-
公开(公告)号：CN104376565A
公开(公告)日：2015-02-25
申请号：CN201410695579.8
申请日：2014-11-26
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/20052 , G06T2207/30168
Abstract: 本发明公开了一种基于离散余弦变换和稀疏表示的无参考图像质量评价方法，主要解决现有技术对无参考图像质量评价不准确的问题。其实现步骤是：输入一副灰度图像，对其进行离散余弦变换并提取自然场景统计特征；提取一系列不同失真类型和不同内容的图像的自然场景统计特征，结合平均主观差异分数构建原始特征字典；对原始特征字典进行聚类，根据测试图像特征与原始特征字典中各类的近似程度自适应选择原子组成稀疏表示字典；利用稀疏表示在特征空间张成测试图像特征并计算稀疏表示系数，结合稀疏表示字典中的主观评价值进行线性加权求和，得到图像质量测度。本发明与主观评价结果具有较好的一致性，适用于对各种失真类型图像的质量评价。
-
公开(公告)号：CN102999920B
公开(公告)日：2015-02-18
申请号：CN201210414788.1
申请日：2012-10-25
Applicant: 西安电子科技大学
IPC: G06T7/20
Abstract: 本发明公开一种基于最近邻分类器和均值漂移的目标跟踪方法，主要解决现有技术中由于目标运动模糊无法捕获特征点和跟踪漂移无法恢复而导致的跟踪失败问题。其实现步骤为：(1)输入视频的第一帧，并用矩形框标记出待跟踪目标；(2)对目标模型初始化；(3)确定新一帧视频图像中目标搜索区域；(4)提取搜索区域内的尺度不变sift特征与目标模型匹配，同时用均值漂移模型跟踪目标；(5)对步骤(4)的结果进行决策级融合作为目标跟踪结果输出；(6)更新没有发生遮挡的目标模型；(7)循环执行步骤(3)~步骤(6)，直至视频结束。本发明与现有技术相比在目标快速运动甚至出现运动模糊或者发生遮挡情况下提高了目标跟踪的准确性。
-
公开(公告)号：CN104318548A
公开(公告)日：2015-01-28
申请号：CN201410531222.6
申请日：2014-10-10
Applicant: 西安电子科技大学
CPC classification number: G06T7/35 , G06T2207/10044
Abstract: 本发明公开了一种基于空间稀疏度和SIFT特征提取的快速图像配准实现方法，主要克服经典SIFT特征提取算法中，经常会提取到平滑区域和纹理区域不稳定的特征点而造成特征误匹配的问题。其步骤包括：1)分别提取参考图和待匹配图稀疏区域。2)对参考图和待匹配图的稀疏区域提取SIFT特征点。3)对参考图和待匹配图上提取到的SIFT特征点集进行粗匹配。4)用随机一致性估计算法来滤除粗匹配结果中的误匹配。5)利用参考图和待匹配图最终的匹配点对，通过仿射变换得到仿射变换参数来实现对两幅SAR图像配准。本发明能在保证经典SIFT特征配准算法精度前提下提高配准效率，可用于SAR图像的配准处理。
-
公开(公告)号：CN102663688B
公开(公告)日：2014-07-23
申请号：CN201210077000.2
申请日：2012-03-22
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于邻域阈值分类的表面波变化视频去噪方法，主要改善图像边缘模糊和噪声去除不充分的现象。其实现过程是：(1)输入含有噪声的视频系数，并对其进行表面波变换；(2)计算表面波变换后的各层各方向子带系数的噪声方差；(3)计算各层各方向子带系数的阈值；(4)利用阈值和邻域能量对各层各方向子带系数分类；(5)计算分类后各层各方向子带系数的信号方差；(6)利用分类后各层各方向子带系数的信号方差对系数进行收缩处理；(7)对处理后的系数进行表面波逆变换，得到去噪后的视频图像。本发明与现有的技术相比显著提高了去噪效果，显著提高了视频图像中噪声的抑制能力，同时能够更好的保留视频图像的细节信息和运动物体的平滑效果。
-
公开(公告)号：CN102663687B
公开(公告)日：2014-07-23
申请号：CN201210076360.0
申请日：2012-03-22
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于空间自适应高斯混合模型的表面波变换视频去噪方法，主要改善图像边缘模糊和噪声去除不充分的问题。其实现过程是：(1)输入含噪视频系数，并对其进行表面波变换；(2)计算表面波变换后的各层各方向子带系数的噪声方差；(3)计算各层各方向子带系数的空间自适应阈值；(4)利用阈值计算各层各方向子带系数对应的掩膜值；(5)利用掩膜值计算各层各方向子带系数的高斯混合模型参数；(6)利用模型参数对系数进行收缩处理；(7)对处理后的系数进行表面波逆变换，得到去噪后的视频图像。本发明与现有的技术相比显著提高了去噪效果，显著提高了视频图像中噪声的抑制能力，同时能够更好的保留视频图像的细节信息和运动物体的平滑效果。
-
Patent Agency Ranking
公开(公告)号：CN102663703B
公开(公告)日：2014-07-09
申请号：CN201210118258.2
申请日：2012-04-20
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Treelet的Bayer型CFA图像去噪方法，主要解决现有去噪方法直接应用于CFA图像去噪易出现的噪声大量残余的问题。其实现步骤是：对输入的含噪CFA图像提取高频信息；对高频图像分块处理，逐个对每个图像块提取训练数据，并将训练数据投影到Treelet基矩阵中；通过对投影系数进行收缩，并通过逆投影获得去噪后的高频图像块；拼接所有去噪后的高频图像块，并加上输入CFA图像的低频信息得到去噪后的CFA图像。本发明能直接对CFA图像进行自适应去噪，同时能在很好地保持图像细节的情况下，减少去噪后图像中的噪声残余，可用于对单CCD或CMOS传感器相机捕获的CFA图像的降噪处理。
-
公开(公告)号：CN103793926A
公开(公告)日：2014-05-14
申请号：CN201410069126.4
申请日：2014-02-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于样本重选择的目标跟踪方法，主要解决当目标发生外观形变、光照变化、快速运动而导致跟踪失败的跟踪问题。本发明实现的步骤如下：（1）预处理第一帧图像；（2）计算样本的先验概率；（3）构建弱分类器；（4）构建强分类器；（5）更新弱分类器模型；（6）预测当前帧目标框位置；（7）计算精确样本的先验概率；（8）更新分类器模型；（9）判断是否为最后一帧图像，若是，则结束，否则，返回步骤（6）处理下一帧图像。本发明通过样本重选择和计算样本的先验概率的方法构建分类器，增强了分类器模型的稳定性，提高了分类器的预测准确率，从而增强了目标跟踪的准确性和可靠性。
-
公开(公告)号：CN102547073B
公开(公告)日：2014-04-02
申请号：CN201210000125.5
申请日：2012-01-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于表面波变换的自适应阈值视频去噪方法，主要解决现有技术的视频图像中边缘模糊和噪声去除不充分的问题。其实现过程是：(1)输入含噪视频图像，并对其进行Surfacelet变换；(2)计算Surfacelet变换后的各层各方向子带系数的初始阈值；(3)利用系数的空间邻域信息对初始阈值进行调整，得到自适应阈值；(4)利用自适应阈值对Surfacelet变换后的各层各方向子带系数进行软阈值处理；(5)对软阈值处理后的系数进行Surfacelet逆变换，得到去噪后的视频图像。本发明与现有的技术相比，显著提高了对视频图像中噪声的抑制能力，更好地保留视频图像中的细节信息和运动物体的平滑效果，可用于视频图像压缩、视频图像纹理检测、视频图像水印提取以及视频中目标识别和跟踪中。
-
公开(公告)号：CN103456019A
公开(公告)日：2013-12-18
申请号：CN201310405098.4
申请日：2013-09-08
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开一种基于约束对的半监督核K均值聚类的图像分割方法，实现步骤为：（1）选择图像；（2）提取图像纹理特征；（3）产生聚类对象数据矩阵；（4）划分聚类对象数据矩阵；（5）初始化聚类中心；（6）计算距离；（7）判断是否满足约束条件，如果满足，执行步骤（8），否则，返回步骤（5）；（8）计算均值；（9）判断是否满足终止条件，如果满足，执行步骤（10），否则，返回步骤（6）；（10）产生分割图像。本发明提取图像纹理特征，用基于约束对的半监督核K均值聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的图像分割结果。
-
公开(公告)号：CN103413279A
公开(公告)日：2013-11-27
申请号：CN201310374749.8
申请日：2013-08-24
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于AD-NSCT算法的SAR图像去噪方法，主要改善现有图像去噪方法边缘模糊和噪声去除不充分的现象。其实现过程是：(1)输入一幅SAR图像；(2)对其按四个尺度、四个方向的子带进行非下采样contourlet变换，生成系数矩阵；(3)计算系数矩阵的噪声标准差；(4)计算图像的掩膜矩阵；(5)计算图像的Affinity矩阵，并结合系数矩阵，计算Alpha矩阵；(6)用Alpha矩阵修正对应的掩膜矩阵，并计算后验比；(7)用修正后的掩膜矩阵，计算先验比；(8)用先验比和后验比，计算图像的缩放因子；(9)对系数矩阵进行缩放处理，对其结果进行逆变换，实现SAR图像的去噪。本发明在保证较高平滑度的同时能很好地保持SAR图像的边缘细节信息，使去噪后的SAR图像在视觉效果上得到了显著的改善。
-
-
-
-
-
-
-
-
-
Search Results
323
records
(took 0.03 seconds)
