-
公开(公告)号：CN112819922B
公开(公告)日：2024-03-12
申请号：CN202110143469.0
申请日：2021-02-02
Applicant: 郑州轻工业大学
IPC: G06T11/40 , G06T11/00 , G06T3/4007 , G06V10/25
Abstract: 本发明提出了一种基于连续线条的人物肖像画生成方法，步骤为：采集彩色的人物肖像图像；采用平均值法得到灰度图像；生成包围肖像区域的圆形蒙版；在圆形蒙版的圆形轮廓上均匀设定多个锚点并计算坐标；得到肖像图像，在肖像图像上选取两个锚点并连线，计算连线经过的像素点的像素值的均值，将最小值对应的锚点作为起始点；将起始点存入数组中，依次计算并顺序存入数组中，以黑色的连线顺序连接数组中的锚点得到初始线肖像画；去除冗余保留连线交点得到黑色线肖像画；检测人物肖像图像的皮肤区域，顺序连接皮肤区域内的锚点并叠加得到彩色线肖像画。本发明自动化程度高，计算速度快，人物肖像还原精度高，为人物肖像生成提供了技术支撑。
-
公开(公告)号：CN111242878B
公开(公告)日：2023-05-12
申请号：CN202010034171.1
申请日：2020-01-14
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于布谷鸟搜索的矿井下图像增强方法，采用布谷鸟搜索算法结合本发明提出的BGDPH算法对图像进行增强处理，其步骤为：先将矿井下图像转换到HSV颜色空间、并对饱和度分量S进行自适应非线性拉伸处理；接着初始化布谷鸟搜索算法参数和种群，就每个鸟巢位置对亮度分量V进行BGDPH算法处理得到中间图像；然后通过对中间图像的熵值、亮度差值和灰度标准方差的加权融合计算该鸟巢的适应度值，并采用Levy飞行的规则化方式迭代更新最佳鸟巢位置、最终的最优位置代入BGDPH算法来增强分量V；最后将HSV图像转换回RGB空间得到最终增强图像。本发明相比其它方法增强图像效果好、明显改善了矿井下图像的视觉效果。
-
公开(公告)号：CN118761931A
公开(公告)日：2024-10-11
申请号：CN202410756397.0
申请日：2024-06-12
Applicant: 郑州轻工业大学
IPC: G06T5/73 , G06V10/774 , G06V10/764 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/048 , G06N3/0499 , G06N3/094
Abstract: 本发明公开了一种基于混合级联组注意力Transformer的非配对遥感图像去雾方法，构建具有混合级联组注意力Transformer模块的U‑Net网络结构生成器，并预训练U‑Net网络结构生成器；将预训练后的U‑Net网络结构生成器作为循环生成对抗网络的生成器，通过循环生成对抗网络实现非配对遥感有雾图像和遥感无雾图像之间的相互转化，使用损失函数调整循环生成对抗网络的参数，得到最优非配对遥感图像去雾模型。本发明不仅能够在重要区域和细节方面生成高感知质量的遥感无雾图像，同时能够避免特征丢失和颜色的偏移。
-
公开(公告)号：CN111627031B
公开(公告)日：2023-02-28
申请号：CN202010478994.3
申请日：2020-05-29
Abstract: 本发明提出了一种基于瓦屋状多边形的作物根系表型分析装置及方法，其步骤如下：搭建作物根系表型分析装置，及时获取完整根系的彩色图像；对彩色图像进行裁剪，利用图像二值化将根系图像进行分割，采用连通区域标记法保留面积最大的连通区域，得到根系连通区域的二值化图像；通过表示根系像素点的最左端、最右端和最顶部的像素点确定矩形区域，在矩形区域内进行二均值聚类，进一步确定瓦屋状多边形；根据瓦屋状多边形进行根系形态及生长发育规律的动态表型分析。本发明引入瓦屋状多边形来定义根系的覆盖几何形状、密度分布、性状模式等全局特征，实现根系形态及生长发育规律等的动态表型分析；且自动化程度高，对尺度变化不敏感。
-
公开(公告)号：CN111242878A
公开(公告)日：2020-06-05
申请号：CN202010034171.1
申请日：2020-01-14
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于布谷鸟搜索的矿井下图像增强方法，采用布谷鸟搜索算法结合本发明提出的BGDPH算法对图像进行增强处理，其步骤为：先将矿井下图像转换到HSV颜色空间、并对饱和度分量S进行自适应非线性拉伸处理；接着初始化布谷鸟搜索算法参数和种群，就每个鸟巢位置对亮度分量V进行BGDPH算法处理得到中间图像；然后通过对中间图像的熵值、亮度差值和灰度标准方差的加权融合计算该鸟巢的适应度值，并采用Levy飞行的规则化方式迭代更新最佳鸟巢位置、最终的最优位置代入BGDPH算法来增强分量V；最后将HSV图像转换回RGB空间得到最终增强图像。本发明相比其它方法增强图像效果好、明显改善了矿井下图像的视觉效果。
-
Patent Agency Ranking
公开(公告)号：CN118761901A
公开(公告)日：2024-10-11
申请号：CN202410822459.3
申请日：2024-06-18
Applicant: 郑州轻工业大学
IPC: G06T3/04 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明提供一种基于样式条件信息的多风格图像卡通化方法，其包括：获取源域和目标域的训练集；包含两个用于促进多样式图像卡通化的关键组件，即分别设计了一个条件生成器和一个多风格学习判别器，将风格条件信息嵌入特征空间，提高模型实现不同卡通风格的能力；构建损失函数，引入条件对比损失用于促进不同风格的卡通图像生成；利用各损失值调整所述生成对抗网络模型的参数，优化生成器和判别器网络，并循环迭代多轮整个生成对抗网络模型，得到训练好的多风格卡通化生成式网络；将待处理的自然图像输入到训练好的多风格卡通化生成式网络，即可得到不同风格的卡通图像；本发明简化了不同风格图像的生成过程，只需要对模型进行一次训练，显著提高了效率。
-
公开(公告)号：CN119068035A
公开(公告)日：2024-12-03
申请号：CN202411114293.6
申请日：2024-08-14
Applicant: 郑州轻工业大学
IPC: G06T7/55 , G06V10/774 , G06T5/50 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/80
Abstract: 本发明提出了一种深度特征增强的单图像景深拓展方法，包括步骤：收集并建立单幅图像景深拓展数据集，并从单幅图像景深拓展数据集中选取训练集、验证集和测试集；搭建单幅图像景深拓展模型，包括依次连接的编码器、Bottleneck结构和解码器，编码器、Bottleneck结构和解码器中均包含依次连接的多尺度特征增强结构和图像特征优化融合结构；设计混合损失函数并利用训练集和验证集分别训练和验证单幅图像景深拓展模型；利用最终训练好的单幅图像景深拓展模型对测试集提供的单聚焦图像进行景深拓展。本发明能够在图像获取、图像对齐、融合速度慢和鲁棒性不足等问题上提高处理效率、大幅降低数据处理难度。
-
公开(公告)号：CN117078505A
公开(公告)日：2023-11-17
申请号：CN202310928858.3
申请日：2023-07-27
Applicant: 郑州轻工业大学
IPC: G06T3/00 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供一种基于结构线提取的图像卡通化方法，其包括：获取源域和目标域的训练集；构建基于结构线提取的图像卡通化生成对抗网络，其中结构线提取网络利用下采样提取图像特征，当下采样在较粗尺度上生成粗略结构线时，上采样再对其进行卷积，并从粗到细重建输出图像线条；构建损失函数，利用损失值调整所述生成对抗网络模型的参数，优化生成器和判别器网络；循环迭代多轮整个生成对抗网络模型，得到训练好的卡通图像生成式网络；将待处理的自然图像输入到训练好的卡通图像生成式网络，即可得到对应风格的卡通图像。本发明不仅在重要区域和细节方面生成了高感知质量的卡通化图像，同时避免了内容和颜色的损失。
-
公开(公告)号：CN111028165B
公开(公告)日：2023-03-21
申请号：CN201911202019.3
申请日：2019-11-29
Applicant: 郑州轻工业大学
Abstract: 本发明提出一种基于RAW数据抵抗相机抖动的高动态图像恢复方法，其步骤为：将N幅多曝光RAW图像序列作为输入，通过Bayer插值算法将单通道RAW图像转换为三通道RAW数据，得到三通道RAW图像序列；然后用信息熵的方法从具有位置偏移的图像序列中选取参考图像和曝光图像序列，并分别检测和提取关键特征点，再利用ORB特征描述符和Hamming距离将曝光图像序列与参考图像进行特征匹配及对齐配准；最后，利用拉普拉斯金字塔方法对参考图像和对齐配准后的曝光图像序列进行融合，得到最终的高动态图像。本发明以RAW图像作为输入，减少了图像细节的丢失，增强了图像的对比度，对相机抖动和目标移动具有较好的鲁棒性，提高了图像的动态范围。
-
公开(公告)号：CN111627031A
公开(公告)日：2020-09-04
申请号：CN202010478994.3
申请日：2020-05-29
Abstract: 本发明提出了一种基于瓦屋状多边形的作物根系表型分析装置及方法，其步骤如下：搭建作物根系表型分析装置，及时获取完整根系的彩色图像；对彩色图像进行裁剪，利用图像二值化将根系图像进行分割，采用连通区域标记法保留面积最大的连通区域，得到根系连通区域的二值化图像；通过表示根系像素点的最左端、最右端和最顶部的像素点确定矩形区域，在矩形区域内进行二均值聚类，进一步确定瓦屋状多边形；根据瓦屋状多边形进行根系形态及生长发育规律的动态表型分析。本发明引入瓦屋状多边形来定义根系的覆盖几何形状、密度分布、性状模式等全局特征，实现根系形态及生长发育规律等的动态表型分析；且自动化程度高，对尺度变化不敏感。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.053 seconds)
