-
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：CN109376744A
公开(公告)日：2019-02-22
申请号：CN201811209522.7
申请日：2018-10-17
Applicant: 中国矿业大学
Abstract: 本发明涉及一种SURF和ORB相结合的图像特征匹配方法及装置，该方法包括：输入第一图像和第二图像；通过SURF分别检测所述第一图像和第二图像中具有尺度不变性的特征点；通过ORB特征描述符分别对所述第一图像和第二图像中的所述特征点进行描述；将所述第一图像中的所述特征点的描述符和所述第二图像中的所述特征点的描述符，根据汉明距离和余弦相似度完成初始匹配；根据PROSAC算法消除所述初始匹配中的误匹配；生成所述第一图像与所述第二图像中特征点的匹配关系。可有效提高图像特征匹配的准确度和速度，同时降低错误匹配的速率。
-
Patent Agency Ranking
公开(公告)号：CN107888905A
公开(公告)日：2018-04-06
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：CN107886066A
公开(公告)日：2018-04-06
申请号：CN201711084863.1
申请日：2017-11-07
Applicant: 中国矿业大学
CPC classification number: G06K9/00362 , G06K9/6269 , G06K9/629
Abstract: 本发明涉及一种基于改进HOG-SSLBP的行人检测方法，包括以下步骤：获取待检测图像序列；提取上述图像的SSLBP特征和HOG特征并进行融合，得到融合特征；利用训练好的HIK SVM分类器对上述融合特征进行分类，获得行人检测结果。本发明的行人检测方法在对光照、噪声和旋转具有鲁棒性，保留原始图像纹理信息和边缘信息的同时,简单有效地解决了尺度问题，提高局部二值模式的尺度不变性，获得尺度不变特征提高了检测精度，且提取特征耗时较短，具有较高的实时性。
-
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：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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
