-
公开(公告)号：CN118134800A
公开(公告)日：2024-06-04
申请号：CN202410261913.2
申请日：2024-03-07
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于小波非均匀扩散模型的图像阴影去除方法；包括：获取待处理阴影图像以及对应的掩膜图像，对阴影图像和掩膜图像进行预处理，得到处理好的阴影图像和掩膜图像；对预处理好的阴影图像和掩膜图像进行哈尔小波分解，得到两种图像的低频分量和高频分量；将两种图像的低频分量和高频分量输入到训练好的小波非均匀扩散模型中进行处理，得到无阴影图像低频全局信息和无阴影图像高频细节信息；对无阴影图像低频全局信息和无阴影图像高频细节信息进行小波逆变换处理，得到无阴影图像；本发明可重建出更加精细化的无阴影图像，实现良好的图像增强效果，且减少了扩散模型迭代采样的时间，有利于实际的应用部署。
-
公开(公告)号：CN118037566A
公开(公告)日：2024-05-14
申请号：CN202410232613.1
申请日：2024-03-01
Applicant: 重庆邮电大学
IPC: G06T5/50 , G06T5/73 , G06T5/10 , G06T5/60 , G06V10/42 , G06V10/44 , G06V10/60 , G06N3/0464 , G06N3/08
Abstract: 本发明属于数字图像处理领域，具体涉及一种基于特征分离和注意力引导的高动态范围成像方法，包括：获取连续多帧的低动态范围图像序列，并进行分块和预处理，获得低动态和高动态范围图像块对；构建特征分离预处理网络和融合网络；使用成组的低动态和高动态范围图像块对训练整个网络，得到并保存训练好的网络模型参数；将待融合图像输入训练好的网络，得到高动态范围图像。本发明通过利用局部熵构建注意力模块来引导网络忽略包含严重过/欠饱和区域，以提升图像融合的细节和纹理特征，为进一步提升成像质量，通过构建全局和局部特征提取融合网络，来充分提取全局和局部特征，以解决运动目标位移大在合成阶段产生的大范围伪影以及细节缺失问题。
-
公开(公告)号：CN115908192A
公开(公告)日：2023-04-04
申请号：CN202211620500.6
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于目标和环境差异性分离和映射的阴影去除方法包括：获取第一原始图像数据和第二原始图像数据；其中，所述第一原始图像数据为具有阴影的图像数据；所述第二原始图像数据为第一原始图像数据对应的无阴影图像数据；构建SRNet阴影去除模型；所述SRNet阴影去除模型包括：第一编码器、第二编码器、第三编码器、第一联合解码器、第二联合解码器、第三联合解码器和判别器；将第一原始图像数据和第二原始图像数据作为训练样本对SRNet阴影去除模型进行训练；获取具有阴影的目标图像数据，将具有阴影的目标图像数据输入训练好的SRNet阴影去除模型对目标图像数据的阴影进行去除得到目标图像数据对应的无阴影图像数据。
-
公开(公告)号：CN112487965A
公开(公告)日：2021-03-12
申请号：CN202011369682.5
申请日：2020-11-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及智能设备技术领域，特别涉及一种基于3D重构的智能健身动作指导方法；所述方法包括采集用户运动视频，并标记出人体的关节点信息；对用户运动视频重建出用户3D运动模型；读取标准3D运动模型；将用户3D运动模型分别与不同标准3D运动模型进行尺度缩放匹配；选择出相似度最高的标准3D运动模型，并得出指导信息产生纠正引导视频；用户发出手势并产生与播放速率和播放进度相对应的控制指令；将接收到的用户运动视频、读取出的标准动作视频、指导信息和纠正引导视频合并成为一个视频，并通过屏幕反馈给用户；本发明对采集到的运动视频进行建立3D模型，将比对分析结果提供给用户，通过手势对播放进度进行控制，便于用户学习使用。
-
公开(公告)号：CN112422946A
公开(公告)日：2021-02-26
申请号：CN202011369151.6
申请日：2020-11-30
Applicant: 重庆邮电大学
IPC: H04N13/275 , H04N13/204 , H04N13/10 , G06T19/00 , G06T17/00 , G06F3/01
Abstract: 本发明涉及智能设备技术领域，特别涉及一种基于3D重构的智能瑜伽动作指导系统；所述系统包括视频采集系统，3D重构模块、模型匹配系统、视频同步调整模块、播放控制模块以及视频合并模块；将用户运动视频重建形成用户3D运动模型；选择出与其相似度最高的标准3D运动模型，得出指导信息产生纠正引导视频；判断接收到的用户运动视频的同步程度，通过用户手势生成控制指令并读取出对应的标准运动视频；将接收到的用户运动视频、标准动作视频、纠正引导视频、指导信息合并成一个视频，通过屏幕反馈给用户；本发明采用3D重构模块对采集到的运动视频进行建模，将比对分析结果提供给用户，通过手势对播放进度进行控制，便于用户学习使用。
-
Patent Agency Ranking
公开(公告)号：CN110166784A
公开(公告)日：2019-08-23
申请号：CN201810042528.3
申请日：2018-01-17
Applicant: 重庆邮电大学
IPC: H04N19/467
Abstract: 本发明公开了一种基于像素块的自适应图像纹理区隐写方法。主要为了提高载密图视觉和统计的不可见性，优先选择纹理区隐写，定义了一种像素块纹理复杂度的度量标准，根据度量标准和隐写容量选择阈值，根据最优阈值和度量标准选择纹理区。为了最小化失真度，设计了嵌入模板以及将嵌入模板对应的相邻像素对作为嵌入组，利用钻石编码实现隐写，并且对嵌入密钥进行两层加密。该发明嵌密阶段保证密信加密与二进制序列的转换，再把二进制序列嵌入纹理区，提取阶段保证从载密图中提取二进制序列，从而解码与还原密信。利用该发明选择的纹理区和对应嵌入模板隐写密信，能够提高隐写安全性。
-
公开(公告)号：CN116309119A
公开(公告)日：2023-06-23
申请号：CN202310095476.7
申请日：2023-02-08
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种光照与运动分离的多曝光融合方法；包括对低曝光图、中曝光图和高曝光图进行光照预处理并输入融合模型；根据第一伽马值、第二伽马值将低曝光图、高曝光图映射到中曝光图的光照等级并归一化，得到第一新中曝光图和第二新中曝光图，并与中曝光图进行运动对齐；对齐后的第一新中曝光图和第二新中曝光图分别通过伽马逆变换，得到新低曝光图和新高曝光图，并与中曝光图进行光照融合得到高动态范围图像，计算损失并反向传播训练模型参数；获取待处理图像，采用训练好的融合模型得到其对应的高动态范围图像；本发明采用光照与运动分离的思想，使高动态范围图像保留输入图像的更多信息，减少鬼影现象。
-
公开(公告)号：CN115908504A
公开(公告)日：2023-04-04
申请号：CN202211591340.7
申请日：2022-12-12
Applicant: 重庆邮电大学
Abstract: 本发明属于图像视频处理技术领域，具体涉及到一种基于快速独立成分分析结合时空差异的运动目标检测方法，包括：将FastICA与帧差法结合，通过将当前帧与相邻帧进行FastICA处理时间域的差异得到轮廓FR1；将视频序列送入高斯混合模型生成的背景图像与当前帧进行FastICA处理空间域的差异得到轮廓FR2；通过融合策略将时间域的目标的轮廓FR1和空间域的目标的轮廓FR2进行融合；对融合后的轮廓进行形态学处理，得到精确的运动目标。本发明通过快速独立成分分析结合了检测场景中的时间差异与空间差异，有效的弥补了两种方法在各种领域的不足，有效的避免了这些问题，有效的提升了方法的精确度和有效性。
-
公开(公告)号：CN112183446B
公开(公告)日：2022-09-23
申请号：CN202011096273.2
申请日：2020-10-14
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/77 , G06V10/764
Abstract: 本发明属于图像识别和视频监控技术领域，特别涉及一种基于独立成分分析的室内实时摔倒检测方法，包括从视频中获取满足一定条件的两帧相邻图像；使用ICA运动目标检测，得到分离前景和背景的二值图；使用自适应的矩形框优化得到人体的检测框；对二值图像的前景部分进行特征提取；根据提取的前景部分及检测框相关特征判断目标的状态，最终判断为疑似摔倒、未摔倒两种状态；若连续多帧为疑似摔倒，表明使用离线训练的SVM分类器判断疑似摔倒图像是否真实摔倒；本发明运算快，成本低，易部署；鲁棒性强，针对多种异常情况，如光照、遮挡、噪声等外部干扰有较好的鲁棒性；且使用终端设备自行判断，不用传输到外部服务器进行判断，可以很好地保护个人隐私。
-
公开(公告)号：CN112258537B
公开(公告)日：2022-08-26
申请号：CN202011161185.6
申请日：2020-10-27
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理领域，具体涉及一种基于卷积神经网络的监督暗视觉图像边缘检测方法，该方法包括：获取暗视觉图像，将暗视觉图像输入到训练好的监督图像边缘检测模型中进行暗视觉图像边缘检测，得到边缘检测结果；所述监督图像边缘检测模型为优化的监督图像边缘检测模型，该模型由六个边缘检测模块和一个拼接模块构成；本发明通过增加模型的卷积层和引入残差结构单元，能更好地保留图像上一阶段学习的特征及边缘细节信息，使训练的优化模型能够进一步提高图像边缘检测的效果，图像边缘的连续性增强，输出的边缘检测图像更符合人眼观测效果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.025 seconds)
