-
公开(公告)号：CN108550115B
公开(公告)日：2020-06-16
申请号：CN201810380243.0
申请日：2018-04-25
Applicant: 中国矿业大学
Abstract: 本发明涉及一种图像超分辨率重建方法，属于图像处理技术领域，解决了现有技术生成图像边缘信息模糊、不能适用多种放大倍数以及重建效果差的问题。所述方法包括如下步骤：构造训练和学习的卷积神经网络，所述卷积神经网络从上到下依次包括LR特征提取层、非线性映射层、HR重建层；用该卷积神经网络对输入的成对的LR图像和HR图像进行训练，同时进行至少两个放大尺度的训练，求得卷积神经网络的最优参数集和相应放大尺度下的尺度调节因子；训练完成后，将目标LR图像和目标放大倍数输入所述卷积神经网络，可得到目标HR图像。本发明卷积神经网络训练速度快，训练完成后可以实时得到训练尺度中任意放大倍数的HR图像。
-
公开(公告)号：CN107888905B
公开(公告)日：2019-09-06
申请号：CN201711021805.4
申请日：2017-10-27
Applicant: 中国矿业大学
IPC: H04N17/00
Abstract: 本发明涉及一种基于GoP显著性加权的视频质量评价方法，具体包括：将视频序列分离为多组GoP；得到每组GoP的质量分数及每组GoP中I帧图像的显著值；利用每组GoP中I帧图像的显著值对所有的GoP的质量分数进行加权，求得整个视频序列的质量分数。利用每组GoP的显著性不同，对所有GoP进行显著性加权得出整个视频的质量分数，提高对视频质量评价的结果的准确性；同时在求取每组GoP显著值时，利用I帧在整组GoP中影响该GoP中帧数量最多的特性，以I帧单帧的显著值替代了整组GoP的显著值，减少了计算量。
-
公开(公告)号：CN107945111B
公开(公告)日：2021-07-27
申请号：CN201711143013.4
申请日：2017-11-17
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于SURF特征提取结合CS‑LBP描述符的图像拼接方法，包括以下步骤：获取待拼接图像；使用SURF提取待拼接图像的特征点信息；求取上述每个特征点的Harr描述符和CS‑LBP描述符；利用上述得到的Harr描述符和CS‑LBP描述符，确定待拼接图像的特征点匹配对；利用平滑的渐入渐出法对匹配后的图像进行融合，得到拼接图像。CS‑LBP采用中心对称比较方法，相对于传统LBP更简化，运行效率更高；SURF和CS‑LBP结合方法在保持SURF速度快、可以实时处理的基础上，对大面积旋转、光照复杂图像的拼接效果良好。
-
公开(公告)号：CN107945111A
公开(公告)日：2018-04-20
申请号：CN201711143013.4
申请日：2017-11-17
Applicant: 中国矿业大学
CPC classification number: G06T3/4038 , G06K9/4671 , G06T5/50 , G06T7/337 , G06T2207/20221
Abstract: 本发明涉及一种基于SURF特征提取结合CS-LBP描述符的图像拼接方法，包括以下步骤：获取待拼接图像；使用SURF提取待拼接图像的特征点信息；求取上述每个特征点的Harr描述符和CS-LBP描述符；利用上述得到的Harr描述符和CS-LBP描述符，确定待拼接图像的特征点匹配对；利用平滑的渐入渐出法对匹配后的图像进行融合，得到拼接图像。CS-LBP采用中心对称比较方法，相对于传统LBP更简化，运行效率更高；SURF和CS-LBP结合方法在保持SURF速度快、可以实时处理的基础上，对大面积旋转、光照复杂图像的拼接效果良好。
-
公开(公告)号：CN106851261A
公开(公告)日：2017-06-13
申请号：CN201710098920.5
申请日：2017-02-23
Applicant: 中国矿业大学
IPC: H04N17/00 , H04N19/177
CPC classification number: H04N17/00 , H04N19/177
Abstract: 本发明公开了一种基于GOP的视频质量评价方法，具体包含如下步骤：步骤1，获取视频序列中的GOP；步骤2，对步骤1获取的GOP中的I帧与P帧进行质量评价得到I帧与P帧的质量分数；步骤3，对I帧与P帧的质量分数分配权重加权得出单个GOP质量分数；步骤4，对所有的GOP的质量分数进行加权处理，得出视频序列的质量分数；因为在现有视频的MPEG编码后的GOP是由I、P、B三种不同帧类型组成的，在每个GOP中，基本为15∶2的格式，从每个GOP中选择出I与P帧，舍弃B帧，就会大大减少了需要评价的图像的数量；在视频序列中每一个GOP中I、P、B的重要性不同，可以根据I、P帧不同的重要性对I、P帧的质量分数分配不同权重，得到的视频质量评价结果更准确。
-
Patent Agency Ranking
公开(公告)号：CN110428450A
公开(公告)日：2019-11-08
申请号：CN201910707197.5
申请日：2019-08-01
Applicant: 中国矿业大学
Abstract: 本发明涉及一种应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法，属于目标跟踪技术领域，解决了现有矿井目标跟踪算法在目标剧烈变化、遮挡、背景干扰等场景下无法获取较好的跟踪效果的问题。步骤如下：接收矿井巷道移动巡检视频帧序列的当前视频帧，根据上一帧的目标跟踪位置及尺度信息，得到当前视频帧中的待检测图像块；提取当前视频帧中待检测图像块的HOG特征及LQC特征，分别利用HOG特征相关滤波器和LQC特征相关滤波器计算得到HOG特征响应图及LQC特征响应图；对HOG特征响应图及LQC特征响应图进行加权融合响应，将加权融合响应结果中的最大值位置确定为当前视频帧的目标位置；利用尺度滤波器对目标位置进行尺度估计，得到当前视频帧的尺度信息。
-
公开(公告)号：CN108550115A
公开(公告)日：2018-09-18
申请号：CN201810380243.0
申请日：2018-04-25
Applicant: 中国矿业大学
Abstract: 本发明涉及一种图像超分辨率重建方法，属于图像处理技术领域，解决了现有技术生成图像边缘信息模糊、不能适用多种放大倍数以及重建效果差的问题。所述方法包括如下步骤：构造训练和学习的卷积神经网络，所述卷积神经网络从上到下依次包括LR特征提取层、非线性映射层、HR重建层；用该卷积神经网络对输入的成对的LR图像和HR图像进行训练，同时进行至少两个放大尺度的训练，求得卷积神经网络的最优参数集和相应放大尺度下的尺度调节因子；训练完成后，将目标LR图像和目标放大倍数输入所述卷积神经网络，可得到目标HR图像。本发明卷积神经网络训练速度快，训练完成后可以实时得到训练尺度中任意放大倍数的HR图像。
-
公开(公告)号：CN108491857A
公开(公告)日：2018-09-04
申请号：CN201810141262.8
申请日：2018-02-11
Applicant: 中国矿业大学
Abstract: 本发明公开了一种视域重叠的多摄像机目标匹配方法，具体如下；根据摄像机1和摄像机2的前5帧信息计算两台摄像机的视野分界线；提取摄像机1视频中的前景目标，根据多特征融合规则将各个前景目标的特征进行融合获得融合后的特征向量；计算摄像机1中各目标在摄像机2中的投影点，确定待匹配目标的可靠区域后，再计算可靠区域内多特征融合向量；计算多特征融合向量的欧式距离，完成视域重叠的多摄像机目标匹配，距离最近且在设定阈值范围内的目标为匹配目标，保存视野分界线参数；更新视野分界线参数，从当前视频帧的前5帧中选取2组参数，再结合当前帧的视野分界线参数进行线性加权，并对视野分界线模型进行更新。
-
公开(公告)号：CN108491857B
公开(公告)日：2022-08-09
申请号：CN201810141262.8
申请日：2018-02-11
Applicant: 中国矿业大学
Abstract: 本发明公开了一种视域重叠的多摄像机目标匹配方法，具体如下；根据摄像机1和摄像机2的前5帧信息计算两台摄像机的视野分界线；提取摄像机1视频中的前景目标，根据多特征融合规则将各个前景目标的特征进行融合获得融合后的特征向量；计算摄像机1中各目标在摄像机2中的投影点，确定待匹配目标的可靠区域后，再计算可靠区域内多特征融合向量；计算多特征融合向量的欧式距离，完成视域重叠的多摄像机目标匹配，距离最近且在设定阈值范围内的目标为匹配目标，保存视野分界线参数；更新视野分界线参数，从当前视频帧的前5帧中选取2组参数，再结合当前帧的视野分界线参数进行线性加权，并对视野分界线模型进行更新。
-
公开(公告)号：CN110428450B
公开(公告)日：2021-11-16
申请号：CN201910707197.5
申请日：2019-08-01
Applicant: 中国矿业大学
Abstract: 本发明涉及一种应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法，属于目标跟踪技术领域，解决了现有矿井目标跟踪算法在目标剧烈变化、遮挡、背景干扰等场景下无法获取较好的跟踪效果的问题。步骤如下：接收矿井巷道移动巡检视频帧序列的当前视频帧，根据上一帧的目标跟踪位置及尺度信息，得到当前视频帧中的待检测图像块；提取当前视频帧中待检测图像块的HOG特征及LQC特征，分别利用HOG特征相关滤波器和LQC特征相关滤波器计算得到HOG特征响应图及LQC特征响应图；对HOG特征响应图及LQC特征响应图进行加权融合响应，将加权融合响应结果中的最大值位置确定为当前视频帧的目标位置；利用尺度滤波器对目标位置进行尺度估计，得到当前视频帧的尺度信息。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
