-
Patent Agency Ranking
公开(公告)号：CN103413286A
公开(公告)日：2013-11-27
申请号：CN201310334142.7
申请日：2013-08-02
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于学习的高动态范围与高分辨率图像联合重建方法，算法分为离线训练和在线学习两部分。离线部分包括学习样本采集、组织和分类预测器训练部分。样本采集过程根据场景亮度不同分为三类分别进行。采用聚类方法对样本文件进行组织。然后，通过线性或非线性预测器学习方法对分类预测器进行训练。在线重建部分对输入的多幅具有不同曝光参数的LR-LDR图像进行HDR-HR重建。首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线训练部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息的预测，最终重建细节信息。该发明可对高对比度场景进行有效成像，本发明可用于夜晚街景监控图像处理。
-
公开(公告)号：CN102663361B
公开(公告)日：2014-01-01
申请号：CN201210096595.6
申请日：2012-04-01
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向整体特征分析的人脸图像可逆几何归一化方法，采用基于二次仿射变换的方法，首先进行全局仿射即对人脸图像按照人脸的标准结构定义进行全局的旋转、缩放和裁剪，使得输入人脸图像达到双眼坐标处于同一水平线、双眼中心距离按照标准结构的参数d进行归一化，并使人脸的横向与纵向比例与标准结构一致。将图像裁剪为2d×2d大小。然后通过局部仿射变换针对嘴区域进行几何位置归一化。最后利用图像边缘融合达到最终形成标准几何归一化人脸图像。逆归一化过程即根据逆变换参数将标准结构人脸图像通过二次仿射逆变换恢复到几何归一化之前的几何结构特征，以便保持不同人脸特征点的个性化拓扑结构。经过几何归一化的人脸图像可用于基于整体特征的人脸分析，如用于人脸图像的超分辨率重建，人脸识别等。
-
公开(公告)号：CN103413285A
公开(公告)日：2013-11-27
申请号：CN201310333081.2
申请日：2013-08-02
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 本发明公开了基于样本预测的HDR和HR图像重建方法。算法分为离线训练和在线学习两部分。离线部分包括学习样本采集、组织和分类预测器训练部分。样本采集过程根据场景亮度不同分为三类分别进行。采用聚类方法对样本文件进行组织。然后，通过线性或非线性预测器学习方法对分类预测器进行训练。在线重建部分对输入的多幅幅具有不同曝光参数的LR-LDR图像进行HDR-HR重建。首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线训练部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息的预测，最终重建高频信息。该发明可对高对比度场景进行有效成像，达到同时重建高分辨率和高动态范围图像的目标。
-
公开(公告)号：CN103413286B
公开(公告)日：2017-05-03
申请号：CN201310334142.7
申请日：2013-08-02
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于学习的高动态范围与高分辨率图像联合重建方法，算法分为离线训练和在线学习两部分。离线部分包括学习样本采集、组织和分类预测器训练部分。样本采集过程根据场景亮度不同分为三类分别进行。采用聚类方法对样本文件进行组织。然后，通过线性或非线性预测器学习方法对分类预测器进行训练。在线重建部分对输入的多幅具有不同曝光参数的LR‑LDR图像进行HDR‑HR重建。首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线训练部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息的预测，最终重建细节信息。该发明可对高对比度场景进行有效成像，本发明可用于夜晚街景监控图像处理。
-
公开(公告)号：CN102663361A
公开(公告)日：2012-09-12
申请号：CN201210096595.6
申请日：2012-04-01
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向整体特征分析的人脸图像可逆几何归一化方法，采用基于二次仿射变换的方法，首先进行全局仿射即对人脸图像按照人脸的标准结构定义进行全局的旋转、缩放和裁剪，使得输入人脸图像达到双眼坐标处于同一水平线、双眼中心距离按照标准结构的参数d进行归一化，并使人脸的横向与纵向比例与标准结构一致。将图像裁剪为2d×2d大小。然后通过局部仿射变换针对嘴区域进行几何位置归一化。最后利用图像边缘融合达到最终形成标准几何归一化人脸图像。逆归一化过程即根据逆变换参数将标准结构人脸图像通过二次仿射逆变换恢复到几何归一化之前的几何结构特征，以便保持不同人脸特征点的个性化拓扑结构。经过几何归一化的人脸图像可用于基于整体特征的人脸分析，如用于人脸图像的超分辨率重建，人脸识别等。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
