-
Patent Agency Ranking
公开(公告)号：CN113763380A
公开(公告)日：2021-12-07
申请号：CN202111149510.1
申请日：2021-09-29
Applicant: 江苏信息职业技术学院
IPC: G06T7/00
Abstract: 本发明涉及一种基于矢量梯度的无参考图像清晰度评价方法，其包括如下步骤：步骤1、确定所述图像的灰度图像矩阵；步骤2、计算水平方向梯度矩阵Ix1以及垂直方向梯度矩阵Iy1；步骤3、计算所述灰度图像矩阵的水平方向矢量梯度矩阵Ix2以及垂直方向矢量梯度矩阵Iy2；步骤4、根据水平方向矢量梯度矩阵Ix2以及垂直方向矢量梯度矩阵Iy2，计算得到灰度图像矩阵内任一像素的矢量梯度Vxy；步骤5、根据上述得到灰度图像矩阵内每个像素的矢量梯度Vxy，确定灰度图像矩阵的矢量梯度总值；将所述矢量梯度总值与灰度图像矩阵内的像素总数Pixels的比值作为图像的清晰度值D。本发明能有效确定图像的清晰度值，时间复杂度小，抗噪的能力强，运算速度快且鲁棒性强。
-
公开(公告)号：CN115393585B
公开(公告)日：2023-05-12
申请号：CN202210962818.6
申请日：2022-08-11
Applicant: 江苏信息职业技术学院
Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于超像素融合网络的运动目标检测方法，它包括训练阶段与检测阶段两个主要部分，利用中值滤波提取候选前景，并对图像序列进行超像素分割。然后提取候选前景超像素的直方图特征，然后将像素特征和超像素特征分别作为找像素融合网络的输入，整个过程运算速度快，鲁棒性强。
-
公开(公告)号：CN118887112A
公开(公告)日：2024-11-01
申请号：CN202410907364.1
申请日：2024-07-08
Applicant: 江苏信息职业技术学院
IPC: G06T5/60 , G06T5/90 , G06T5/10 , G06N3/0464
Abstract: 本发明公开了一种基于小波变换与深度学习的轻量级图像增强方法包括基于深度学习建立的四个残差模块、由多个不同方向的小波变换层组成的小波变换模块、特征融合层和输出卷积层；包括基于深度学习建立的四个残差模块分别提取输入图像的特征；通过特征融合层将小波变换模块提取的特征与四个残差模块提取的特征进行融合，形成综合的特征图；通过输出卷积层对综合的特征图进行卷积操作，得到图像增强模型，并输出经过图像增强的图像。将小波变换与深度学习相结合，提出了一种轻量级的图像增强方法，充分利用了小波变换的频域分解能力和深度学习的特征学习能力，实现了对图像的高效、高质量增强处理。
-
公开(公告)号：CN113763380B
公开(公告)日：2023-05-02
申请号：CN202111149510.1
申请日：2021-09-29
Applicant: 江苏信息职业技术学院
IPC: G06T7/00
Abstract: 本发明涉及一种基于矢量梯度的无参考图像清晰度评价方法，其包括如下步骤：步骤1、确定所述图像的灰度图像矩阵；步骤2、计算水平方向梯度矩阵Ix1以及垂直方向梯度矩阵Iy1；步骤3、计算所述灰度图像矩阵的水平方向矢量梯度矩阵Ix2以及垂直方向矢量梯度矩阵Iy2；步骤4、根据水平方向矢量梯度矩阵Ix2以及垂直方向矢量梯度矩阵Iy2，计算得到灰度图像矩阵内任一像素的矢量梯度Vxy；步骤5、根据上述得到灰度图像矩阵内每个像素的矢量梯度Vxy，确定灰度图像矩阵的矢量梯度总值；将所述矢量梯度总值与灰度图像矩阵内的像素总数Pixels的比值作为图像的清晰度值D。本发明能有效确定图像的清晰度值，时间复杂度小，抗噪的能力强，运算速度快且鲁棒性强。
-
公开(公告)号：CN115393585A
公开(公告)日：2022-11-25
申请号：CN202210962818.6
申请日：2022-08-11
Applicant: 江苏信息职业技术学院
Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于超像素融合网络的运动目标检测方法，它包括训练阶段与检测阶段两个主要部分，利用中值滤波提取候选前景，并对图像序列进行超像素分割。然后提取候选前景超像素的直方图特征，然后将像素特征和超像素特征分别作为找像素融合网络的输入，整个过程运算速度快，鲁棒性强。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
