-
公开(公告)号：CN104408712A
公开(公告)日：2015-03-11
申请号：CN201410616754.X
申请日：2014-10-30
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于信息融合的隐马尔可夫显著区域检测方法，本发明可以应用于复杂背景下的目标区域检测和识别。技术特征在于：首先计算图像的三个颜色对比通道；然后，通过最大后验概率迭代计算各通道的最终标签图像；再用最大互信息的标签类得到各通道突出图；最后将3个通道中所有大于冗余信息的连通区域信息量相加并归一化，得到最终显著图。本发明在充分利用了图像先验信息同时保留了数据细节，解决了区域颜色信息丢失所带来的问题，能够迅速对焦于广泛的显著区域而不用提前进行训练。
-
Patent Agency Ranking
公开(公告)号：CN103413306B
公开(公告)日：2016-06-08
申请号：CN201310332703.X
申请日：2013-08-01
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明提供了一种自适应阈值的Harris角点检测方法，计算每个像素点的R值，通过使用自适应迭代阈值算法的策略，求取针对图像来讲最合适的阈值，使用阈值及临近角点剔除策略提取角点。本发明避免人工对阈值的设置，能使角点分布的更加均匀，提高角点检测的精确性，避免了角点聚簇以及伪角点的产生，在不影响Harris角点检测算法计算方便与稳定的前提下，避免的原算法因为阈值选取而带来的不便，同时有效的避免了聚簇现象和伪角点的出现。本发明在阈值自适应选取方面达到了较好的效果。
-
公开(公告)号：CN103413306A
公开(公告)日：2013-11-27
申请号：CN201310332703.X
申请日：2013-08-01
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明提供了一种自适应阈值的Harris角点检测方法，计算每个像素点的R值，通过使用自适应迭代阈值算法的策略，求取针对图像来讲最合适的阈值，使用阈值及临近角点剔除策略提取角点。本发明避免人工对阈值的设置，能使角点分布的更加均匀，提高角点检测的精确性，避免了角点聚簇以及伪角点的产生，在不影响Harris角点检测算法计算方便与稳定的前提下，避免的原算法因为阈值选取而带来的不便，同时有效的避免了聚簇现象和伪角点的出现。本发明在阈值自适应选取方面达到了较好的效果。
-
公开(公告)号：CN104408712B
公开(公告)日：2017-05-24
申请号：CN201410616754.X
申请日：2014-10-30
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于信息融合的隐马尔可夫显著区域检测方法，本发明可以应用于复杂背景下的目标区域检测和识别。技术特征在于：首先计算图像的三个颜色对比通道；然后，通过最大后验概率迭代计算各通道的最终标签图像；再用最大互信息的标签类得到各通道突出图；最后将3个通道中所有大于冗余信息的连通区域信息量相加并归一化，得到最终显著图。本发明在充分利用了图像先验信息同时保留了数据细节，解决了区域颜色信息丢失所带来的问题，能够迅速对焦于广泛的显著区域而不用提前进行训练。
-
公开(公告)号：CN104408711B
公开(公告)日：2017-05-24
申请号：CN201410616752.0
申请日：2014-10-30
Applicant: 西北工业大学
IPC: G06T7/11
Abstract: 本发明涉及一种基于多尺度区域融合的显著区域检测方法，其技术特征在于：首先计算图像的最佳颜色梯度与归一化梯度；然后用梯度索引遍历图像，把满足融合门限的像素对合并，得到第一个尺度的标签图像；再计算该标签图像的边缘梯度图；接着在各个尺度下迭代计算出多尺度标签图；然后利用互信息求出多尺度候选显著图；最后利用空间几何信息熵找出最优尺度，则该尺度下的候选显著图就是最终显著图。该方法概念简单，无需对图像数据提前训练，可以很容易地进行参数修改，处理速度快，极大的提高了显著区域检测的准确性和效率。本发明可以被广泛应用到计算机视觉与其他相关的图像处理问题中。
-
公开(公告)号：CN104408711A
公开(公告)日：2015-03-11
申请号：CN201410616752.0
申请日：2014-10-30
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于多尺度区域融合的显著区域检测方法，其技术特征在于：首先计算图像的最佳颜色梯度与归一化梯度；然后用梯度索引遍历图像，把满足融合门限的像素对合并，得到第一个尺度的标签图像；再计算该标签图像的边缘梯度图；接着在各个尺度下迭代计算出多尺度标签图；然后利用互信息求出多尺度候选显著图；最后利用空间几何信息熵找出最优尺度，则该尺度下的候选显著图就是最终显著图。该方法概念简单，无需对图像数据提前训练，可以很容易地进行参数修改，处理速度快，极大的提高了显著区域检测的准确性和效率。本发明可以被广泛应用到计算机视觉与其他相关的图像处理问题中。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
