-
公开(公告)号：CN103442180B
公开(公告)日：2017-02-08
申请号：CN201310377399.0
申请日：2013-08-27
Applicant: 桂林电子科技大学
Abstract: 本发明的基于SOPC的双目视频拼接装置，包括以NiosII软核处理器为核心的SOPC系统，其一对CMOS图像传感器通过FPGA端口与一对双目视频采集模块分别连接；一对双目视频采集模块一起连接双目视频存储模块；双目视频存储模块输出端的一路经特征提取协处理器与双目视频输出模块相连接，另一路与双目视频显示模块相连接；双目视频输出模块还分别连接NiosII处理器和上位机，双目视频显示模块还连接VGA显示器。本发明的双目视频拼接方法，通过欧氏距离法对特征点进行粗匹配，然后使用KNN法提出部分误匹配点，最后采用RANSAC计算出单应性矩阵，再经由柱面空间转换及线型加权融合，实现一帧双
-
公开(公告)号：CN104077761B
公开(公告)日：2017-01-11
申请号：CN201410293009.6
申请日：2014-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于自适应稀疏表示的多聚焦图像融合方法，根据原始图像中结构特征的不同将子块进行分类，使原始图像分为相同模型、平滑模型和细节模型。然后将相同模型直接放入融合结果图像中，对平滑模型和细节模型分别采用算术平均法和稀疏表示法进行图像块融合。本发明的有优点是能够分割出平滑模型和细节模型，减少稀疏编码的图像块数，从而在确保融合图像主观效果和客观性能指标均优的基础上，缩短了运算时间。
-
公开(公告)号：CN103868460B
公开(公告)日：2016-10-05
申请号：CN201410094119.X
申请日：2014-03-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于视差优化算法的双目立体视觉自动测量方法，1）得到校正后的双目视图；2）利用立体匹配算法以左视图为基图进行匹配，得到初步的视差图；3）对校正后的左视图，目标物体区域为彩色原图，其他非目标区域全为黑；4）根据目标物体区域，获得目标物体区域的完整视差图；5）对完整视差图，根据投影模型获得三维点云；6）对三维点云，进行坐标重投影，合成坐标关联像素图；7）利用形态学的方法，实现自动测量目标物体的长度和宽度。本发明简化了双目测量操作过程；减少了平滑表面的镜面反射、投影缩减、透视失真、低纹理和重复纹理影响；实现了自动化智能化测量，扩展了双目测量的应用范围，为后续的机器人双目视觉提供技术支持。
-
公开(公告)号：CN104182734A
公开(公告)日：2014-12-03
申请号：CN201410405891.9
申请日：2014-08-18
Applicant: 桂林电子科技大学
IPC: G06K9/00
Abstract: 本发明公开一种基于LRC和协同表示的两阶段人脸识别方法，第一阶段，运用LRC人脸识别算法计算测试样本与每类训练样本的误差，根据它们之间的相似度量与误差的关系对误差进行排序，并对数据库中的目标进行有效的筛选，筛选出S类训练样本用于下一阶段的识别。第二阶段，用筛选出的S类训练集作CRC人脸识别算法的编码字典，并利用其做精确的分类识别。这样可以在保证方法识别率较高，鲁棒性较好的同时，大大能降低了识别时间，当新目标加入数据库时，不用更新整个人脸数据模型，只需更新某一子类模型，从而减少训练时间；并且，通过第一阶段的训练样本的筛选，大大减小了第二阶段识别中数据字典的大小，节约了全局搜索的时间。
-
公开(公告)号：CN110866929B
公开(公告)日：2022-12-27
申请号：CN201911098771.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
IPC: G06T7/12
Abstract: 本发明提出了一种图像轮廓分割方法及系统。所述分割方法包括如下步骤：首先获取原始图像的边缘指示函数和梯度矢量流，在迭代获取水平集函数的过程中，利用边缘指示函数、梯度矢量流和第n‑1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，进而计算水平集函数。本发明在计算水平集函数的过程中引入局部边缘特征(边缘指示函数)，从而能更好的保留图像的细节特征，减小弱边界和强度不均匀图像的边界泄露。本发明在计算水平集函数的过程还引入测地边缘项，全面利用图像的边缘信息，增强模型的分割性能，减小复杂背景的干扰，提高了弱边界图像和强度分布不均匀的图像的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN109859106B
公开(公告)日：2022-07-05
申请号：CN201910079727.6
申请日：2019-01-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于自注意力的高阶融合网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）建立重建模型；2）CNN网络特征提取；3）自注意力模块中的自注意力支路特征提取；4）自注意力模块中的主干支路特征提取；5）特征的高阶融合；6）图像重建。这种方法能有效的解决因预处理带来的额外计算量，且能恢复出更多的纹理细节来重建出高质量的图像。
-
公开(公告)号：CN112070784B
公开(公告)日：2022-07-01
申请号：CN202010965729.8
申请日：2020-09-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于上下文增强网络的感知边缘检测方法，其特征在于，包括如下步骤：1）获取图像训练数据集训练边缘检测模型；2）特征提取；3）降维加权；4）双向递归；5）分类；6）输出。这种方法通过捕捉多尺度上下文信息之间的内在联系提升边缘检测的准确性，具有速度快的优点。
-
公开(公告)号：CN108765296B
公开(公告)日：2022-04-12
申请号：CN201810600397.6
申请日：2018-06-12
Applicant: 桂林电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于递归残差注意力网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）数据预处理；2）建立重建模型；3）残差注意力网络支路第一个残差注意力模块特征提取；4）递归网络支路第一个递归模块特征提取；5）特征融合；6）图像重建。这种方法能解决预处理操作带来的噪声，且获得更多高频信息来丰富图像细节，同时能减少网络参数，在增加层数的同时而不增加新的参数，能提高超分辨率重建的精度。
-
公开(公告)号：CN112308884A
公开(公告)日：2021-02-02
申请号：CN202011227714.8
申请日：2020-11-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于张量核范数的视频背景减除方法，用改进的张量核范数去表征视频背景的低维特性，使得背景约束更加接近实际视频背景的秩，为前景背景更加准确的分离提供了一定的保证；用L1,1,2范数去建模视频前景的稀疏性，加强了视频前景的时空连续性和管稀疏性，从而达到了较好的背景前景分离效果。
-
公开(公告)号：CN112070784A
公开(公告)日：2020-12-11
申请号：CN202010965729.8
申请日：2020-09-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于上下文增强网络的感知边缘检测方法，其特征在于，包括如下步骤：1）获取图像训练数据集训练边缘检测模型；2）特征提取；3）降维加权；4）双向递归；5）分类；6）输出。这种方法通过捕捉多尺度上下文信息之间的内在联系提升边缘检测的准确性，具有速度快的优点。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.037 seconds)
