-
公开(公告)号：CN109886878A
公开(公告)日：2019-06-14
申请号：CN201910211775.6
申请日：2019-03-20
Applicant: 中南大学
Abstract: 本发明公开了一种基于由粗到精配准的红外图像拼接方法，其先对红外图像进行粗配准，再进行精配准，提高了图像配准精度，进而提升了图像拼接效果。其中，粗配准过程中利用两两相邻图像提取特征点构建单应性矩阵，让每张图在粗配准过程中都能使用未经变换的原图像作为特征点的提取对象，从而保证了特征点的提取数量。精配准的过程是基于精配准序列进行依次配准，对粗配准过程存在的形变误差进行调整，且其特征点提取过程基于与特征点对具有一致性的所有特征点对所覆盖的最小外接凸多边形的面积与原图像面积的百分比与图像配准精准度成正比的规律获取，保证了精配准的精度。
-
公开(公告)号：CN109784344A
公开(公告)日：2019-05-21
申请号：CN201910067458.1
申请日：2019-01-24
Applicant: 中南大学
Abstract: 本发明公开了一种用于地平面标识识别的图像非目标滤除方法，包括以下步骤：步骤A，获取逆透视图像，逆透视图像包括地平面标识和非目标；使用图像处理技术，对逆透视图像IIPM进行处理得到灰度图像和二值化图像；步骤B，使用Canny边缘检测算法对灰度图像进行处理，得到边缘图像；步骤C，提取二值化图像中每个连通域的轮廓，得到轮廓图；步骤D，根据边缘图像和轮廓图，将二值化图像中的非目标滤除，仅保留在地平面上没有高度差的地平面标识，得到包括地平面标识且滤除非目标的最终待识别图像，在用于地平面标识识别时，可以很好的避免给后期的地平面标识检测识别带来干扰，大幅提高后期系统对地平面标识的识别率并降低误检率。
-
公开(公告)号：CN104616258B
公开(公告)日：2017-10-03
申请号：CN201510038038.2
申请日：2015-01-26
Applicant: 中南大学
IPC: G06T5/00
Abstract: 本发明公开了一种针对道路图像的快速去雾方法，包括步骤1，通过原始雾天道路图像的饱和度分量求取大气光值和传播图；步骤2，结合能见度表达式求取增强区域分割图并复原图像；步骤3，对复原图像进行对比度拉伸处理确定去雾后的道路图像。该方法建立在道路场景图像特点的基础上，采用对图像近处路面区域弱增强，同时对驾驶员所感兴趣的远处区域重点增强的方式，以区别于现有去雾方法大多对整幅图像进行统一增强的方式；从而实现了对雾天道路图像更为有效、快速的去雾处理，可广泛应用于安全辅助驾驶系统、自主车驾驶等领域。此外，本发明方法的时空复杂度较低，具有较快的运行速度。
-
公开(公告)号：CN105719294A
公开(公告)日：2016-06-29
申请号：CN201610040330.2
申请日：2016-01-21
Applicant: 中南大学
IPC: G06T7/00
CPC classification number: G06T2207/20081 , G06T2207/30096
Abstract: 本发明公开了一种乳腺癌病理学图像有丝分裂核自动分割方法，该方法首先根据BR图的不同尺度LoG滤波的最大响应初略估计出前景像素和背景像素。在此基础上对当前的前景像素和背景像素分别训练一个高斯混合模型GMM以描述前景像素和背景像素的颜色分布；并建立s?t图G＝{V,E}，通过计算图G的最大流实现了对前景和背景的新的估计，然后重复GMM训练和Graph?Cut分割，直到收敛或满足规定的迭代次数。最后对分割的结果进行形态学的开操作，完成最终的分割。该方法在分割时不仅考虑了单个像素颜色特征属于前景或背景的概率，还考虑了相邻像素间的关系，保证了分割结果的平滑性，提高了精度。
-
公开(公告)号：CN105205797A
公开(公告)日：2015-12-30
申请号：CN201510638715.4
申请日：2015-09-30
Applicant: 中南大学
Abstract: 本发明提供了一种图像变体艺术扭曲图的求取方法，包括如下步骤：步骤A：初始化图像变体扭曲图大小；步骤B：采用以圆柱或圆锥中心为原点的极坐标系表示图像变体扭曲图上任意一点坐标，并确定上述任意一点的坐标与图像变体扭曲图图像坐标系的对应关系，同时建立上述任意一点的坐标与原输入图像像素点坐标之间的关系。步骤C：将原输入图像各点的像素值赋值给图像变体扭曲图的相关像素点。该方法通过空间坐标变换关系，得到扭曲图像与原图像(反光媒介显示图像)像素坐标点的对应关系，将原输入图像的像素点赋值给相应的扭曲图像素，从而得到扭曲图。采用本发明方法不仅用户参与少，而且可以获得具有较好视觉效果的图像变体扭曲图。
-
Patent Agency Ranking
公开(公告)号：CN103384340B
公开(公告)日：2015-01-07
申请号：CN201310267708.9
申请日：2013-06-28
Applicant: 中南大学
Abstract: 本发明公开了一种从单幅2D图像获取3D成像图像的方法，包括如下步骤：步骤A：获取单幅2D图像的显著对象分割图；步骤B：利用步骤A获得的显著对象分割图获取单幅2D图像的深度图；步骤C：根据步骤B获得深度图分别得到3D成像所需的左眼视图及右眼视图，对左眼视图及右眼视图进行合成获得与单幅2D图像对应的3D图像；生成的深度图，并没有恢复出真实的深度信息，而是一幅反映图像中的物体对象与场景中其它部分之间相对位置关系的伪深度图。通过大量实验后，实验结果表明利用此伪深度图所生成的左右视图合成后，其对应的3D图像具有明显的立体效果。
-
公开(公告)号：CN103384340A
公开(公告)日：2013-11-06
申请号：CN201310267708.9
申请日：2013-06-28
Applicant: 中南大学
Abstract: 本发明公开了一种从单幅2D图像获取3D成像图像的方法，包括如下步骤：步骤A：获取单幅2D图像的显著对象分割图；步骤B：利用步骤A获得的显著对象分割图获取单幅2D图像的深度图；步骤C：根据步骤B获得深度图分别得到3D成像所需的左眼视图及右眼视图，对左眼视图及右眼视图进行合成获得与单幅2D图像对应的3D图像；生成的深度图，并没有恢复出真实的深度信息，而是一幅反映图像中的物体对象与场景中其它部分之间相对位置关系的伪深度图。通过大量实验后，实验结果表明利用此伪深度图所生成的左右视图合成后，其对应的3D图像具有明显的立体效果。
-
-
公开(公告)号：CN113610118B
公开(公告)日：2023-12-12
申请号：CN202110814221.2
申请日：2021-07-19
Applicant: 中南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务课程式学习的眼底图像分类方法、装置、设备及介质，方法为：使用眼底图像样本训练教师网络，然后生成眼底图像样本的证据图谱；设计包括证据图谱预测和青光眼预测两个分支的多任务学生网络；根据青光眼分类标签、教师网络和学生网络的预测结果，设计样本先验加权系数和样本反馈损失系数，基于该两个系数设计学生网络的损失函数；以眼底图像样本同时作为学生网络两个预测分支的输入，以分类标签作为青光眼预测分支的输出，以标签证据图谱作为证据图谱预测分支的输出，基于损失函数训练学生网络；使用训练完毕的学生网络，生成待分类眼底图像的青光眼分类(56)对比文件Guo F等.MTCLF: A multitask curriculumlearning framework for unbiased glaucomascreenings《.Computer Methods and Programsin Biomedicine》.2022,第221卷1-13.Xuan Nie等.GEME: Dual-stream multi-task GEnder-based micro-expressionrecognition《.Neurocomputing》.2021,第427卷13-28.
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.022 seconds)
