-
公开(公告)号:CN103198452A
公开(公告)日:2013-07-10
申请号:CN201310069793.8
申请日:2013-03-06
Applicant: 东南大学
IPC: G06T3/60
Abstract: 一种基于定位图形顶点的快速响应矩阵码第四顶点的定位方法,按照以下步骤进行:步骤1:在获得快速响应矩阵区域中包含定位图形的三个顶点A、B、D的基础上,预估快速响应矩阵码第四顶点的位置为C0,步骤2:计算线段BC0和DC0的表达式,统计二值化后的图像中线段BC0和DC0的部分区域上黑色像素点个数,以此判断线段BC0、DC0是否穿过快速响应矩阵码,步骤3:在直线BC0和DC0上分别找出点P2和P1,计算线段BP1和DP2与快速响应矩阵码的边界的偏差,根据偏差自适应调整直至偏差消失,步骤4:计算出两条边界BP1和DP2所在直线的交点,即快速响应矩阵码第四顶点C(xC,yC),这种方法实现了快速响应矩阵码第四顶点快速、精确的定位,实验表明这种方法可在全方位旋转的快速响应矩阵码中应用,对有一定的畸变的快速响应矩阵码也有很好的适用性。
-
公开(公告)号:CN102880865A
公开(公告)日:2013-01-16
申请号:CN201210372408.2
申请日:2012-09-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于肤色与形态特征的动态手势识别方法,该方法为:采集视频图像,得到当前的视频帧;对采集到的视频帧作肤色阈值处理,得到肤色二值图像;将二值图像进行滤波降噪处理,提高图像质量;检测识别肤色二值图像中的人手部分;根据人手部分的重心位置信息识别手势的动作。本发明具有一下优点:(1)实时性好,响应时间短,可以应用到人机交互领域;(2)成本低廉,通过摄像头和计算机或DSP之类的处理设备即可组成;(3)稳定性好,对于手势的旋转、平移、变形,本算法都有较好的处理效果。本发明可应用于人机交互领域。
-
公开(公告)号:CN102682442A
公开(公告)日:2012-09-19
申请号:CN201210133771.9
申请日:2012-04-28
Applicant: 东南大学
Abstract: 本发明提出一种基于光流场的运动目标超分辨率图像重建方法,它包括如下步骤:第一步,基于光流场的运动目标跟踪和运动估计:首先在第一帧图像中截取出运动目标图像,然后根据参考帧图像中运动目标图像的位置截取下一帧图像中相同位置上的运动目标图像,计算两帧运动目标图像之间的光流场,其次利用光流场获得运动目标图像的运动参数,根据运动参数在参考帧的下一帧图像中更改运动目标图像的位置,最后按照相同的方法依次对相邻两帧图像进行处理,跟踪截取每帧图像的运动目标图像;第二步,利用非均匀插值法对低分辨率图像序列进行图像融合;第三步,利用维纳滤波法对初步融合的高分辨率图像进行图像复原处理,得到清晰的高分辨率图像。
-
公开(公告)号:CN102136140B
公开(公告)日:2012-07-18
申请号:CN201010605192.0
申请日:2010-12-24
Applicant: 东南大学
IPC: G06T7/00
Abstract: 一种基于矩形图样的视频图像距离检测方法,主要步骤:第一步,初始化;第二步,建立实际直角坐标系XOY;第三步,测量矩形图样实际边长;第四步,建立图像直角坐标系;第五步,计算单幅图像中心点Q′坐标;第六步,计算点Q1′、点Q2′坐标;第七步,计算摄像机尺度因子;第八步,计算摄像机安装高度、角度;第九步,计算距离检测模型参数;第十步,实现单幅图像距离检测;第十一步,实现实际距离坐标转换为图像坐标。本发明是一种基于矩形图样的视频图像距离检测方法,首次直接利用实际中矩形图样的相对边长信息及其在单幅图像中对应的坐标信息,进行摄像机标定和距离检测模型的建立,解决了视频图像距离检测的问题。
-
公开(公告)号:CN101968881B
公开(公告)日:2012-07-18
申请号:CN201010522739.0
申请日:2010-10-27
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明提供一种运动模糊和散焦复合模糊的图像复原方法,该方法能够对运动模糊和散焦同时出现的图像进行参数估计和图像复原,它包含如下步骤:(1)建立高斯白噪声模板,将降质图像与白噪声模板卷积,达到去除噪声的目的;(2)通过图像能量谱估计图像的模糊主方向和副方向;(3)计算图像的主方向导数矩阵和副方向导数矩阵;(4)分别对主方向导数矩阵和副方向导数矩阵实施自相关运算和方向累加运算;(5)根据主方向导数自相关的累加曲线和副方向导数自相关的累加曲线,估计主方向模糊长度和副方向模糊长度;(6)根据获得的主方向模糊长度和副方向模糊长度,建立复合模糊模型;(7)利用维纳滤波对降质图像进行复原。
-
公开(公告)号:CN101819681B
公开(公告)日:2011-11-09
申请号:CN200910263083.2
申请日:2009-12-16
Applicant: 东南大学
Abstract: 本发明公布了一种权值自适应调整的加权平均背景更新方法,本发明对当前帧图像与前一帧图像进行前向帧差计算并二值化,得到前向帧差前景二值图,对当前帧图像与后一帧图像进行后向帧差计算并二值化,得到后向帧差前景二值图,对前向和后向帧差前景二值图执行与操作,得到能够准确区分运动车辆区域与静止背景区域的二值图,最后根据该二值图判断像素所处的区域,对每个像素赋予自适应的权值进行加权平均背景更新。本发明所提供的背景更新方法能够对光照变化和车流变化进行自适应响应,且具有准确性高的优点。
-
公开(公告)号:CN101739560A
公开(公告)日:2010-06-16
申请号:CN200910263082.8
申请日:2009-12-16
Applicant: 东南大学
IPC: G06K9/40
Abstract: 本发明公布了一种基于边缘和骨架信息的车辆阴影消除方法,本发明方法对当前图像进行背景差计算并二值化得到前景二值图,通过对前景二值图进行边缘检测和膨胀得到车辆及阴影区域的边缘图像,通过对背景差图像进行边缘检测和膨胀得到车辆的骨架图像,然后,以车辆区域和阴影区域相对于背景区域的灰度比为判别特征,初步检测阴影区域,并用前景二值图减去初步阴影区域,最后利用骨架图像对车辆区域内的孔洞进行补充并减去边缘图像,得到最终消除阴影区域之后的图像。本发明综合利用了用以区分车辆区域和阴影区域的灰度特征、车辆与阴影区域的边缘信息及车辆骨架的信息,能够准确地检测和消除阴影区域。
-
公开(公告)号:CN101251927A
公开(公告)日:2008-08-27
申请号:CN200810024699.X
申请日:2008-04-01
Applicant: 东南大学
Abstract: 本发明提供一种通过对交通场景的视频图像进行处理来进行车辆检测与跟踪的方法,该方法为:采集交通场景的图像,将交通图像按8×8像素进行分块,初始化背景图像并不断进行背景图像更新,在车道入口处设置与车道方向垂直的宽度为8像素的虚拟检测线,通过计算虚拟检测线上的块相对于背景图像的灰度变化来检测车辆,利用车辆到达检测线的次序对属于车辆区域的块进行标号,得到车辆标号的初始位置,之后结合三步法及全搜索法计算车辆的运动矢量并利用运动矢量对车辆标号的位置不断进行更新,实现了车辆的跟踪。本发明还针对复杂交通场景内可能出现的车辆间遮挡现象进行了检测和分割,因此具有检测和跟踪精度高、实时性好的优点。
-
公开(公告)号:CN114140364B
公开(公告)日:2025-05-02
申请号:CN202111462840.6
申请日:2021-12-02
Applicant: 东南大学
IPC: G06T5/30 , G06T5/50 , G06T5/70 , G06T5/77 , G06V10/764 , G06V10/774
Abstract: 本发明公开了轨道扣件图像生成方法及模型训练方法,方法包括:获取包含至少一个目标对象的原始图像;计算目标对象的第一弹条图像和第一背景图像;基于第一弹条图像生成第二弹条图像;基于第一背景图像得到第二背景图像;基于第二弹条图像和第二背景图像生成第二扣件图像;基于第二扣件图像对图像分类模型进行训练,获得针对所述目标对象的扣件图像分类模型。本发明基于真实的无病害扣件图像生成有病害和无病害的扣件图像。生成的图像具备丰富的多样性和较高的真实性,解决了无病害扣件图像和有病害扣件图像的样本不平衡问题,极大提高了病害扣件图像检测的准确率。
-
公开(公告)号:CN112085655B
公开(公告)日:2024-04-26
申请号:CN202010847791.7
申请日:2020-08-21
Applicant: 东南大学
IPC: G06T3/4046 , G06T3/4076
Abstract: 本发明公开了一种基于密集残差注意面部先验网络的人脸超分辨率方法,包括如下步骤:分别构建跳线连接的密集残差注意模块、面部结构先验预测模块和上采样模块;并联跳线连接的密集残差注意模块和面部结构先验预测模块,继而级联上采样模块和图像重建层,构建密集残差注意面部先验网络;对公布的数据集进行预处理,并将处理之后的数据分为训练集和测试集;训练密集残差注意面部先验网络;将测试集中的图像,输入到训练好的密集残差注意面部先验网络中,输出重建后的高分辨率人脸图像。本发明通过训练密集残差注意面部先验网络,继而实现对测试人脸图像的超分辨率处理,能够有效恢复具备面部高频细节,同时保留身份信息的超分辨率人脸图像。
-
-
-
-
-
-
-
-
-