-
Patent Agency Ranking
公开(公告)号：CN109054285A
公开(公告)日：2018-12-21
申请号：CN201810668444.0
申请日：2018-06-26
Applicant: 桂林电子科技大学
CPC classification number: C08L59/00 , C08L2205/025 , C08L2205/035 , C08L2205/08 , C08L2205/16 , C08L97/02 , C08L51/003
Abstract: 本发明公开了一种竹纤维与竹丝协同提高抗弯强度的POM复合材料及其制备方法，所述复合材料按重量份比由以下组分组成：聚甲醛100份、竹纤维2‑20份、相容剂1‑5份、偶联剂0.4‑1.2份、加工助剂0.1‑2份和竹丝1‑20份。这种POM复合材料成本低、材料的相容性好、承载力大、抗弯强度大、韧性好。本发明还同时公开了竹纤维与竹丝协同提高抗弯强度的POM复合材料的制备方法。
-
公开(公告)号：CN106504276B
公开(公告)日：2019-02-19
申请号：CN201610938472.0
申请日：2016-10-25
Applicant: 桂林电子科技大学
IPC: G06T7/33
Abstract: 本发明公开了一种非局部立体匹配方法的组合匹配代价方法和视差联合填充方法，该方法使用基于最小生成树的代价聚合的非局部立体匹配方法，在预处理阶段使用基于改进的最小生成树的方法去除原始图像的噪音，增强纹理信息，获得增强图像。然后在匹配代价阶段不仅使用原始图像的信息，还使用增强图像的信息。这样即得到了图像的局部信息，也能获得全局信息，在后期的代价聚合起一定的作用。在最后的视差细化部分，针对视差不连续和误匹配问题，提出了联合权重填充方法。实验表明，与其他的非局部立体匹配方法相比，该方法的误匹配率低，对边缘区域，重复纹理和遮挡区域有很强的鲁棒性。实验结果证明了本发明方法的有效性。
-
公开(公告)号：CN106504276A
公开(公告)日：2017-03-15
申请号：CN201610938472.0
申请日：2016-10-25
Applicant: 桂林电子科技大学
IPC: G06T7/33
Abstract: 本发明公开了一种非局部立体匹配算法的组合匹配代价算法和视差联合填充算法，该算法使用基于最小生成树的代价聚合的非局部立体匹配算法，在预处理阶段使用基于改进的最小生成树的算法去除原始图像的噪音，增强纹理信息，获得增强图像。然后在匹配代价阶段不仅使用原始图像的信息，还使用增强图像的信息。这样即得到了图像的局部信息，也能获得全局信息，在后期的代价聚合起一定的作用。在最后的视差细化部分，针对视差不连续和误匹配问题，提出了联合权重填充算法。实验表明，与其他的非局部立体匹配算法相比，该算法的误匹配率低，对边缘区域，重复纹理和遮挡区域有很强的鲁棒性。实验结果证明了本发明算法的有效性。
-
公开(公告)号：CN105631436B
公开(公告)日：2018-12-04
申请号：CN201610054837.3
申请日：2016-01-27
Applicant: 桂林电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于随机森林的级联位置回归用于人脸对齐的方法，其特征在于，包括如下步骤：1）得到归一化人脸图片；2）计算人脸的平均形状；3）生成人脸对齐框架的候选特征点；4）生成人脸形状索引灰度值；5）生成人脸形状索引特征X；6）构建人脸对齐框架；7）初始化人脸形状，不断迭代后，输出最终的估计人脸形状。这种方法在光照、表情变化、遮挡等情况下能够保持很好的鲁棒性，并且能提高精度、减少失败率。
-
公开(公告)号：CN105631436A
公开(公告)日：2016-06-01
申请号：CN201610054837.3
申请日：2016-01-27
Applicant: 桂林电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00221 , G06K9/00268 , G06K9/00288
Abstract: 本发明公开了一种基于随机森林的级联位置回归用于人脸对齐的方法，其特征在于，包括如下步骤：1）得到归一化人脸图片； 2）计算人脸的平均形状； 3）生成人脸对齐框架的候选特征点；4）生成人脸形状索引灰度值；5）生成人脸形状索引特征X；6）构建人脸对齐框架；7）初始化人脸形状，不断迭代后，输出最终的估计人脸形状。这种方法在光照、表情变化、遮挡等情况下能够保持很好的鲁棒性，并且能提高精度、减少失败率。
-
-
-
-
Search Results
5
records
(took 0.04 seconds)
