-
公开(公告)号:CN111275100B
公开(公告)日:2022-12-09
申请号:CN202010057887.3
申请日:2020-01-16
Applicant: 东华大学
IPC: G06V10/764 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种基于训练集样本低秩筛选的图像特征鉴别方法,基于2D LDA特征提取的最近邻分类器对噪声比较敏感,为此本发明将2D PCA低秩技术和2D LDA方法结合起来,所提方法通过进行训练集样本图像的有效信息择决操作,在一定置信度下获取不同类别的可靠样本,从而找到一个能够体现原始样本信息的容错训练子集。在图像特征鉴别中引入2D PCA预处理,可使筛选后的容错训练子集对噪声不敏感,使得后续的最近邻分类模型更加精确可靠,从而提高图像特征鉴别的鲁棒性和分类正确率,是大规模图像信息归类的一种有效方式。
-
公开(公告)号:CN108537739B
公开(公告)日:2021-11-09
申请号:CN201810127313.1
申请日:2018-02-08
Applicant: 东华大学
Abstract: 本发明涉及一种基于特征匹配度的无参考视频增强效果评测方法,包括以下步骤:使用某一视频增强算法E对含有N帧的原始视频V进行质量增强,得到已增强视频Ve;按帧顺序依次获取已增强视频帧的基色分量图像,采用不变量特征算子分别提取分量图像的特征向量;依次对前后帧中同一基色分量的特征向量进行特征匹配,分别计算出两幅分量图像特征点匹配成功的个数;判断当前帧是否为已增强视频Ve的最后一帧,如果不是,则返回上述步骤;否则,进入下一步骤;累计所有前后帧基色分量的特征匹配点数,将所有特征匹配点数的每帧分量平均值作为该视频增强算法的特征匹配度。本发明为改进无参考视频增强算法提供了一种客观评测准则。
-
公开(公告)号:CN108235020B
公开(公告)日:2021-07-02
申请号:CN201810012253.9
申请日:2018-01-05
Applicant: 东华大学
IPC: H04N19/176 , H04N19/124 , H04N19/147 , H04N19/593
Abstract: 本发明涉及一种面向量化分块压缩感知的螺旋式逐块测量值预测方法,包括以下步骤:按照螺旋次序,依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值,其中,每个图像块均使用相同的观测矩阵;根据当前图像块的螺旋次序,对测量值执行测量值的多方向预测,得到最优的预测残差;对当前图像块最优的预测残差进行量化输出,获得量化值;对量化分块压缩感知系统的测量端的量化值进行反量化,得到当前图像块的重构残差;将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值,随后进行缓存,为后续图像块的测量值预测做准备。本发明能够提高QBCS的整体率失真性能。
-
公开(公告)号:CN111147853B
公开(公告)日:2021-05-25
申请号:CN201911323397.7
申请日:2019-12-20
Applicant: 东华大学
IPC: H04N19/13 , H04N19/147 , H04N19/176 , H04N19/124 , H04N5/232
Abstract: 在分块压缩感知(BCS)系统中,测量端需要逐块地进行观测值预测,本发明提出了一种基于变焦预观测的先验子块生成方法。测量端新增了控制器、焦距调整、全景观测等功能模块。对于目标图像,控制器首先转入变焦预观测流程,焦距调整的准则是使得整幅图像刚好落入块尺寸的观测范围,随后执行全景观测,获取先验子块;接下来,控制器转入逐块观测获取观测值,基于先验子块执行SDPC观测值预测,对最小预测残差进行量化与熵编码,产生二进制比特流。所提方法可以充分利用自然图像的非局部空域相关性,降低图像边缘对预测准确度的影响。
-
公开(公告)号:CN111602917A
公开(公告)日:2020-09-01
申请号:CN202010447556.0
申请日:2020-05-25
Applicant: 东华大学
Abstract: 本发明涉及一种可拆卸可收缩户外遮阳安全帽,属于劳防安全用品技术领域。安全帽主体内侧底部的减震和保护装置连接有下巴固定扣带和后脑固定扣带,安全帽主体外侧顶部设有透气孔;安全帽主体设有可拆卸式遮阳帽檐和可收放式遮阳布装置;安全帽主体前侧帽檐处设有可拆卸式遮阳帽檐;遮阳帽檐可以根据需要自行拆装;安全帽主体的两侧和脑后侧设有可收放式遮阳布装置。遮阳布可根据需要自行拉出或收缩。本发明在不明显增大安全帽体积的同时,既可以正常地保护头部安全,也增加了给头部降温的透气孔,同时又可以减少强烈的阳光照射引起的晒伤、头晕、中暑等情况的发生;结构简单,使用操作方便快捷,适用于多种户外作业环境。
-
公开(公告)号:CN111275125A
公开(公告)日:2020-06-12
申请号:CN202010085541.4
申请日:2020-02-10
Applicant: 东华大学
IPC: G06K9/62
Abstract: 本发明涉及一种面向图像可靠分类的类别标签恢复方法,属于机器视觉技术领域。本发明将标签传播过程、PCA降维和LDA分类结合起来,公开了一种面向低秩图像特征分析的类别标签恢复方法。所提方法通过引入标签传播过程,获得标签恢复后的数据集,随后执行PCA可靠降维,以降低可靠数据集的维度,同时保持可靠数据集中对方差贡献最大的信息,最后提取LDA特征,得到鉴别分析的低秩特征。所提方法通过对含有缺失标签的数据集进行预处理,还原缺失的类别标签,并通过可靠降维提取出最具判别性的特征,使得后续的最近邻分类器更加精确可靠;提高了样本标签数据的鲁棒性,使得分类模型更加有效。
-
公开(公告)号:CN109120932A
公开(公告)日:2019-01-01
申请号:CN201810766665.1
申请日:2018-07-12
Applicant: 东华大学
IPC: H04N19/137 , H04N19/182 , H04N19/503 , G06K9/62
Abstract: 本发明提出了一种基于HEVC压缩域双SVM模型的视频显著性预测方法。所提方法对视频数据集中选定的所有训练视频序列进行分类,使用分类的训练视频序列A类和B类对HEVC压缩域双SVM显著性预测模型分别进行训练,得到两种不同的压缩域显著性预测模型。从视频数据集中选取某一测试视频序列进行预分类操作,使用已经训练好的HEVC双SVM显著性预测模型对测试视频序列进行显著性的预测,所提方法能够获得较好的显著性预测效果。
-
公开(公告)号:CN108235020A
公开(公告)日:2018-06-29
申请号:CN201810012253.9
申请日:2018-01-05
Applicant: 东华大学
IPC: H04N19/176 , H04N19/124 , H04N19/147 , H04N19/593
Abstract: 本发明涉及一种面向量化分块压缩感知的螺旋式逐块测量值预测方法,包括以下步骤:按照螺旋次序,依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值,其中,每个图像块均使用相同的观测矩阵;根据当前图像块的螺旋次序,对测量值执行测量值的多方向预测,得到最优的预测残差;对当前图像块最优的预测残差进行量化输出,获得量化值;对量化分块压缩感知系统的测量端的量化值进行反量化,得到当前图像块的重构残差;将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值,随后进行缓存,为后续图像块的测量值预测做准备。本发明能够提高QBCS的整体率失真性能。
-
公开(公告)号:CN116939223A
公开(公告)日:2023-10-24
申请号:CN202310814109.8
申请日:2023-07-05
Applicant: 东华大学
IPC: H04N19/51 , H04N19/172
Abstract: 本发明提出一种搜索窗自适应的运动补偿重构方法,首先根据当前帧的测量值采用分块压缩感知‑平滑投影Landweber(BCS‑SPL)算法初步帧内重构当前帧。然后,判断当前帧是否与关键帧相邻,在关键帧中确定与当前帧中每个非重叠块对应的匹配块:若与关键帧相邻,使用块匹配法在关键帧中确定匹配块;若与关键帧不相邻,采用光流法获取相邻非关键帧之间的运动向量,再联合前向相邻非关键帧与关键帧之间的运动信息在关键帧中确定匹配块。最后,由当前重构块与关键帧中匹配块的相对位置关系,自适应地确定一个符合运动变化的矩形搜索窗口。在低延迟框架下,本发明所提方法能够有效提升非关键帧的恢复质量,同时减少非必要的块匹配运算。
-
公开(公告)号:CN111292263B
公开(公告)日:2022-11-04
申请号:CN202010069967.0
申请日:2020-01-21
Applicant: 东华大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于颜色校正和去模糊的图像增强方法。所提方法有效融合了颜色校正和去模糊两个阶段。在颜色校正阶段,首先对原始图像进行对比度拉伸,为了解决对比度拉伸过度或拉伸不足等问题,所提方法根据灰度世界先验,通过伽马校正来进一步优化和调整图像的对比度和色彩,使图像的R、G、B各个通道的灰度平均值趋于相等。接着,所提方法引入去模糊阶段来增强图像的细节,使用暗通道先验对颜色校正后的图像进行去模糊,得到最终的增强图像。本发明所提出的水下图像增强方法具有良好的整体恢复效果,能够在优化全局对比度和色彩的同时,恢复了图像的细节信息。
-
-
-
-
-
-
-
-
-