-
公开(公告)号：CN105930812A
公开(公告)日：2016-09-07
申请号：CN201610268208.0
申请日：2016-04-27
Applicant: 东南大学
CPC classification number: G06K9/00825 , G06K9/00711 , G06K9/46 , G06K9/54 , G06K9/6267 , G06K2209/23
Abstract: 本发明公开了一种基于融合特征稀疏编码模型的车辆品牌类型识别方法，包括以下步骤：1)车辆前脸区域的定位提取及车辆前脸图像的预处理；2)提取车辆前脸特征并构建融合特征；3)构建基于融合特征的稀疏编码模型；4)构建非负性约束稀疏编码模型；5)采用重构误差最小法进行车辆品牌类型识别。本发明有效地提取车辆前脸的特征来实现对不同车辆品牌的分类，用于自动提取拍摄到的交通卡口视频中车辆品牌信息并进行分类，实现对卡口视频数据的智能化管理。
-
公开(公告)号：CN103268597A
公开(公告)日：2013-08-28
申请号：CN201310220100.0
申请日：2013-06-04
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像畸变的校正方法，包括以下步骤：步骤10）获取原始图像数据，步骤20）建立校正图像，步骤40）测算校正图像上像素点的红色值、绿色值和蓝色值,步骤50）建立校正图像：返回步骤30），直至测算出校正图像上的每个像素点的红色值、绿色值和蓝色值，从而建立校正图像。该校正方法在图像畸变系数已知的情况下，对畸变校正后的图像上的每一个像素点进行逆向测算，得到其在原始图像中的位置，然后利用双线性插值测算该像素点的红、绿、蓝的颜色值，校正过程简单，效率高。
-
公开(公告)号：CN103268597B
公开(公告)日：2015-12-02
申请号：CN201310220100.0
申请日：2013-06-04
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像畸变的校正方法，包括以下步骤：步骤10）获取原始图像数据，步骤20）建立校正图像，步骤40）测算校正图像上像素点的红色值、绿色值和蓝色值,步骤50）建立校正图像：返回步骤30），直至测算出校正图像上的每个像素点的红色值、绿色值和蓝色值，从而建立校正图像。该校正方法在图像畸变系数已知的情况下，对畸变校正后的图像上的每一个像素点进行逆向测算，得到其在原始图像中的位置，然后利用双线性插值测算该像素点的红、绿、蓝的颜色值，校正过程简单，效率高。
-
-
Search Results
3
records
(took 0.016 seconds)
