-
公开(公告)号：CN101866366A
公开(公告)日：2010-10-20
申请号：CN201010226787.5
申请日：2010-07-15
Applicant: 哈尔滨工业大学
Abstract: 一种基于内容的图像格式中文文档检索方法，它涉及信息处理技术领域，它解决了现有的基于OCR技术的检索方法不能有效处理字符退化严重的图像格式文档的问题。本发明首先对图像格式文档进行字符分割，得到单个字符图像；然后提取字符图像特征矢量；接着基于局部敏感哈希变换原理LSH，构建hash函数，将每个字符图像特征矢量变换为伪码，并建立字符标引数据库；然后输入查询关键词，并获得所述查询关键词的伪码表示，再将查询关键词的伪码与字符标引数据库中伪码进行字符相似度比较，进而获取查询关键词的所有相似词，并按照其在文档中出现的先后顺序输出相似词，完成检索。本发明适用于图像格式的中文文档检索。
-
公开(公告)号：CN101799924A
公开(公告)日：2010-08-11
申请号：CN201010120332.5
申请日：2010-03-09
Applicant: 哈尔滨工业大学
IPC: G06T7/00
Abstract: 借助CCD照相机对投影仪进行标定的方法，它涉及一种对投影仪进行标定的方法，它解决了目前缺少对投影仪进行标定的方法的问题。本发明利用投影仪先后将G幅横条纹图、一幅横向中心线图、G幅纵条纹图及一幅纵向中心线图投影到靶标上，并用CCD相机捕获靶标投影图像，通过计算建立CCD图像的像素与投影仪图像的像素间的一对一映射；再通过CCD相机摄取靶标的CCD图像，再对其映射得到对应的投影仪图像；多次变换靶标位置，获得多个与靶标的CCD图像对应的投影仪图像，利用Matlab tool box照相机标定工具对投影仪进行标定，获得投影仪的内外参数。本发明模拟现有的照相机标定技术，实现了对投影仪的标定，适用于对各类投影仪的标定。
-
公开(公告)号：CN101794460A
公开(公告)日：2010-08-04
申请号：CN201010120304.3
申请日：2010-03-09
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 基于光线投射体绘制算法的人体心脏三维解剖组织结构模型可视化方法，它涉及人体心脏三维解剖模型可视化方法。它解决了现有技术中无法实现心脏解剖组织结构模型可视化的问题，本发明为：一，获得心脏三维体数据集；二，选取采样点；三，计算心脏三维体数据集空间中的每个体元素的梯度；四，获得在光照下心脏三维体数据集空间中的每个体元素的亮度；五，计算每个体元素的不透明度值和颜色值；六，获得每个非体元素的不透明度值和颜色值；七，获得像平面上对应每条投射光线的像素点颜色值；八，根据像平面上每个像素点颜色值绘制心脏三维解剖组织结构模型图像。本发明为达到对心脏结构外观和行为功能的精确模拟奠定了基础。
-
公开(公告)号：CN114331885B
公开(公告)日：2025-05-02
申请号：CN202111586598.3
申请日：2021-12-21
Applicant: 哈尔滨工业大学
Abstract: 一种带有超前循环模块的在线视频去噪系统，属于视频去噪技术领域。本发明针对现有基于双向循环神经网络的视频去噪系统不能在线处理的问题。包括前向循环模块，用于对当前帧和相邻前一帧噪声图像及相邻前一帧噪声图像的前向特征进行处理，获得当前帧噪声图像的前向特征；超前循环模块，用于对相邻选定未来帧和相邻选定未来帧的前一帧噪声图像及相邻选定未来帧的前一帧噪声图像的超前特征进行处理，获得相邻选定未来帧噪声图像的超前特征；对齐模块，用于将未来帧超前特征从未来帧噪声图像对齐到当前帧噪声图像，获得对齐后的超前特征；解码模块，用于将当前帧前向特征和对齐后的超前特征进行融合，得到当前帧的去噪图像。本发明用于在线视频去噪。
-
公开(公告)号：CN118555381A
公开(公告)日：2024-08-27
申请号：CN202410408138.9
申请日：2024-04-07
Applicant: 哈尔滨工业大学
IPC: H04N13/279 , H04N13/236 , H04M1/02
Abstract: 智能手机的双摄连续变焦方法及系统，解决了如何基于三维重建技术实现双目相机的连续数字变焦的问题，属于图像复原领域。本发明建立双摄平滑变焦3D模型，利用只能手机拍摄的超广角与广角图片对进行，通过在相机的内参，外参和相机编码上插值，部署虚拟相机，利用优化后的双摄平滑变焦3D模型合成连续变焦的图像序列，利用这些图像序列作为插帧模型训练数据集，最终利用该模型实现在数字变焦的过程中空间、颜色和畸变程度的连续平滑切换。
-
Patent Agency Ranking
公开(公告)号：CN118397682A
公开(公告)日：2024-07-26
申请号：CN202410561374.4
申请日：2024-05-08
Applicant: 哈尔滨工业大学
Abstract: 兼具身份保持和编辑灵活性的人脸定制化生成方法，属于图像生成领域。解决了传统人脸定制化生成的方法难以同时实现身份特征的保留和图像内容的高度可编辑性的问题。本发明基于由身份提取模块、身份适配模块和文生图模块构成的噪声预测模块实现噪声预测；训练阶段引入解耦损失#imgabs0#编辑方向损失#imgabs1#和重建损失#imgabs2#对身份提取模块、身份适配模块进行训练，保证模型学习忠实的身份特征提升定制化图像的可编辑性；推理阶段身份提取模块将待定制人脸图像作为输入得到身份特征，文生图模块通过身份适配模块在身份特征中引入预设隐空间噪声、人脸描述文本，形成包含定制化图像信息的预测噪声，从预测噪声中剔除预设隐空间噪声后进行解码，得到定制化图像。
-
公开(公告)号：CN117788311A
公开(公告)日：2024-03-29
申请号：CN202311823155.0
申请日：2023-12-27
Applicant: 哈尔滨工业大学
IPC: G06T5/50 , G06T5/90 , G06T5/77 , G06N3/0895 , G06T5/60
Abstract: 一种基于包围摄影的自监督自适应的图像复原和增强方法，属于底层视觉重建技术领域。本发明针对现有图像重建模型只能完成单一重建任务并对真实数据重建能力差的问题。包括获取仿真数据集和真实数据集；构建由编码器、光流对齐模块、融合模块和重建模块构成的时间调制循环网络，对时间调制循环网络在仿真数据集上进行预训练，在真实数据集上进行微调训练；T帧多曝光RAW图像进行归一化和伽马变换得到变换图像，再经编码器进行特征提取得到编码特征，再利用光流对齐模块进行对齐得到对齐后特征；再经融合模块和重建模块重建得到重建生成图像；计算时域自监督损失、时域负损失和指数移动平均正则化损失，更新网络参数。本发明用于图像复原和增强。
-
公开(公告)号：CN117744706A
公开(公告)日：2024-03-22
申请号：CN202311772257.4
申请日：2023-12-21
Applicant: 哈尔滨工业大学
IPC: G06N3/045 , G06F18/2415 , G06N3/084 , G06F18/25 , G06F18/22 , G06F18/213 , G06N3/0475 , G06N3/094
Abstract: 一种基于2D预训练模型的3D小样本连续学习方法，属于3D小样本连续学习领域。本发明针对现有2D预训练模型不适用3D少样本类增量学习的问题。包括对每个点云样本进行多视角渲染与2D特征编码，并合并得到深度图全局特征；对每个点云样本进行3D编码与调节得到与2D对齐后3D点云特征；将深度图全局特征与3D点云特征融合得到融合后全局特征；采用主成分对标签特征向量和融合后全局特征进行降维操作，计算无冗余全局特征与各标签特征向量的重归一化余弦相似度，并计算分类概率损失值与对抗学习损失值，得到总损失值；对每个新增类点云样本库中的新增类点云样本进行上述过程数据处理实现3D小样本连续学习。本发明用于3D小样本连续学习。
-
公开(公告)号：CN117274083A
公开(公告)日：2023-12-22
申请号：CN202311201250.7
申请日：2023-09-18
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 一种基于多曝光图像的自监督高动态范围图像重建方法，属于底层视觉技术领域。本发明针对现有用于高动态范围图像重建的神经网络模型训练过程中的目标图像不易获取，影响图像重建效果的问题。它针对目标图像不易获取的问题，在模型训练阶段采用自监督的方式进行参数学习；本发明在两个互补成分的监督下学习重建网络，这两个互补成分可以从多曝光图像中构建，并分别关注高动态范围图像的颜色与结构信息；其中，颜色分量从对齐后的多曝光图像中估计，结构分量由在颜色分量与参考图像监督下的结构注意网络生成；在测试阶段，重建网络可以直接用于合成高动态范围图像。本发明用于高动态范围图像的重建。
-
公开(公告)号：CN115272687B
公开(公告)日：2023-05-05
申请号：CN202210811744.6
申请日：2022-07-11
Applicant: 哈尔滨工业大学
Abstract: 单样本自适应域生成器迁移方法，涉及就三级视觉中的图像生成和迁移学习领域。解决了使用现有的算法迁移后的目标生成器无法准确获取引导图风格及迁移后的图片多样性低的问题。本发明方法通过全局水平域迁移损失函数使迁移后的目标域生成器合成的图片拥有引导图的全局特征；设计了局部水平域迁移损失函数来解决现有技术无法准确获取引导图局部代表性特征的问题；利用逆映射器把合成图片映射到隐空间，并提出自适应属性保持损失函数来自适应的挑选和保持域共享的属性，从而使迁移后的图片保持了之前图片的部分属性，提高了合成图片的多样性，并通过给定一张目标域引导图即可实现对自适应域生成器的迁移。主要用于实现对自适应域生成器的迁移。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.036 seconds)
