度。第二种用于超光谱成像平台中双相机图像对齐的方法解决技术问题是:提供适用于超光谱成像的图像融合平台中的高分辨率RGB图像和低分辨率超光谱图像的对齐方法,通过超光谱重建和对齐过程的迭代,能够提高图像对齐的精确度和超光谱重建的精度。

    一种结合视频稳定的视频编码方法

    公开(公告)号:CN107071421A

    公开(公告)日:2017-08-18

    申请号:CN201710365994.0

    申请日:2017-05-23

    Inventor: 黄华 魏晓翔 张磊

    Abstract: 本发明涉及一种结合视频稳定的视频编码方法,包括以下步骤:对原始视频进行稳定处理,并提取视频稳定信息;计算稳定视频帧之间的变换矩阵;计算每一稳定帧中每个宏块对应的运动矢量;将上述运动矢量作为对应宏块运动搜索的起点,对每个宏块进行搜索,得到每个宏块的最佳运动矢量;得到每个子宏块的最佳运动矢量;选取匹配代价最小的宏块分割方式,进行运动补偿、量化和熵编码,得到最终的稳定视频压缩码流。本发明通过较少的计算量得到更加准确的运动矢量,在保证视频编码质量的同时极大地提高了编码速度。

Patent Agency Ranking