-
公开(公告)号：CN102542282B
公开(公告)日：2013-12-04
申请号：CN201010608117.X
申请日：2010-12-16
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明公开了一种无源图像马赛克检测方法及装置，应用于图像检测技术领域。该方法包括：对待检测图像进行边缘检测，得到二值边缘图像；采用长方形结构元素对二值边缘图像进行膨胀；使用多个方形模板对膨胀处理后的二值边缘图像进行模板匹配，并将多个方形模板与二值边缘图像匹配得到的匹配点叠加在一幅二值边缘图像中；以设定的阈值将叠加形成的二值边缘图像分成多个预选块，如果所述预选块中包括多个匹配点，则保留一个形成模板匹配点图；对待检测图像进行角点检测生成角点检测图；如果在所述任一预选块的区域范围内有角点则确定该预选块的为马赛克。本发明提供的方法及装置角点检测和模板匹配同时进行，提高了检测马赛克失真区域的精确程度。
-
公开(公告)号：CN105096249B
公开(公告)日：2018-06-26
申请号：CN201410222467.0
申请日：2014-05-23
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供一种图像处理方法和装置，通过按照预先处理训练集中的图像对所采用的分割规则，将待处理的照片或者素描图像分割成N个大小相同的第一图像块，然后确定每个第一图像块与预先对训练集中的图像对应用聚类算法处理所获取的M个类之间的对应关系，根据预先训练的、与每个第一图像块归属的类所对应的训练参数获取与每个第一图像块对应的第二图像块，最后根据获取的与所述N个第一图像块对应的N个第二图像块合成与所述待处理的照片或者素描图像对应的素描图像或者照片，实现了通过字典学习法进行照片与素描图片之间的相互合成，避免出现人工制造的小块，提高了合成效果的清晰度。
-
公开(公告)号：CN106327539B
公开(公告)日：2019-06-28
申请号：CN201510379625.8
申请日：2015-07-01
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T11/00
Abstract: 本发明提供了一种基于样例的图像重建方法及装置，所述方法包括：将待转换的第一图像划分为r*r大小的第一图像块，r属于预设集合K中的元素；将预设的目标风格图像划分为r*r大小的第二图像块；获取每一第一图像块的目标第二图像块；将所有第一图像块的目标第二图像块融合，重建第一图像的目标风格图像，将第一图像的目标风格图像作为转换后的第二图像；依次获取预设集合K中每一元素r对应的第二图像；采用多层次融合策略将重建的所有第二图像进行融合，得到用于输出的第一图像的目标风格图像。上述方法利用输入图像的结构信息和纹理信息实现对图像目标风格化的重建，进而优化图像的风格化重建效果。
-
公开(公告)号：CN104376544B
公开(公告)日：2017-04-19
申请号：CN201310356709.0
申请日：2013-08-15
Applicant: 北京大学
Abstract: 本发明涉及一种基于多区域尺度放缩补偿的非局部超分辨率重建方法，根据运动估计的图像区域划分算法和计算图像不同区域的尺度差异的算法，同时采用一种新的可以补偿尺度差异的方式，最终提升基于多帧融合的超分辨率重建方法的性能。本发明充分考虑了由于镜头缩放、物体运动后图像整体或其中的一部分的尺度发生了变化而导致相似信息不能很好地匹配的问题。
-
公开(公告)号：CN104376544A
公开(公告)日：2015-02-25
申请号：CN201310356709.0
申请日：2013-08-15
Applicant: 北京大学
Abstract: 本发明涉及一种基于多区域尺度放缩补偿的非局部超分辨率重建方法，根据运动估计的图像区域划分算法和计算图像不同区域的尺度差异的算法，同时采用一种新的可以补偿尺度差异的方式，最终提升基于多帧融合的超分辨率重建方法的性能。本发明充分考虑了由于镜头缩放、物体运动后图像整体或其中的一部分的尺度发生了变化而导致相似信息不能很好地匹配的问题。
-
Patent Agency Ranking
公开(公告)号：CN104103052A
公开(公告)日：2014-10-15
申请号：CN201310125234.4
申请日：2013-04-11
Applicant: 北京大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于稀疏表示的图像超分辨率重建方法，其步骤包括：1）从输入图像序列选出一部分为显著区域，剩余部分为非显著区域；2）根据显著区域训练一对显著字典D'l，D'h，并将该显著区域通过上下文稀疏分解在低分辨率显著字典D'l上得到显著稀疏系数；3）根据非显著区域训练一对通用字典Dl，Dh，并通过低分辨率通用字典Dl进行稀疏分解得到非显著稀疏系数；4）将稀疏系数与高分辨率显著字典D'h或高分辨率通用字典Dh相乘进行率重建，获得高分辨率图像序列。本发明在传统稀疏表示超分辨率框架基础上，重点关注图像内在结构信息，并将此作为先验模型约束L0-范数问题求解，在保持与传统稀疏表示方法复杂度相当同时，在主观和客观效果上性能都优于其他方法。
-
公开(公告)号：CN106327422B
公开(公告)日：2019-05-07
申请号：CN201510379988.1
申请日：2015-07-01
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T3/00
Abstract: 本发明提供了一种图像风格化重建方法及装置，该方法包括：获取待转换的输入图像的第一边缘图像，以及目标风格图像的第二边缘图像；获取第一边缘图像的每一第一图像块的相似图像块集合，该每一相似图像块集合中的元素为与该第一图像块相似的第二图像块；根据所有的第一图像块，获取输入图像字典以及稀疏分解的稀疏系数；根据所有第一图像块对应的相似图像块集合，获取目标图像字典；根据所述输入图像字典、目标图像字典、稀疏系数，获得重建出所述输入图像的目标风格的第三图像；将第三图像和预先生成的初始化风格图像融合，得到用于输出的所述输入图像的重建风格化图像。上述方法及装置用以解决现有技术中图像风格化重建时无外部训练集的问题。
-
公开(公告)号：CN104103052B
公开(公告)日：2017-08-04
申请号：CN201310125234.4
申请日：2013-04-11
Applicant: 北京大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于稀疏表示的图像超分辨率重建方法，其步骤包括：1）从输入图像序列选出一部分为显著区域，剩余部分为非显著区域；2）根据显著区域训练一对显著字典D'l，D'h，并将该显著区域通过上下文稀疏分解在低分辨率显著字典D'l上得到显著稀疏系数；3）根据非显著区域训练一对通用字典Dl，Dh，并通过低分辨率通用字典Dl进行稀疏分解得到非显著稀疏系数；4）将稀疏系数与高分辨率显著字典D'h或高分辨率通用字典Dh相乘进行率重建，获得高分辨率图像序列。本发明在传统稀疏表示超分辨率框架基础上，重点关注图像内在结构信息，并将此作为先验模型约束L0‑范数问题求解，在保持与传统稀疏表示方法复杂度相当同时，在主观和客观效果上性能都优于其他方法。
-
公开(公告)号：CN104182931B
公开(公告)日：2017-04-26
申请号：CN201310190494.X
申请日：2013-05-21
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T5/00
Abstract: 本发明提供了一种超分辨率方法和装置，该方法包括：获取低分辨率图像序列；依次提取所述低分辨率图像序列当前帧中的目标块及所述目标块的候选块；计算各候选块与所述目标块的灰度相似度和结构相似度；根据所述灰度相似度和结构相似度，确定所述候选块的权值；对各候选块中心点的像素值进行加权平均，并将得到的加权平均值作为所述目标块的中心点的图像值。利用本发明，可以避免光照影响，获得效果较好的高分辨率图像。
-
公开(公告)号：CN105096249A
公开(公告)日：2015-11-25
申请号：CN201410222467.0
申请日：2014-05-23
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供一种图像处理方法和装置，通过按照预先处理训练集中的图像对所采用的分割规则，将待处理的照片或者素描图像分割成N个大小相同的第一图像块，然后确定每个第一图像块与预先对训练集中的图像对应用聚类算法处理所获取的M个类之间的对应关系，根据预先训练的、与每个第一图像块归属的类所对应的训练参数获取与每个第一图像块对应的第二图像块，最后根据获取的与所述N个第一图像块对应的N个第二图像块合成与所述待处理的照片或者素描图像对应的素描图像或者照片，实现了通过字典学习法进行照片与素描图片之间的相互合成，避免出现人工制造的小块，提高了合成效果的清晰度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.017 seconds)
