-
公开(公告)号：CN103198452B
公开(公告)日：2016-01-06
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：CN102682442B
公开(公告)日：2015-02-11
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：CN103996179A
公开(公告)日：2014-08-20
申请号：CN201410270579.3
申请日：2014-06-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于单尺度Retinex的快速实时图像增强方法，包括以下步骤：第一步：读取RGB彩色空间中待增强的彩色图像；第二步，计算图像的尺寸，如大于标准尺寸，则对其进行降采样；第三步，将图像分解为R、G、B三个分量；第四步，对图像的各分量采用单尺度Retinex方法进行增强，得到各反射分量；第五步，对各反射分量取指数并合并得到增强的RGB图像；第六步，把得到的RGB图像转化为HIS图像，并用直方图均衡化进一步增强；第七步，把增强后的图像采用双线性插值法进行插值，得到输出图像。本发明利用单尺度Retinex方法对图像进行增强，通过对原始图像进行降采样，加快增强速度，从而达到实时增强的目的。
-
公开(公告)号：CN103761513A
公开(公告)日：2014-04-30
申请号：CN201410036228.6
申请日：2014-01-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于混合向量投影的人脸识别方法，包括如下步骤：（1）初始化人脸图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）将灰度人脸图像矩阵转化为图像向量，并将图像向量转化为单位向量。（3）所述的单位向量组成单位向量训练集，计算训练集中属于每一个人的所有单位向量的均值向量，将每个类均值向量化为单位向量。（4）计算测试图像向量在训练集中每个单位向量及其类均值单位向量上的混合投影长度，通过求取最大混合投影长度对应的训练图像向量，对测试图像分类。本发明充分考虑了相同人脸图像的相似性，最大限度的提高了人脸识别系统分类的准确性。
-
公开(公告)号：CN103559693A
公开(公告)日：2014-02-05
申请号：CN201310581473.0
申请日：2013-11-18
Applicant: 东南大学
Abstract: 本发明提出一种基于非连续指示符的图像局部结构自适应复原方法，它包括如下步骤：第一步，初始化读入图像，将输入的RGB图像转换到YCbCr颜色空间；第二步,构建三边散布矩阵，提高对噪声的鲁棒性；第三步，构建非连续性指示符，动态表征图像局部结构特征；第四步，建立图像退化模型；第五步，根据所构建的非连续性指示符，建立图像复原优化模型，使得所建立的模型连续依赖于图像局部结构特征；第六步，利用变分法求解复原优化模型，得到优化模型所对应的梯度下降流，并采用半点格式对其进行离散化，得到最优复原图像。本发明提出的方法能够根据图像局部结构特征自适应控制复原过程，能够复原出图像更多的细节结构，使得图像质量显著提高。
-
Patent Agency Ranking
公开(公告)号：CN101794440B
公开(公告)日：2012-04-18
申请号：CN201010123621.0
申请日：2010-03-12
Applicant: 东南大学
IPC: G06T5/50
Abstract: 本发明提出一种图像序列的加权自适应超分辨率重建方法，该方法在鲁棒性和实用性方面优于传统的方法，对获得高质量的图像具有重要的应用价值，它包括如下步骤：(1)取同一传感器获得的连续多帧低分辨率图像，然后对该低分辨率图像序列进行重采样，得到重采样的低分辨率图像序列；(2)利用重采样的低分辨率图像序列重建一帧高分辨率图像，重建一帧高分辨率图像的方法为：首先建立高分辨率图像的退化模型，然后根据给定的高分辨率图像的退化模型以及正则化理论，把退化模型中高分辨率图像的求解过程转化为高分辨率图像的重建优化模型解的优化过程，最后利用逐渐非凸算法对高分辨率图像的重建优化模型进行优化，得到高分辨率图像的最优估计值。
-
公开(公告)号：CN102243705A
公开(公告)日：2011-11-16
申请号：CN201110120366.9
申请日：2011-05-09
Applicant: 东南大学
Abstract: 本发明提供一种利用交通图像的边缘信息来定位车牌的方法，该方法为：利用Sobel算子对交通图像进行边缘检测，对得到的灰度边缘图像进行二值化获得二值边缘图像；然后在垂直方向对该二值边缘图像进行水平投影获得垂直向量，对该垂直向量进行二值化并从上到下进行扫描，得到车牌区域的起始行坐标和终点行坐标，实现车牌的垂直定位；之后利用起始行坐标和终点行坐标得到垂直定位后的二值边缘图像，在水平方向对该二值边缘图像进行垂直投影获得水平向量，对该水平向量进行二值化并从左向右进行扫描，得到车牌区域的起始列坐标和终点列坐标，实现车牌的水平定位；最后利用起始行、列坐标和终点行、列坐标定位出车牌。本发明具有较高的车牌定位精度，且在低对比度情况(比如夜间光线不足)下仍然能够较准确地对车牌进行定位。
-
公开(公告)号：CN102184412A
公开(公告)日：2011-09-14
申请号：CN201110120361.6
申请日：2011-05-09
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明提供一种基于最小错误率贝叶斯分类器的车牌数字及字母识别方法，该方法为：以粗网格特征作为字符识别的特征，针对34类数字及字母字符，建立各自的字符样本库，根据样本库计算各类字符粗网格特征的均值、协方差矩阵及字符的先验概率，进而得到各类字符的判别函数，完成最小错误率贝叶斯分类器的设计，之后提取待识别字符图像的粗网格特征，利用最小错误率贝叶斯分类器对该字符图像进行第一级分类，如果第一级分类得到的类别属于相近字符的类别，则分5种情况分别提取该字符图像不同位置的局部特征，进行相近字符的第二次分类。本发明中最小错误率贝叶斯分类器所用的判别函数简单且对字符进行二级分类，具有识别速度快、识别准确性高的优点。
-
公开(公告)号：CN102110289A
公开(公告)日：2011-06-29
申请号：CN201110077327.5
申请日：2011-03-29
Applicant: 东南大学
IPC: G06T5/00
Abstract: 一种基于变分框架的彩色图像对比度增强方法，其主要步骤：第一步，初始化读入图像，将输入的RGB图像转换到YCbCr颜色空间；第二步，对YCbCr空间中彩色图像的Y分量进行降采样；第三步，建立图像的成像模型，并将其变换到对数域；第四步，利用变分框架模型对亮度图像进行计算；第五步，用输入图像减去亮度图像得到图像的反射信息；第六步，将反射图像取指数；第七步，采用插值算法将反射图像还原到原始图像大小；第八步，将得到的反射图像与Cb和Cr分量结合，并反变换到RGB空间，作为输出结果。本发明采用变分框架模型对低能见度天气下的彩色图像进行处理，使得图像质量显著提高，相对于以往的图像增强方法，处理速度快、算法稳定性高、使用范围广、图像增强效果好。
-
公开(公告)号：CN101968881A
公开(公告)日：2011-02-09
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。
-
-
-
-
-
-
-
-
-
Search Results
206
records
(took 0.041 seconds)
