-
公开(公告)号：CN102868891B
公开(公告)日：2015-02-18
申请号：CN201210345198.8
申请日：2012-09-18
Applicant: 哈尔滨商业大学
Abstract: 基于支持向量回归多视角视频色差校正方法，属于图像处理领域，本发明为解决现有的多视角视频编码系统采用的算法不能很好的校正不同视角之间的颜色差异，编码效率很低的问题。本发明方法取参考视角第一帧图像为参考图像，待校正视角第一帧图像为待校正图像，每个待校正图像都以参考图像为标准校正自身色差，每个待校正视角的视频色差校正过程均采用基于支持向量回归多视角视频色差校正方法，在不同视角之间进行全局运动估计建立匹配关系，匹配区域划分固定大小的匹配宏块对，利用一定的判别方法选择合适的匹配宏块对，建立训练样本集合，变换色彩空间变换色彩表示方式，分量颜色分量分别训练各自的支持向量回归模型，以此来校正视角之间颜色差异。
-
公开(公告)号：CN103544501A
公开(公告)日：2014-01-29
申请号：CN201310516017.8
申请日：2013-10-28
Applicant: 哈尔滨商业大学
Abstract: 基于傅里叶变换的室内室外场景分类方法，涉及一种分类室内室外场景图象的方法。该方法是要解决现有室内室外场景分类方法由于没考虑频率域特征，致使分类准确率较低的问题。基于傅里叶变换的室内室外场景分类方法按以下步骤进行：一、场景图像的分割；二、求边缘直方图EOH；三、求色彩直方图COH；四、计算图像的特征矢量；五、图像的傅里叶变换；六、图像的再次分割；七、室内室外场景分类。本发明使分类正确率从91%提高到92%。可应用于室内室外图片场景分类方法中。
-
公开(公告)号：CN102036078B
公开(公告)日：2012-07-25
申请号：CN201110024352.7
申请日：2011-01-21
Applicant: 哈尔滨商业大学
Abstract: 基于视角间相关性的多视角视频编解码系统运动估计方法，本发明涉及一种多视角视频编解码系统的运动估计方法，用于图像处理。方法是基于视角间、帧间和帧内相关性的运动矢量预测模型来实现，包括下述步骤：多视角视频序列输入，利用第一个视角视频序列和其他视角视频序列每个GOP中的前六帧的运动矢量，通过统计学方法求取转移概率矩阵P的数值，然后，利用前帧中参考宏块的状态和状态转移矩阵(P)预测后帧中对应宏块的状态，按照概率从大到小的次序测试各状态所对应预测宏块运动矢量与参考宏块运动矢量的SAD值，如果满足提前退出条件之一即认定其为预测点与参考宏块之间的运动矢量。
-
公开(公告)号：CN119052593A
公开(公告)日：2024-11-29
申请号：CN202411074618.2
申请日：2024-08-07
Applicant: 哈尔滨商业大学
IPC: H04N21/647 , H04L47/24 , H04L47/34 , H04L67/10
Abstract: 本发明提供一种云边传输的图像通信控制方法及系统，涉及云边图像数据传输技术领域，具体步骤为：通过归并排序，将网络端口发送的图像通信数据按内存大小合并为完整的数据包序列，设立边缘节点阈值，将数据包分为简单和复杂子列，传输至边缘节点和云端服务器，采集边缘节点和云端服务器的网络延迟、带宽利用率及实时带宽使用量数据，生成边缘节点系数和带宽系数，对两类数据包单元化处理和校准，根据复杂数据包在服务器中的带宽占比设定优先级，送入数据缓冲区，设立筛选机制对数据包进行筛选，经过筛选和处理后的两类数据包按序列号与标识形成数据链。本发明有效结合了边缘计算与云端资源的优化利用，为实时图像传输提供了可靠的技术支持和保障。
-
公开(公告)号：CN112966715B
公开(公告)日：2021-09-07
申请号：CN202110144794.9
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06K9/62
Abstract: 一种基于多尺度视觉词包模型的商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
Patent Agency Ranking
公开(公告)号：CN112966715A
公开(公告)日：2021-06-15
申请号：CN202110144794.9
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06K9/62
Abstract: 一种基于多尺度视觉词包模型的商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
公开(公告)号：CN106649611A
公开(公告)日：2017-05-10
申请号：CN201611076051.8
申请日：2016-11-29
Applicant: 哈尔滨商业大学
Abstract: 一种基于邻域旋转直角模式的图像检索方法，本发明涉及基于邻域旋转直角模式的图像检索方法。本发明了解决现有技术在阈值的选择上具有局限性，选择灰度图像损失了图像部分信息，导致查全率和查准率低的问题。本发明步骤为：一：分离彩色图像R、G、B三通道色，分别对三通道色进行二维离散小波变换，取三通道色的低频子带，作为所选平面；二：基于VLBP模式根据步骤一所选的平面提取局部模式；三：使用邻域旋转直角模式计算局部模式的邻域旋转直角模式值；步骤四：将邻域旋转直角模式值形成的特征向量与图像数据库进行特征相似度度量，使用查全率以及查准率对图像检索结果进行评价。本发明应用于图像检索领域。
-
公开(公告)号：CN103559701A
公开(公告)日：2014-02-05
申请号：CN201310444856.3
申请日：2013-09-26
Applicant: 哈尔滨商业大学
Abstract: 基于DCT系数熵的二维单视图像深度估计方法，涉及一种二维单视图像深度估计方法。它解决了现有二维单视图像深度估计方法准确度低的问题。其方法：对于待处理图像中的每个像素(i，j)，以该像素为中心选取N×N大小的窗口作为子图像；N为正整数；i和j均为正整数；然后并对该子图像做DCT变换；设定量化步长，然后对子图像DCT系数进行量化，然后计算其系数熵，并将该熵作为像素点(i，j)的模糊程度的度量；采用步骤一和步骤二的方法遍历图像中的每个像素点，得到每个像素点所对应的小波系数熵，然后通过线性映射把熵值映射到8bit的深度值域，得到像素级的深度图，完成基于DCT系数熵的二维单视图像深度估计。本发明适用于二维单视图像深度估计。
-
公开(公告)号：CN208207666U
公开(公告)日：2018-12-07
申请号：CN201820938110.6
申请日：2018-06-19
Applicant: 哈尔滨商业大学
Inventor： 孙华东
Abstract: 一种便捷式易收纳的计算机摄像头,所述底座的下方位置安装有防滑垫，底座的中间位置设置有下铰链，底座通过下铰链与支架连接；所述支架的另一端位置设置有上铰链，支架通过上铰链安装有摄像头面板；所述摄像头面板的顶面位置设置有数据接口，摄像头面板的另一侧位置设置有柔光灯和摄像头，摄像头面板的侧面位置安装有拨块。本实用新型装置为一种便捷式易收纳的计算机摄像头。体积较小，能够进行折叠收纳，适合随身携带，使用也极为方便。通过特有的椭圆形支架作为主体底座，以及支架铰链结构对整个装置起到支撑作用，使整个装置能够进行正常使用。
-
公开(公告)号：CN203673376U
公开(公告)日：2014-06-25
申请号：CN201420058134.4
申请日：2014-02-07
Applicant: 哈尔滨商业大学
Inventor： 孙华东
IPC: G05D27/02
Abstract: 本实用新型公开了一种粮食仓储库湿度远程检测控制系统，该检测控制器主要分为粮食仓储库控制器和远端控制器两大部分。本装置通过粮食仓储库湿度传感器检测仓储库相对湿度，并通过粮食仓储库无线信号通信模块将湿度信号发送到远端控制器中；远端控制器根据接收到的湿度信号将湿度值显示在远端湿度显示器上，检测人员可以根据观察数值的变化进行检测；而后根据调节需要通过远端输入设备和远端无线信号通信模块将调节信号发送到粮食仓储库控制器部分的湿度调节器，实现粮食仓储库湿度调节。本实用新型结构简单、运行可靠、调节方便、反应灵敏、使用寿命长、集湿度检测和调节功能于一体。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.029 seconds)
