-
公开(公告)号：CN110852962B
公开(公告)日：2022-08-26
申请号：CN201911035976.1
申请日：2019-10-29
Applicant: 南京邮电大学
IPC: G06T5/00 , G06T5/50 , G06T7/11 , G06T3/40 , G06V40/16 , G06V10/44 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明提供了一种基于回归树分类的双重映射学习压缩人脸图像复原方法。在训练阶段，首先将得到的残差人脸图像不重叠分块，对应位置压缩图像块向外扩展后分块构成训练样本集；再对每个压缩图像块进行二次重叠分块，对得到的每个子块进行多维特征提取再进行回归树分类；通过分类结果引导压缩图像块进行全局回归和多局部线性回归的双重映射；得到的双重映射作为压缩图像块和残差图像块之间的非线性回归模型；将上述模型应用到待清晰的图像块中，得到复原后的残差图像块；按照位置顺序将残差图像块无重叠拼接后再加上压缩图像，得到最终复原后的清晰人脸图像。
-
公开(公告)号：CN114612675A
公开(公告)日：2022-06-10
申请号：CN202011337545.3
申请日：2020-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多层非局部网络的视觉显著性检测方法及系统，获取待检测的图像数据集；将待检测的图像数据集输入到预先训练好的显著性检测模型，得到显著性图像集；所述预先训练好的显著性检测模型为以损失函数的最小值为目标进行训练得到的多层非局部网络模型。优点：本方法的多层非局部网络，扩大了模型的感受野。与循环操作的反复性形成对比，利用非局部模块可以直接通过计算任意两个像素之间的相互作用来捕捉长距离依赖关系，而不再受到两个像素的位置距离约束，提高了效率并且得到了更好的结果。在训练模型过程中，采用了由相对熵、标准化扫描路径显著性和结构相似性构成的损失函数，使训练得到的最优模型具有较好的全面性和普适性。
-
公开(公告)号：CN108647605B
公开(公告)日：2021-09-17
申请号：CN201810400117.7
申请日：2018-04-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种结合全局颜色与局部结构特征的人眼凝视点提取方法，读入一幅待检测图像，在RGB颜色空间对图像中的像素颜色做均匀量化以提取全局颜色特征，基于颜色对比度在整个图像范围内计算全局显著度图，然后提取图像的亮度信息，在亮度通道内计算每一像素的局部回归核以提取局部结构特征，基于结构对比度在局部范围内计算局部显著度图，最后融合全局颜色显著度图和局部结构显著度图得到初步的人眼关注度图，再结合中心先验对初步的人眼关注度图进行调整，经高斯滤波后得到最终的人眼凝视点位置。本发明通过结合由全局颜色特征和局部结构特征得到的图像显著度图，更好地表达了图像中的显著信息，提高了人眼凝视点提取的准确性和鲁棒性。
-
公开(公告)号：CN107169484B
公开(公告)日：2021-01-12
申请号：CN201710575476.1
申请日：2017-07-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于人眼视觉特性的图像质量评价方法，可以对无参考帧情况下的图像处理后的效果进行客观评价。本发明的质量评价方法首先生成输入图像的显著度图像，然后对原图和显著度图像都进行尺度划分，接着在每个尺度上提取原图像的特征，并利用凸显人眼感兴趣区域的显著度图像的加权策略，对原图像的特征加权得到不同尺度的质量因子，最后对各个尺度的质量因子加权平均得到最终的图像质量评价指标。本发明的方法充分考虑了人眼的视觉特性，因此能更有效、更准确地对图像质量进行评价。
-
公开(公告)号：CN107358590B
公开(公告)日：2020-05-05
申请号：CN201710589430.5
申请日：2017-07-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于超像素分割和相似组稀疏表示的立体视频误码掩盖方法，可以对降质的立体视频进行较高质量的重建。本发明的方法首先对立体视频的含有丢失块的当前图像、同一时刻另一视角的图像和同一视角的前一帧图像进行超像素分割；其次，分别在三幅图像中构建相似组；再次，利用相似组稀疏表示生成学习字典；最后，通过相似组的稀疏表示模型的最优化迭代对含有丢失块图像进行误码掩盖，得到掩盖后的立体视频。本发明提出的方法充分利用了立体视频的相邻帧间和视间的相似性，因此对立体视频的误码掩盖有较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN107481237B
公开(公告)日：2019-11-08
申请号：CN201710751855.1
申请日：2017-08-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多帧温度特性的红外阵列图像热斑检测方法，首先读入当前帧以及相邻的前后多帧红外阵列图像，根据多帧红外图像估计当前红外图像中阵列的平均温度，然后对当前红外图像分块计算其最高温度与平均温度，根据图像块和阵列的平均温度差异选出可能存在热斑的可疑图像块，对可疑图像块根据其最高温度与平均温度的差异确定候选热斑，最后根据周围邻域图像块的温度梯度特性挑选出真正热斑，并根据热斑最高温度与阵列平均温度的比值对热斑进行严重程度的分类。本发明通过多帧温度特性来估计阵列的平均温度，提高了热斑检测的准确性；直接根据温度特性在整帧图像内进行热斑的检测和分析，避免了阵列识别不准确对热斑检测的影响。
-
公开(公告)号：CN110188802A
公开(公告)日：2019-08-30
申请号：CN201910393189.8
申请日：2019-05-13
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了计算机视觉领域内的一种基于多层特征图融合的SSD目标检测算法，包括以下具体步骤：对图像进行预处理，将图像大小缩放成网络能够进行检测的尺寸；选取网络Darknet53对图像进行特征提取；在网络Darknet53的后面额外增加三个卷积层，融合Darknet53中后三层卷积层及增加的三层卷积层所产生的六层特征图；将该融合的特征图使用卷积进行下采样操作，产生金字塔特征层次结构；将网络Darknet53的后两层及额外增加三个卷积层产生的五层特征图进行上采样操作，然后与金字塔特征层次结构中尺寸对应的特征图进行融合；在这六层融合后的特征图上使用一系列卷积产生最终的检测结果，本发明极大的改善了目标检测的能力，可用于图像处理中。
-
公开(公告)号：CN109862354A
公开(公告)日：2019-06-07
申请号：CN201910119549.5
申请日：2019-02-18
Applicant: 南京邮电大学
IPC: H04N19/103 , H04N19/122 , H04N19/177 , H04N19/96
Abstract: 本发明公开了一种基于残差分布的HEVC快速帧间深度划分方法，在低延时或随机接入编码配置下读入编码帧，执行Inter_2N×2N模式后以4×4像素块为单位计算编码单元内不同块的残差值；对4×4像素块的残差取平均作为所处深度CU的残差均值；在执行统计残差的帧中，每编码完成一个编码树单元，根据CTU的实际深度，将预测过程中相应深度的CU残差分为分割和不分割两类，根据统计认为残差均值服从高斯分布；在基于残差进行快速深度决策的帧中，以各深度Inter_2N×2N模式完成后的残差均值为特征，计算残差在高斯分布中的概率并根据概率大小确定当前CU是否分割；依次编码剩余CTU和后续帧，直到全部帧编码完成。该方法在较好保持视频编码质量的同时能较大幅度地降低HEVC帧间预测的计算复杂度。
-
公开(公告)号：CN109741300A
公开(公告)日：2019-05-10
申请号：CN201811551784.1
申请日：2018-12-18
Applicant: 南京邮电大学
IPC: G06T7/00 , H04N19/186 , H04N19/625 , H04N19/136
Abstract: 本发明公开了一种适用于视频编码的图像显著性快速检测方法和装置，方法包括对YUV格式的视频帧图像，将亮度分量Y缩放并对整体图像做DCT变换，对变换系数取符号函数得到图像签名描述子后对其做逆DCT变换得到图像全局显著性；分别以亮度分量Y不重叠的预定图像块和色度分量UV的相应图像块为单位进行DCT变换，分别提取Y分量和UV分量各自的直流系数即强度特征和部分交流系数即纹理特征，使用对比度测量并融合后得到图像局部显著性；融合图像全局显著性和图像局部显著性得到最终显著性。本发明利用DCT变换来提取编码帧图像的特征，考虑了人眼观察图像的全局显著性和局部显著性，显著性计算准确且高效，适合用于视频编码前的检测以指导编码资源的优化分配。
-
公开(公告)号：CN107527056A
公开(公告)日：2017-12-29
申请号：CN201710780778.2
申请日：2017-09-01
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于粗定位车牌的字符分割方法。该方法能自动判断出车牌是否完整，并能在车牌完整的基础上实现精准字符分割。首先挑选出二值车牌图像中能框出独立字符且不存在干扰的最佳独立连通区域外接矩形，将其宽度与其余连通区域的外接矩形宽度形成特征映射关系，建立训练库。利用训练库学习得到测试二值车牌的理论字符宽度，并以此调整每个连通区域的外接矩形尺寸，得到粗分割结果，接着直接对粗分割结果进行识别，挑选出识别置信度最高的字符。通过识别置信度最高字符的中心位置判断其在车牌中所处的位置，以此确定不同位置字符的中心点，以实际字符宽度向左右扩展，即可得到每个字符精准的分割结果。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.024 seconds)
