-
公开(公告)号：CN111209918B
公开(公告)日：2022-04-05
申请号：CN202010008328.3
申请日：2020-01-06
Applicant: 河北工业大学
IPC: G06V10/46 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40
Abstract: 本发明是一种图像显著性目标检测方法，涉及图像分析的区域分割，是基于多图模型先验和短连接网络优化的图像显著性检测方法，该方法是对每张输入图像利用颜色和位置信息，计算KNN图模型和K正则图模型，得到在KNN图模型下的显著图S1和在K正则图模型下的显著图S2，再将KNN图模型和K正则图模型进行像素级别的融合，得到原图像的初始显著图S3，利用短连接网络优化初始显著图S3，获得原图像的最终的显著图Sfinal，完成图像显著性目标检测，克服了图像显著性目标检测的现有技术中存在的显著目标检测不完整、当前景背景颜色相似时算法检测不准确的缺陷。
-
公开(公告)号：CN108447021B
公开(公告)日：2021-06-08
申请号：CN201810223832.8
申请日：2018-03-19
Applicant: 河北工业大学
Abstract: 本发明基于分块和逐帧优化的视频缩放方法，涉及一般的图像数据处理，是将视频序列按照镜头切换分割成N个视频子序列，对视频子序列分别在水平方向上和垂直方向上进行缩放与优化，步骤是：输入视频，根据镜头的切换帧进行镜头分割；对每个视频子序列中视频主体目标进行跟踪，获得相应视频子序列的视频轨迹跟踪框；整帧视频均匀分成x列向子块；合并标注，最终获得一帧视频图像帧fj_pt和一帧影子图像帧gj_pt；基于缩放比例的逐帧优化；按比例分别缩放视频图像帧fj_pt以及影子图像帧gj_pt中的保护区域和非保护区域；基于主体目标位置的逐帧优化。本发明方法克服了现有技术视频缩放中的视频抖动和目标图像与原图像严重不符的缺陷。
-
公开(公告)号：CN111209918A
公开(公告)日：2020-05-29
申请号：CN202010008328.3
申请日：2020-01-06
Applicant: 河北工业大学
Abstract: 本发明是一种图像显著性目标检测方法，涉及图像分析的区域分割，是基于多图模型先验和短连接网络优化的图像显著性检测方法，该方法是对每张输入图像利用颜色和位置信息，计算KNN图模型和K正则图模型，得到在KNN图模型下的显著图S1和在K正则图模型下的显著图S2，再将KNN图模型和K正则图模型进行像素级别的融合，得到原图像的初始显著图S3，利用短连接网络优化初始显著图S3，获得原图像的最终的显著图Sfinal，完成图像显著性目标检测，克服了图像显著性目标检测的现有技术中存在的显著目标检测不完整、当前景背景颜色相似时算法检测不准确的缺陷。
-
公开(公告)号：CN108447021A
公开(公告)日：2018-08-24
申请号：CN201810223832.8
申请日：2018-03-19
Applicant: 河北工业大学
Abstract: 本发明基于分块和逐帧优化的视频缩放方法，涉及一般的图像数据处理，是将视频序列按照镜头切换分割成N个视频子序列，对视频子序列分别在水平方向上和垂直方向上进行缩放与优化，步骤是：输入视频，根据镜头的切换帧进行镜头分割；对每个视频子序列中视频主体目标进行跟踪，获得相应视频子序列的视频轨迹跟踪框；整帧视频均匀分成x列向子块；合并标注，最终获得一帧视频图像帧fj_pt和一帧影子图像帧gj_pt；基于缩放比例的逐帧优化；按比例分别缩放视频图像帧fj_pt以及影子图像帧gj_pt中的保护区域和非保护区域；基于主体目标位置的逐帧优化。本发明方法克服了现有技术视频缩放中的视频抖动和目标图像与原图像严重不符的缺陷。
-
-
-
Search Results
4
records
(took 0.02 seconds)
