-
公开(公告)号：CN111462258B
公开(公告)日：2023-09-15
申请号：CN202010246242.4
申请日：2020-03-31
Applicant: 上海大学
Abstract: 本发明公开了一种针对制作印刷菲林片的彩色纹理线条图像矢量化方法与系统：首先将图像色彩模式转换为CMYK模式，再将各个通道分离成为四幅单独的图像分别进行矢量化；与传统纹理线条矢量化操作不同，本发明利用图像中的面取代线条进行矢量化，将图像背景设为黑色，将非纹理线条区域进行边缘跟踪，并用白色填充覆盖在黑色背景上，以此规避了传统矢量化操作中的线条分离，线条走势预测等复杂计算过程，大大提升了图像矢量化的速度与质量；最后将图像数据保存为EPS格式的矢量图，保证了矢量化结果的通用性，即输出CMYK四个通道对应的四幅矢量图，供用户进行后续的修改创作，并制成菲林片进行印刷。
-
公开(公告)号：CN116402869A
公开(公告)日：2023-07-07
申请号：CN202310236801.7
申请日：2023-03-13
Applicant: 上海大学
Abstract: 本发明涉及一种印刷纹理图拓扑分析及矢量化方法，所述的方法包括以下步骤：1)对初始图像进行预处理；2)通过Sobel算子和LBFGS++算法建立图像前景点的多向量场模型；3)建立由前景点连接而成的曲线，根据多向量场模型进行曲线跟踪，形成拓扑图；4)按拓扑图结果对每组曲线进行贝塞尔插值拟合，并进行平滑滤波处理，最终输出以线条骨架作为图元信息的svg格式矢量文件。与现有技术相比，本发明具有矢量化精度高、处理范围广等优点。
-
公开(公告)号：CN114842242A
公开(公告)日：2022-08-02
申请号：CN202210376294.2
申请日：2022-04-11
Applicant: 上海大学
IPC: G06V10/764 , G06V10/82 , G06T3/40 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于生成模型的鲁棒图像分类对抗样本分析方法，构建一个生成式神经网络模型，输入原始样本，直接输出目标模型的对抗样本，并使样本获得抗尺度变换的鲁棒性的算法。本发明方法通过设计生成式模型、随机噪声层与特殊的损失函数，通过梯度下降算法，获得抗图像尺度变换的鲁棒对抗样本生成模型。假定攻击者拥有目标模型的所有信息，并利用此先验信息构建并训练生成模型。该生成模型可自适应地改变输入图像的部分像素，在保证其与原始图像相似的情况下，使生成的图像被目标模型判别为另一区别于原始标签的类别。并且，在该生成图像经过一定比例缩小，再填充到原始尺寸后，依然能使目标模型分类错误。
-
公开(公告)号：CN114331875A
公开(公告)日：2022-04-12
申请号：CN202111497526.1
申请日：2021-12-09
Applicant: 上海大学
Abstract: 本发明公开了一种基于对抗边缘学习的印刷工艺中图像出血位预测方法。本方法基于一个二阶段的生成对抗模型，将出血位预测问题分为结构预测和图像修复。第一阶段是轮廓生成网络，该网络采用Canny边缘检测算法结合生成对抗网络预测出血位区域的图像边缘结构。第二阶段是图像修复网络，该网络使用一阶段中预测的边缘假想图作为先验，并根据原图的已知信息，使用图像修复网络对出血位区域进行预测，可以为出血位区域填充具有精致细节的内容，完成对出血位区域的填充。
-
公开(公告)号：CN111462258A
公开(公告)日：2020-07-28
申请号：CN202010246242.4
申请日：2020-03-31
Applicant: 上海大学
Abstract: 本发明公开了一种针对制作印刷菲林片的彩色纹理线条图像矢量化方法与系统：首先将图像色彩模式转换为CMYK模式，再将各个通道分离成为四幅单独的图像分别进行矢量化；与传统纹理线条矢量化操作不同，本发明利用图像中的面取代线条进行矢量化，将图像背景设为黑色，将非纹理线条区域进行边缘跟踪，并用白色填充覆盖在黑色背景上，以此规避了传统矢量化操作中的线条分离，线条走势预测等复杂计算过程，大大提升了图像矢量化的速度与质量；最后将图像数据保存为EPS格式的矢量图，保证了矢量化结果的通用性，即输出CMYK四个通道对应的四幅矢量图，供用户进行后续的修改创作，并制成菲林片进行印刷。
-
Patent Agency Ranking
公开(公告)号：CN111462023A
公开(公告)日：2020-07-28
申请号：CN202010247493.4
申请日：2020-03-31
Applicant: 上海大学
Abstract: 本发明公开了一种图像纹理线条矢量化系统和方法：首先提取需要矢量化的纹理图像的单像素线条骨架；然后，把得到的线条骨架图输入预设神经网络模型，再通过神经网络后，线条骨架图将会被分解为多条光滑无相交路径；之后在根据这些路径，在原图中找到对应区域线条，若对应区域为等宽线条，则用Bezier曲线拟合，并直接根据线宽及色彩信息，扩充骨架，写入EPS格式文件；若对应区域为非等宽线条，则需将该区域的封闭轮廓路径进行提取，并用Bezier曲线拟合，再在封闭路径中填充相对应的颜色，写入EPS格式文件；最后，将所有区域的矢量化结果合并展示给用户，用户可以在这个矢量化结果上进行轮廓上的微调，并输出EPS格式矢量图。
-
公开(公告)号：CN111461135A
公开(公告)日：2020-07-28
申请号：CN202010246248.1
申请日：2020-03-31
Applicant: 上海大学
Abstract: 本发明涉及一种利用卷积神经网络集成的数字图像局部滤波取证方法。步骤为：一、先对图像集中图像进行预处理，包括裁剪和滤波；二、将预处理后的图片划分类别并划分训练集和测试集；三、由基础的卷积核互相卷积生成大量新卷积核，对每个卷积核的性能进行评估，筛选出最优的40个卷积核；四、构建特定的有滤波层的VGG网络；五、将训练集数据输入到构建好的网络中，进行神经网络训练，重复多次，每次都在筛选出的卷积核中随机选择组成不同的滤波层以产生多组差异性结果；六、将多组差异性结果输入集成分类器得到小尺寸图像分类结果，实际检测时将小尺寸图像的分类结果整合作为原图最终检测结果；本发明可以有效地方便地解决检测局部滤波图像的问题。
-
公开(公告)号：CN108805161A
公开(公告)日：2018-11-13
申请号：CN201810375675.2
申请日：2018-04-25
Applicant: 上海大学
IPC: G06K9/62
CPC classification number: G06K9/6268 , G06K9/6256
Abstract: 本发明涉及一种多嵌入率含密图像的隐写检测方法。本方法是通过不同嵌入率图像训练得到两个集成FLD分类器。第一个集成FLD分类器由低嵌入率图像和载体图像训练得到，其能选择出更好代表载体图像和隐写图像特征的训练样本，将选出的样本和其高嵌入率版本一同训练得到第二个集成FLD分类器。在对未知类别图像分类的主要步骤是：第一个集成FLD分类器对投票数在一定范围内的图像进行分类，再由第二个集成FLD分类器对投票数在一定范围内的剩余图像进行分类，最后未分类图像由第一个集成FLD分类器分类。本发明方法分别利用这两个集成FLD分类器的优势，因而能够提升对JPEG隐写图像的识别准确率。
-
公开(公告)号：CN106407924A
公开(公告)日：2017-02-15
申请号：CN201610813341.X
申请日：2016-09-10
Applicant: 上海大学
CPC classification number: G06K9/00798 , G06K9/6205
Abstract: 本发明涉及的是一种基于路面特征的双目道路识别检测方法。本方法的操作步骤为：一、在地面上做关于直线和圆点阵的特殊标记；二、根据密度聚类的RANSAC（Random Sample Consensus）算法对图像进行拼接；三、对于读取到的图像进行灰度化处理；四、在所获取的图像进行大津法取阈值、Canny边缘检测操作；五、进行霍夫线检测，获取直线方程，偏离角度和距离，之后进行霍夫圆检测；六、对路况的情况进行判断处理计算直道或路径偏离角度与距离；七、进行霍夫圆检测，获取模拟近似折线。本发明可有效地检测在特殊标记下的路况，并在较大干扰噪声信息情况下，仍能有较高的准确率。本发明可运用于工业领域，乃至无人驾驶方面。
-
公开(公告)号：CN114331875B
公开(公告)日：2024-06-18
申请号：CN202111497526.1
申请日：2021-12-09
Applicant: 上海大学
Abstract: 本发明公开了一种基于对抗边缘学习的印刷工艺中图像出血位预测方法。本方法基于一个二阶段的生成对抗模型，将出血位预测问题分为结构预测和图像修复。第一阶段是轮廓生成网络，该网络采用Canny边缘检测算法结合生成对抗网络预测出血位区域的图像边缘结构。第二阶段是图像修复网络，该网络使用一阶段中预测的边缘假想图作为先验，并根据原图的已知信息，使用图像修复网络对出血位区域进行预测，可以为出血位区域填充具有精致细节的内容，完成对出血位区域的填充。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.02 seconds)
