-
公开(公告)号：CN114429426B
公开(公告)日：2022-08-16
申请号：CN202111561917.5
申请日：2021-12-20
Applicant: 哈尔滨理工大学
Abstract: 一种基于Retinex模型的低照度图像质量改善方法，它属于图像处理技术领域。本发明解决了采用现有的低照度图像质量改善算法对低照度图像进行处理时，获得的图像的质量差的问题。本发明首先通过Retinex模型对数字图像进行分层得到细节层图像以及光照层图像；其次设计一种非线性全局亮度映射函数，对于光照层图像进行映射得到光照层增强图像；再次设计一种非线性细节层图像映射函数，对于细节层图像进行拉伸得到细节层增强图像；最后对细节层增强图像以及光照层增强图像每个像素进行乘运算，合成低照度增强图像。本发明方法可以应用于改善低照度图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN113920587B
公开(公告)日：2022-05-17
申请号：CN202111284500.9
申请日：2021-11-01
Applicant: 哈尔滨理工大学
Abstract: 基于卷积神经网络的人体姿态估计方法，它属于人体姿态估计技术领域。本发明解决了采用现有方法对人体姿态进行估计时，获得的估计结果不准确的问题。本发明首先设计一种全局卷积算法来增加CNN感受野、提取全局信息；然后利用构建的全局残差块替换残差网络中的残差块得到全局残差子网络，进而提高人体关键点的定位精度；最后，本发明设计了具备修复量化误差能力的量化误差优化子网络，以得到更高精度的关键点定位结果；进而获得了准确的人体姿态估计结果。本发明可以应用于对人体姿态进行估计。
-
公开(公告)号：CN114463207B
公开(公告)日：2022-07-29
申请号：CN202210081971.8
申请日：2022-01-24
Applicant: 哈尔滨理工大学
IPC: G06T5/00 , G06T9/00 , H04N19/182 , H04N19/186
Abstract: 基于全局动态范围压缩与局部亮度估计的色阶映射方法，它属于图像处理技术领域。本发明解决了传统色阶映射算法所重建出的LDR图像的质量差的问题。本发明首先将HDR图像全体像素划分为三类像素集合；其次对第一类像素进行全局动态范围压缩；再次对第二类像素进行局部亮度估计；从次对第三类像素进行局部亮度估计；最后将全部像素的亮度进行归一化从而得到色阶映射后的LDR图像。实验结果表明：通过本发明设计的算法重建出的LDR图像整体明暗分配合理，适于人眼观察且图像局部细节较为丰富，有效提高了重建出的LDR图像的质量。本发明方法可以应用于提高重建出的LDR图像的质量。
-
公开(公告)号：CN114463207A
公开(公告)日：2022-05-10
申请号：CN202210081971.8
申请日：2022-01-24
Applicant: 哈尔滨理工大学
IPC: G06T5/00 , G06T9/00 , H04N19/182 , H04N19/186
Abstract: 基于全局动态范围压缩与局部亮度估计的色阶映射方法，它属于图像处理技术领域。本发明解决了传统色阶映射算法所重建出的LDR图像的质量差的问题。本发明首先将HDR图像全体像素划分为三类像素集合；其次对第一类像素进行全局动态范围压缩；再次对第二类像素进行局部亮度估计；从次对第三类像素进行局部亮度估计；最后将全部像素的亮度进行归一化从而得到色阶映射后的LDR图像。实验结果表明：通过本发明设计的算法重建出的LDR图像整体明暗分配合理，适于人眼观察且图像局部细节较为丰富，有效提高了重建出的LDR图像的质量。本发明方法可以应用于提高重建出的LDR图像的质量。
-
公开(公告)号：CN114429426A
公开(公告)日：2022-05-03
申请号：CN202111561917.5
申请日：2021-12-20
Applicant: 哈尔滨理工大学
Abstract: 一种基于Retinex模型的低照度图像质量改善方法，它属于图像处理技术领域。本发明解决了采用现有的低照度图像质量改善算法对低照度图像进行处理时，获得的图像的质量差的问题。本发明首先通过Retinex模型对数字图像进行分层得到细节层图像以及光照层图像；其次设计一种非线性全局亮度映射函数，对于光照层图像进行映射得到光照层增强图像；再次设计一种非线性细节层图像映射函数，对于细节层图像进行拉伸得到细节层增强图像；最后对细节层增强图像以及光照层增强图像每个像素进行乘运算，合成低照度增强图像。本发明方法可以应用于改善低照度图像的质量。
-
公开(公告)号：CN113920587A
公开(公告)日：2022-01-11
申请号：CN202111284500.9
申请日：2021-11-01
Applicant: 哈尔滨理工大学
Abstract: 基于卷积神经网络的人体姿态估计方法，它属于人体姿态估计技术领域。本发明解决了采用现有方法对人体姿态进行估计时，获得的估计结果不准确的问题。本发明首先设计一种全局卷积算法来增加CNN感受野、提取全局信息；然后利用构建的全局残差块替换残差网络中的残差块得到全局残差子网络，进而提高人体关键点的定位精度；最后，本发明设计了具备修复量化误差能力的量化误差优化子网络，以得到更高精度的关键点定位结果；进而获得了准确的人体姿态估计结果。本发明可以应用于对人体姿态进行估计。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
