一种基于颜色和纹理信息的运动目标识别装置及方法

    公开(公告)号:CN110232703B

    公开(公告)日:2023-07-25

    申请号:CN201910506528.9

    申请日:2019-06-12

    Abstract: 本发明提出一种基于颜色和纹理信息的运动目标识别装置及方法,包括视频采集单元、显示单元、目标识别单元和PC控制单元,所述目标识别单元包括FPGA模块和数字信号处理模块,所述数字信号处理模块对FPGA模块预处理后的图像数据进行特征提取、信息融合以及进行目标识别计算,并将识别计算结果通过PC控制单元传输至显示单元;本发明通过利用在HSV颜色空间中对光照变化不敏感的H和S分量进行颜色特征信息的提取,可以提高对目标识别过程中对非均匀光照的鲁棒性,通过利用微分几何中的图像几何表面曲率结构对运动目标进行纹理特征信息的提取,可以提高照明不均匀、颜色背景相似条件下的运动目标的识别率。

    一种高实时性的图像拼接方法

    公开(公告)号:CN111754408A

    公开(公告)日:2020-10-09

    申请号:CN202010607671.X

    申请日:2020-06-29

    Abstract: 本发明涉及一种高实时性的图像拼接方法,属于图像处理技术领域,解决了现有图像拼接方法计算复杂、精度低、实时性差的问题。该方法包括:获取待拼接的第一和第二图像;提取第一图像和第二图像的特征点集;采用CLBP编码对特征点集中的每一特征点进行描述,获得描述符集;基于描述符集,采用最近邻比率分类器进行特征点初匹配,获得特征点对集;剔除特征点对集中的误匹配特征点对,并获得第一图像和第二图像间的投影变换矩阵;基于投影变换矩阵进行融合获得拼接图像。该方法通过提取图像中分布均匀的特征点,采用CLBP编码对特征点进行描述,避免过多的特征点参与匹配过程,降低了计算复杂度的同时,提高了计算精度与拼接实时性。

    基于交叉学习网络的图像超分辨率的重建方法及装置

    公开(公告)号:CN111667412A

    公开(公告)日:2020-09-15

    申请号:CN202010550465.X

    申请日:2020-06-16

    Abstract: 本发明涉及一种基于交叉学习网络的图像超分辨率的重建方法及装置,属于图像处理技术领域,解决了现有的图像超分辨率重建方法只是对单一路径的残差网络进行学习造成了的重建图像质量较差的问题。构建交叉学习网络模型,所述交叉学习网络模型包括三支子残差网络、交叉共享层和图像重建层;对三支子残差网络和交叉学习网络模型分别进行训练,以得到所述交叉学习网络模型的最优网络模型结构并保存;将待重建的低分辨率图像输入所述最优网络模型结构,得到低分辨率图像对应的高分辨率图像。实现了低分辨率图像的重建,提高了低分辨率图像的重建质量。

    一种基于颜色和纹理信息的运动目标识别装置及方法

    公开(公告)号:CN110232703A

    公开(公告)日:2019-09-13

    申请号:CN201910506528.9

    申请日:2019-06-12

    Abstract: 本发明提出一种基于颜色和纹理信息的运动目标识别装置及方法,包括视频采集单元、显示单元、目标识别单元和PC控制单元,所述目标识别单元包括FPGA模块和数字信号处理模块,所述数字信号处理模块对FPGA模块预处理后的图像数据进行特征提取、信息融合以及进行目标识别计算,并将识别计算结果通过PC控制单元传输至显示单元;本发明通过利用在HSV颜色空间中对光照变化不敏感的H和S分量进行颜色特征信息的提取,可以提高对目标识别过程中对非均匀光照的鲁棒性,通过利用微分几何中的图像几何表面曲率结构对运动目标进行纹理特征信息的提取,可以提高照明不均匀、颜色背景相似条件下的运动目标的识别率。

Patent Agency Ranking