-
公开(公告)号：CN102902945B
公开(公告)日：2015-04-15
申请号：CN201210370668.6
申请日：2012-09-28
Applicant: 南京汇兴博业数字设备有限公司 , 东南大学
IPC: G06K7/10
Abstract: 一种基于快速响应矩阵码外轮廓的畸变校正方法，第一步，初始化读入图像，将输入的图像转换到灰度空间；第二步，利用大津法对灰度图像进行二值化处理；第三步，对图像进行形态学处理；第四步，在形态学处理完后的图像中寻找快速响应矩阵码所在图像的轮廓；第五步，对图像进行霍夫变换，得到快速响应矩阵码的四条边缘直线；第六步，对图像进行透视变换校正原始畸变图像。本发明采用图像处理的方式将畸变图像进行扭正，实验结果表明，该方法效果比较好。
-
公开(公告)号：CN102842116A
公开(公告)日：2012-12-26
申请号：CN201210227632.2
申请日：2012-06-30
Applicant: 南京汇兴博业数字设备有限公司 , 东南大学
IPC: G06T5/00
Abstract: 一种图像内快速响应矩阵码的光照均衡处理方法，第一步，初始化读入图像，将输入的RGB图像转换到灰度空间；第二步，对灰度图像进行光照均衡处理，将不均匀光照图像分割成若干子块，然后计算每个子块内的背景光照值，通过相邻的几个子块的背景光照值插值出子块内部每个点的背景光照值，再根据每个点的背景光照值，自适应的调整它的灰度值，消除原图像中存在的不均匀光照情况，最后利用大津法对图像进行二值化处理。用这种方法对光照不均的快速响应矩阵码图像进行处理能够得到很好的效果。
-
公开(公告)号：CN102842116B
公开(公告)日：2014-12-31
申请号：CN201210227632.2
申请日：2012-06-30
Applicant: 南京汇兴博业数字设备有限公司 , 东南大学
IPC: G06T5/00
Abstract: 一种图像内快速响应矩阵码的光照均衡处理方法，第一步，初始化读入图像，将输入的RGB图像转换到灰度空间；第二步，对灰度图像进行光照均衡处理，将不均匀光照图像分割成若干子块，然后计算每个子块内的背景光照值，通过相邻的几个子块的背景光照值插值出子块内部每个点的背景光照值，再根据每个点的背景光照值，自适应的调整它的灰度值，消除原图像中存在的不均匀光照情况，最后利用大津法对图像进行二值化处理。用这种方法对光照不均的快速响应矩阵码图像进行处理能够得到很好的效果。
-
公开(公告)号：CN102902945A
公开(公告)日：2013-01-30
申请号：CN201210370668.6
申请日：2012-09-28
Applicant: 南京汇兴博业数字设备有限公司 , 东南大学
IPC: G06K7/10
Abstract: 一种基于快速响应矩阵码外轮廓的畸变校正方法，第一步，初始化读入图像，将输入的图像转换到灰度空间；第二步，利用大津法对灰度图像进行二值化处理；第三步，对图像进行形态学处理；第四步，在形态学处理完后的图像中寻找快速响应矩阵码所在图像的轮廓；第五步，对图像进行霍夫变换，得到快速响应矩阵码的四条边缘直线；第六步，对图像进行透视变换校正原始畸变图像。本发明采用图像处理的方式将畸变图像进行扭正，实验结果表明，该方法效果比较好。
-
公开(公告)号：CN109064396A
公开(公告)日：2018-12-21
申请号：CN201810666177.3
申请日：2018-06-22
Applicant: 东南大学
IPC: G06T3/40
CPC classification number: G06T3/4053 , G06T3/4023 , G06T3/4046
Abstract: 本发明公开了一种基于深度成分学习网络的单幅图像超分辨率重建方法，包括：扩充训练样本图像并进行区域抽取以及退化操作，得到对应的高分辨率和低分辨率图像训练集；构建一个具有成分学习结构的深层网络，该网络先对输入的低分辨率图像进行全局成分分解，再利用从中提取的残差成分预测其在高分辨率空间的对应图像；在训练集上使用批处理随机梯度下降法和反向传播算法对构建的深度成分网络进行迭代训练，得到权值优化后的模型；利用训练好的成分网络重建低分辨率图像；将重建结果恢复到原先的彩色空间，得到超分辨率重建的最终输出。本发明方法不仅能够提升重建后超分辨率图像的质量，还能提高模型的运算速度。
-
Patent Agency Ranking
公开(公告)号：CN103927523B
公开(公告)日：2017-01-18
申请号：CN201410169673.X
申请日：2014-04-24
Applicant: 东南大学
Abstract: 本发明是一种基于纵向灰度特征的雾天等级检测方法，包括如下步骤：第一步，读入连续交通视频帧；第二步，对连续图像序列在感兴趣区域内进行背景提取，获取逐行灰度信息：首先对背景图片每行的灰度均值进行标准化处理，求出灰度均值随图像纵坐标值变化的曲线，然后求出逐行的灰度斜率特征；第三步，根据判定条件将图像包含天气信息划分为非雾天、小雾天气和大雾天气：首先若满足连续10行或以上的灰度斜率特征大于25，则为晴天，否则继续判定，其次若满足连续10行或以上的灰度斜率特征大于15，则为小雾天气，否则继续判定，则为大雾天气。本发明适用于对高速公路进行雾天监测，能有效的判断出雾天等级，从而保证交通道路的行驶安全。
-
公开(公告)号：CN103927523A
公开(公告)日：2014-07-16
申请号：CN201410169673.X
申请日：2014-04-24
Applicant: 东南大学
Abstract: 本发明是一种基于纵向灰度特征的雾天等级检测方法，包括如下步骤：第一步，读入连续交通视频帧；第二步，对连续图像序列在感兴趣区域内进行背景提取，获取逐行灰度信息：首先对背景图片每行的灰度均值进行标准化处理，求出灰度均值随图像纵坐标值变化的曲线，然后求出逐行的灰度斜率特征；第三步，根据判定条件将图像包含天气信息划分为非雾天、小雾天气和大雾天气：首先若满足连续10行或以上的灰度斜率特征大于25，则为晴天，否则继续判定，其次若满足连续10行或以上的灰度斜率特征大于15，则为小雾天气，否则继续判定，则为大雾天气。本发明适用于对高速公路进行雾天监测，能有效的判断出雾天等级，从而保证交通道路的行驶安全。
-
公开(公告)号：CN102208019A
公开(公告)日：2011-10-05
申请号：CN201110148361.7
申请日：2011-06-03
Applicant: 东南大学
Abstract: 一种基于车载摄像机的当前车辆变道检测方法，第一步，初始化读入图像，将输入的图像转换到灰度空间；第二步，对图像天空区域和地面区域进行分割，获取地面区域图像；第三步，利用索贝尔算子进行边缘检测；第四步，利用大津法进行二值化；第五步，限定拟合范围，有最低拟合点数限制的霍夫变换，提取车道线方程；第六步，判断车道线类型；第七步，车道线处理结果归类；第八步，判断当前车辆变道情况，本发明采用图像的方式检测当前车辆变换车道情况，利用驾校已有的车载摄像机，成本低廉，实时性高，检测数据多样化，评价学员变道水平准确客观，设备安装简单，适用面广。
-
公开(公告)号：CN109064396B
公开(公告)日：2023-04-07
申请号：CN201810666177.3
申请日：2018-06-22
Applicant: 东南大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于深度成分学习网络的单幅图像超分辨率重建方法，包括：扩充训练样本图像并进行区域抽取以及退化操作，得到对应的高分辨率和低分辨率图像训练集；构建一个具有成分学习结构的深层网络，该网络先对输入的低分辨率图像进行全局成分分解，再利用从中提取的残差成分预测其在高分辨率空间的对应图像；在训练集上使用批处理随机梯度下降法和反向传播算法对构建的深度成分网络进行迭代训练，得到权值优化后的模型；利用训练好的成分网络重建低分辨率图像；将重建结果恢复到原先的彩色空间，得到超分辨率重建的最终输出。本发明方法不仅能够提升重建后超分辨率图像的质量，还能提高模型的运算速度。
-
公开(公告)号：CN107248140A
公开(公告)日：2017-10-13
申请号：CN201710287726.1
申请日：2017-04-27
Applicant: 东南大学
CPC classification number: G06T3/4053 , G06K9/6256 , G06K9/6268
Abstract: 本发明公开了一种基于双向对齐稀疏表示的单幅图像超分辨率重建方法，包括如下步骤：（1）读入一幅彩色低分辨率图像，将该图像由RGB彩色空间转换到YCbCr彩色空间；（2）利用双三次插值法将图像初步转化到目标大小，然后着重对转化后图像的亮度分量进行基于双向对齐稀疏表示的超分辨率重建建模操作，最后通过迭代收缩阈值算法对重建模型迭代求解，得到高分辨率图像亮度分量的最优估计值；（3）将图像从YCbCr彩色空间转换到RGB彩色空间，得到超分辨率重建的最终输出。本发明方法不仅能够有效提升重建后的图像质量，还在鲁棒性方面优于传统的方法。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.033 seconds)
