-
公开(公告)号：CN106780362B
公开(公告)日：2019-07-02
申请号：CN201611041461.9
申请日：2016-11-23
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 基于双色反射模型与双边滤波的道路视频去雾方法，涉及图像处理领域，具体涉及一种视频去雾方法。本发明首先针对道路的视频确定视频中的图像是否处于有雾状态；并针对视频中有雾状态的图像，采用物理去雾模型，确定需要的参数；然后针对视频中有雾状态的图像，结合双色反射模型与双边滤波找到雾的位置，从而估计全球大气光成分A以及透射率t(x)；将透射率的范围限制为min(t(x),0.1)；根据透射率的范围限制得到恢复的无雾图像的像素。本发明用于视频或图像的去雾。
-
公开(公告)号：CN105654493B
公开(公告)日：2018-11-02
申请号：CN201511029317.9
申请日：2015-12-30
Applicant: 哈尔滨工业大学
Abstract: 一种改进的光学仿射不变双目立体匹配代价与视差优化方法，本发明涉及改进的光学仿射不变双目立体匹配代价与视差优化方法。本发明的目的是为了解决现有方法很难得到实时性能，在光学扭曲情况下，精度受到影响，算法复杂度高，计算量大的问题。具体过程为：一、左右两个摄像头分别自动摄取两幅图像；二、对左视图和右视图进行改进的Census变换；三、计算相对梯度；四、计算双目立体匹配代价；五、对立体匹配代价进行叠加；六、建立视差置信度；七、从1到N视差置信度传递；八、从N到1视差置信度传递；九、对图像的每一列，从1到M视差置信度传递；十、从M到1视差置信度传递；十一、得到Df。本发明应用于图像处理领域。
-
公开(公告)号：CN106780362A
公开(公告)日：2017-05-31
申请号：CN201611041461.9
申请日：2016-11-23
Applicant: 哈尔滨工业大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T5/003 , G06T2207/20028 , G06T2207/20182
Abstract: 基于双色反射模型与双边滤波的道路视频去雾方法，涉及图像处理领域，具体涉及一种视频去雾方法。本发明首先针对道路的视频确定视频中的图像是否处于有雾状态；并针对视频中有雾状态的图像，采用物理去雾模型，确定需要的参数；然后针对视频中有雾状态的图像，结合双色反射模型与双边滤波找到雾的位置，从而估计全球大气光成分A以及透射率t(x)；将透射率的范围限制为min(t(x),0.1)；根据透射率的范围限制得到恢复的无雾图像的像素。本发明用于视频或图像的去雾。
-
公开(公告)号：CN105678240A
公开(公告)日：2016-06-15
申请号：CN201511023648.1
申请日：2015-12-30
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/00791 , G06T5/001 , G06T2207/10024 , G06T2207/20224 , G06T2207/30252
Abstract: 一种用于道路去反光的图像处理方法，涉及图像模式识别领域。满足了对既能实现道路去反光，又能使道路不失真的适用于道路去反光的图像处理方法的需求。通过摄像机得到路面有反光的图像；对路面有反光的图像进行RGB三个通道的分解，获得RGB三个通道的三幅灰度图像；比较三幅灰度图像的同一个像素的灰度值，获得灰度值最小的一幅灰度图像，该灰度图像作为路面的估计镜面反射图像；将路面的估计镜面反射图像中的每一个像素的像素值与标准阈值进行比较，标定路面的估计镜面反射图像的反光部分和不反光部分，获得滤波后的路面镜面反射图像；将路面有反光的图像与滤波后的路面镜面反射图像做差，即获得路面去反光图像。它适用于物体去反光。
-
公开(公告)号：CN104778721A
公开(公告)日：2015-07-15
申请号：CN201510233157.3
申请日：2015-05-08
Applicant: 哈尔滨工业大学
IPC: G06T7/00
Abstract: 一种双目图像中显著性目标的距离测量方法，本发明涉及一种双目图像中目标的距离测量方法。本发明的目的是提出一种双目图像中显著性目标的距离测量方法，以解决现有的目标距离测量方法处理速度慢的问题。步骤一、利用视觉显著性模型对双目图像进行显著性特征提取，并标出种子点和背景点；步骤二、对双目图像建立加权图；步骤三、利用步骤一中的种子点和背景点和步骤二中的加权图，通过随机游走图像分割算法将双目图像中的显著性目标分割出来；步骤四、通过SIFT算法将显著性目标单独进行关键点匹配；步骤五、将步骤四求出的视差矩阵K'代入双目测距的模型中求出显著性目标距离。本发明可应用于智能汽车行驶中对视野前方图像显著性目标的距离测量。
-
Patent Agency Ranking
公开(公告)号：CN105678240B
公开(公告)日：2019-01-18
申请号：CN201511023648.1
申请日：2015-12-30
Applicant: 哈尔滨工业大学
Abstract: 一种用于道路去反光的图像处理方法，涉及图像模式识别领域。满足了对既能实现道路去反光，又能使道路不失真的适用于道路去反光的图像处理方法的需求。通过摄像机得到路面有反光的图像；对路面有反光的图像进行RGB三个通道的分解，获得RGB三个通道的三幅灰度图像；比较三幅灰度图像的同一个像素的灰度值，获得灰度值最小的一幅灰度图像，该灰度图像作为路面的估计镜面反射图像；将路面的估计镜面反射图像中的每一个像素的像素值与标准阈值进行比较，标定路面的估计镜面反射图像的反光部分和不反光部分，获得滤波后的路面镜面反射图像；将路面有反光的图像与滤波后的路面镜面反射图像做差，即获得路面去反光图像。它适用于物体去反光。
-
公开(公告)号：CN104050681B
公开(公告)日：2017-08-25
申请号：CN201410317354.9
申请日：2014-07-04
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 一种基于视频图像的道路消失点检测方法，涉及一种道路消失点的检测方法，属于道路检测领域。本发明解决了现有的检测方法错误率较高，传统的投票算法比较复杂，大部分的时间是消耗在投票算法上的，以及利用Gabor小波的多尺度和多方向特性进行纹理特征提取时存在计算量较大的问题。本发明的技术要点为：输入一帧图像数据，将其转换为灰度图像并进行快速傅里叶变换；基于Gabor滤波器的纹理响应幅度的计算；计算图像纹理主方向；计算粒子的票数；调整粒子分布范围；建立消失点动态和观测模型；粒子滤波及消失点输出。本发明可应用于智能行走机器人或无人驾驶汽车自主导航等计算机视觉系统中。
-
公开(公告)号：CN105654493A
公开(公告)日：2016-06-08
申请号：CN201511029317.9
申请日：2015-12-30
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T2207/10021 , G06T2207/20228
Abstract: 一种改进的光学仿射不变双目立体匹配代价与视差优化方法，本发明涉及改进的光学仿射不变双目立体匹配代价与视差优化方法。本发明的目的是为了解决现有方法很难得到实时性能，在光学扭曲情况下，精度受到影响，算法复杂度高，计算量大的问题。具体过程为：一、左右两个摄像头分别自动摄取两幅图像；二、对左视图和右视图进行改进的Census变换；三、计算相对梯度；四、计算双目立体匹配代价；五、对立体匹配代价进行叠加；六、建立视差置信度；七、从1到N视差置信度传递；八、从N到1视差置信度传递；九、对图像的每一列，从1到M视差置信度传递；十、从M到1视差置信度传递；十一、得到Df。本发明应用于图像处理领域。
-
公开(公告)号：CN105512641B
公开(公告)日：2019-02-19
申请号：CN201511029592.0
申请日：2015-12-31
Applicant: 哈尔滨工业大学
Abstract: 一种采用激光雷达扫描法标定雨雪状态下视频中的动态行人及车辆的方法，涉及图像模式识别和机器智能领域。解决了现有算法的实时性差以及识别动态物体不准确的问题。当检测到视频中处于下雨下雪状态时，将视频分解成一帧帧图像；采用激光雷达扫描视频窗口前方，通过激光雷达测得动态物体的距离信息，得到动态物体的瞬时速度，并根据该瞬时速度判断动态物体的类型，动态物体的类型包括行人和车辆；通过激光雷达扫描物体中线位置，根据中线位置获得视频中行人及车辆的位置坐标；步将步骤三中的行人及车辆的位置坐标映射到步骤一中的图像中，获得映射图像；采用保边去噪方法对映射图像进行防失真处理，获得防失真映射图像。它适用于检测行人及车辆。
-
公开(公告)号：CN105512641A
公开(公告)日：2016-04-20
申请号：CN201511029592.0
申请日：2015-12-31
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/00711 , G06K2209/21 , G06K2209/23 , G06T5/002 , G06T2207/10016 , G06T2207/10044 , G06T2207/20182 , G06T2207/20192 , G06T2207/30196
Abstract: 一种采用激光雷达扫描法标定雨雪状态下视频中的动态行人及车辆的方法，涉及图像模式识别和机器智能领域。解决了现有算法的实时性差以及识别动态物体不准确的问题。当检测到视频中处于下雨下雪状态时，将视频分解成一帧帧图像；采用激光雷达扫描视频窗口前方，通过激光雷达测得动态物体的距离信息，得到动态物体的瞬时速度，并根据该瞬时速度判断动态物体的类型，动态物体的类型包括行人和车辆；通过激光雷达扫描物体中线位置，根据中线位置获得视频中行人及车辆的位置坐标；步将步骤三中的行人及车辆的位置坐标映射到步骤一中的图像中，获得映射图像；采用保边去噪方法对映射图像进行防失真处理，获得防失真映射图像。它适用于检测行人及车辆。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.044 seconds)
