一种基于聚焦测度的聚焦堆栈成像系统预置位标定方法

    公开(公告)号:CN110956668A

    公开(公告)日:2020-04-03

    申请号:CN201911228319.9

    申请日:2019-12-04

    Abstract: 本发明公开了一种基于聚焦测度的聚焦堆栈成像系统预置位标定方法,该方法包括:步骤1,设置预置位标定环境;步骤2,采集预置位标定环境中的标定板在预置位及其对应的II型标识线的图像;步骤3,计算采集的每一幅图像的聚焦测度,通过数据拟合得到最大聚焦测度对应的预置位;步骤4,采用对同一个预置位进行多次标定的方法,由多次标定结果的均值和方差预置位的重复性和标定的准确性予以验证;步骤5,利用标定好的预置位,采集实际场景的聚焦堆栈数据,并重建场景深度图和全聚焦图。本发明能够提高聚焦堆栈数据采集的效率、实现三维场景深度的高精度重建,同时也可以为三维数字化空间的建立、计算方法的改进提供参考和理论依据。

    三维人脸重建与多姿态人脸识别方法及装置

    公开(公告)号:CN110647782A

    公开(公告)日:2020-01-03

    申请号:CN201810587968.7

    申请日:2018-06-08

    Abstract: 本发明公开了一种基于光场成像的三维人脸重建与多姿态人脸识别方法和装置,所述基于光场成像的三维人脸重建与多姿态人脸识别方法包括:步骤100,建立三维人脸数据库;步骤200,建立二维人脸数据库;步骤300,获取待识别人脸二维图像中的二维人脸图像及其对应的三维姿态的角度值和光照环境的光强;以及步骤400,将步骤300获取的待识别人脸二维图像的三维姿态的角度值和光照环境的光强值与步骤240二维人脸数据库中的二维人脸数据进行匹配和识别。本发明充分利用三维人脸模型的形状信息和二维人脸图像的纹理信息,克服了姿态变化的影响和减少了计算的复杂度,相较于二维人脸识别技术有更高的准确率,相比于三维人脸识别技术有更快的识别速度,而且更利于实际应用。

    一种基于旋转光场的三维表面重构方法

    公开(公告)号:CN105976431B

    公开(公告)日:2019-01-22

    申请号:CN201610345960.0

    申请日:2016-05-23

    Inventor: 刘畅 邱钧 苑瑞宁

    Abstract: 本发明公开了一种基于旋转光场的三维表面重构方法,包括:(1)对旋转光场进行参数化表征,建立重构物体与旋转光场的几何关系;(2)从旋转采样光场中提取每个视点图像的特征点,追踪匹配成功的特征点的坐标轨迹,对坐标轨迹进行参数拟合得到正弦函数曲线;(3)由特征点与旋转光场的几何关系,得到特征点与旋转角度在旋转光场中的正弦函数,根据拟合得到的所述正弦函数曲线计算特征点的三维坐标,重构三维图像,并实现三维测量。通过采用本发明提供的基于旋转光场三维表面重构方法,实现了全视角的三维表面重构,可以为虚拟现实和增强现实提供全视角精确的三维结构信息。

    一种基于RGB-D特征匹配的3D点云拼接与融合方法

    公开(公告)号:CN108053367A

    公开(公告)日:2018-05-18

    申请号:CN201711293629.X

    申请日:2017-12-08

    Abstract: 本发明公开了本发明公开了一种基于RGB‑D特征匹配的3D点云拼接与融合方法,该方法主要包括:将不同视点的场景表面3D点云数据投影到RGB‑D图像进行处理,实现三维点云降至二维的降维计算;提取RGB‑D图像特征点,建立RGB‑D图像的特征描述,对不同视点RGB‑D图像进行匹配;求解坐标及深度变换矩阵,对RGB‑D图像进行拼接与融合;将拼接后的RGB‑D图像转化为3D点云数据。通过采用本发明提供的方法,可以简化三维点云特征提取和匹配的计算,提高三维点云拼接和融合的效率。可应用于3D大视场与3D全景的场景重建。

    基于对称权重场和旋转重建点的快速重建图像方法和装置

    公开(公告)号:CN106920267A

    公开(公告)日:2017-07-04

    申请号:CN201710110556.X

    申请日:2017-02-28

    Inventor: 邱钧 刘畅

    Abstract: 本发明公开了一种基于对称权重场和旋转重建点的快速重建图像方法和装置,所述方法包括:建立图像重建几何模型,包括基于射线追踪的投影模型和基于重建点追踪的反投影模型;建立图像重建几何模型的权重场,给出图像重建几何模型的对称结构,结合扫描模式的旋转重建点离散化模型,将正演过程和反演过程归结为投影平面上的插值采样过程;图像重建离散化几何模型的对称结构性质:不同的投影角度下的正演过程和反演过程的具有相同的计算,简化计算提高重建速度;基于对称权重场和旋转重建点,建立图像重建快速方法。采用本发明的方案,实现计算机断层技术的快速重建,可以为医学CT、工业无损检测和地质勘探等应用领域更快地重建出高精度图像。

    一种基于特征点密度由聚焦堆栈估计深度的方法和装置

    公开(公告)号:CN106875436A

    公开(公告)日:2017-06-20

    申请号:CN201710090688.0

    申请日:2017-02-20

    Inventor: 邱钧 何建梅 刘畅

    Abstract: 本发明公开了一种基于特征点密度由聚焦堆栈估计深度的方法和装置,所述方法包括:提取聚焦堆栈中每个图像的特征点,建立基于特征点密度的聚焦测度;建立引入特征点密度的加权聚焦测度的估计深度的模型:以采用SML聚焦测度为例,建立SML与特征点密度的加权线性混合聚焦测度作为深度估计的目标函数,实现对场景深度的估计和全聚焦图。本发明的方案,建立关于特征点密度的聚焦测度及建立线性加权聚焦测度,并构建基于聚焦测度的深度估计模型,获取场景的深度信息,以实现场景的全聚焦与三维重构,可为现实三维重构提供精确的深度信息并获取全聚焦图像。

    一种基于动作快慢特征的多模态鸟类动作识别方法及装置

    公开(公告)号:CN119964238A

    公开(公告)日:2025-05-09

    申请号:CN202510034605.0

    申请日:2025-01-09

    Abstract: 本发明公开了一种基于动作快慢特征的多模态鸟类动作识别方法及装置,该方法包括:计算输入视频相邻两帧图像之间的光流运动矢量;将光流运动矢量值按照区间进行划分,得到多个快慢类别;将每个快慢类别转化为一个二进制向量,得到动作快慢特征;将动作快慢特征与视觉‑文本特征相融合,共同作为模型的语义查询部分;训练模型:将语义查询部分与视频特征向量均输入解码器,解码器利用语义查询部分对解码器进行引导,使解码器能够聚焦于与语义查询部分的信息进行解码,得到动作识别结果,计算动作识别结果的平均精度均值,平均精度均值作为评价训练效果的指标。本发明能够更好地捕捉到鸟类动作中的时间动态信息,具有更高的识别准确性和鲁棒性。

    一种基于空角一致性光场抠图空间域评价方法及装置

    公开(公告)号:CN114742846B

    公开(公告)日:2025-04-11

    申请号:CN202210404986.3

    申请日:2022-04-18

    Abstract: 本发明公开了一种基于空角一致性光场抠图空间域评价方法及装置,其包括:步骤1,提取光场数据的中心子孔径图像;步骤2,计算光场数据的视差图和光场数据中心子孔径图像alpha图;步骤3,对中心子孔径图像alpha图进行传播,获取光场alpha图;步骤4,通过在空间域获取的空角一致性评价指标S‑cons,对光场alpha图中的光场数据空角一致性进行评价:指标S‑cons取值范围在(0‑1),指标S‑cons越接近1,代表边界区域方差越小,光场数据的空角一致性越好,指标S‑cons越接近0,光场数据的空角一致性越差。通过采用本发明提供的方法,可以实现准确且具有一致性的光场抠图并评估其空角一致性。

    基于Transformer与部件特征融合的鸟类细粒度图像识别方法及装置

    公开(公告)号:CN114626476B

    公开(公告)日:2024-12-24

    申请号:CN202210279684.8

    申请日:2022-03-21

    Abstract: 本发明公开了一种基于Transformer和部件特征融合的鸟类细粒度图像识别方法及装置,该方法包括:步骤1,通过将预处理后的图像输入基于Transformer架构网络的特征编码器,提取出基础特征图,并将所述基础特征图输入注意力模块,生成部件注意力图;步骤2,将所述基础特征图和所述部件注意力图进行双线性注意力池化操作,获得判别性部件特征;步骤3,通过将判别性部件特征在通道维度上进行拼接,得到融合了判别性部件信息的增强特征表示;步骤4,通过将增强特征表示输入全连接层,完成类别的映射,并通过交叉熵损失和中心损失对模型参数进行优化。本发明能够实现在弱监督下对鸟类图像进行高精度识别。

Patent Agency Ranking