-
公开(公告)号：CN112738501B
公开(公告)日：2022-05-17
申请号：CN202011592782.4
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: H04N17/00 , H04N13/106
Abstract: 本发明公开了一种立体图像舒适度测试方法。传统的舒适度测试技术提取的特征较为简单，预测结果不够准确。本发明方法首先输入立体图像视差图提取基础视差特征，然后由视差图和中颞区皮层图提取视觉神经活动特征，再与颜色特征线性结合得到最终的舒适度预测特征，采用随机森林回归模型进行不舒适度测试，获得最终的立体视觉不舒适度分值。本发明的视觉神经活动特征模拟了大脑中颞区皮层视觉处理过程，视差特征和颜色特征则代表了图像内容本身。本发明方法充分考虑了影响立体图像舒适度的相关因素，在舒适度测试方面有很好的效果。
-
公开(公告)号：CN114445618A
公开(公告)日：2022-05-06
申请号：CN202111665038.7
申请日：2021-12-31
Applicant: 杭州电子科技大学
IPC: G06V10/25
Abstract: 本发明方法公开了一种跨模态交互RGB‑D图像显著区域检测方法。本发明方法首先分别从彩色图和深度图中利用VGG16网络提取RGB特征和深度特征；然后在RGB‑D交互模块中RGB特征和深度特征相互纠正，并增强边缘细节；深度权重分配模块中根据深度特征计算处理后的多个特征的融合权重；最后在注意力更新模块中细化融合后的特征。本发明方法将RGB与深度联系起来，通过补充丰富的边界信息来增强目标区域；在多尺度深度权重模块中计算权重，根据深度图的质量来决定其对显著区域的影响程度，消除了低质量深度图带来的负面影响，并提升算法的整体性能。本发明方法可以直接应用在3D图像处理，3D质量评估以及物体识别等工程领域中。
-
Patent Agency Ranking
公开(公告)号：CN112085683B
公开(公告)日：2024-04-09
申请号：CN202010816235.3
申请日：2020-08-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种显著性检测中的深度图可信度检测方法。该方法具体包括以下步骤：判断待测深度图像的收敛性；B)对收敛的深度图像做中值滤波处理；C)对中值滤波处理后的深度图像及其参考图像进行边缘检测，并获取边缘信息；D)计算深度图像及其参考图像的边缘的相似度，获得可信度分数。该方法引入图像收敛性概念，过滤显著物体不明显的深度图像，在提取边缘特征前进行中值滤波处理，通过自适应阈值的边缘检测，在像素级别上求取深度图像和参考图像的相似度，使深度图像显著物体的边缘定位更准确，不会受到边缘附近区块因失真等原因导致的数值变化的影响，获得的深度图像的可信度结果更为准确。
-
公开(公告)号：CN113128344A
公开(公告)日：2021-07-16
申请号：CN202110297430.4
申请日：2021-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明方法公开了一种多信息融合的立体视频显著性检测方法。本发明方法首先通过2D视频序列的色彩特征、空间特征、中心位置特征计算，得到2D空间显著图；基于时空一致性，在2D空间显著图的基础上获得2D运动显著图；然后利用不同区域的深度差异度计算深度空间显著图；提取深度变化的信息，获得深度运动图；最后使用多层细胞自动机融合产生的视频序列的四种显著图，得到立体视频的显著图。本发明方法根据人眼视觉注意力对色彩、空间位置、物体远近的敏感机制，尤其利用深度信息与运动信息在立体视觉显著性检测中的重要作用，融合了多种立体视频在空间和时间上的特征，消除单一特征计算显著性带来的噪声影响。
-
公开(公告)号：CN113128344B
公开(公告)日：2024-02-02
申请号：CN202110297430.4
申请日：2021-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明方法公开了一种多信息融合的立体视频显著性检测方法。本发明方法首先通过2D视频序列的色彩特征、空间特征、中心位置特征计算，得到2D空间显著图；基于时空一致性，在2D空间显著图的基础上获得2D运动显著图；然后利用不同区域的深度差异度计算深度空间显著图；提取深度变化的信息，获得深度运动图；最后使用多层细胞自动机融合产生的视频序列的四种显著图，得到立体视频的显著图。本发明方法根据人眼视觉注意力对色彩、空间位置、物体远近的敏感机制，尤其利用深度信息与运动信息在立体视觉显著性检测中的重要作用，融合了多种立体视频在空间和时间上的特征，消除单一特征计算显著性带来的噪声影响。
-
公开(公告)号：CN112738501A
公开(公告)日：2021-04-30
申请号：CN202011592782.4
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: H04N17/00 , H04N13/106
Abstract: 本发明公开了一种立体图像舒适度测试方法。传统的舒适度测试技术提取的特征较为简单，预测结果不够准确。本发明方法首先输入立体图像视差图提取基础视差特征，然后由视差图和中颞区皮层图提取视觉神经活动特征，再与颜色特征线性结合得到最终的舒适度预测特征，采用随机森林回归模型进行不舒适度测试，获得最终的立体视觉不舒适度分值。本发明的视觉神经活动特征模拟了大脑中颞区皮层视觉处理过程，视差特征和颜色特征则代表了图像内容本身。本发明方法充分考虑了影响立体图像舒适度的相关因素，在舒适度测试方面有很好的效果。
-
公开(公告)号：CN112085683A
公开(公告)日：2020-12-15
申请号：CN202010816235.3
申请日：2020-08-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种显著性检测中的深度图可信度检测方法。该方法具体包括以下步骤：判断待测深度图像的收敛性；B)对收敛的深度图像做中值滤波处理；C)对中值滤波处理后的深度图像及其参考图像进行边缘检测，并获取边缘信息；D)计算深度图像及其参考图像的边缘的相似度，获得可信度分数。该方法引入图像收敛性概念，过滤显著物体不明显的深度图像，在提取边缘特征前进行中值滤波处理，通过自适应阈值的边缘检测，在像素级别上求取深度图像和参考图像的相似度，使深度图像显著物体的边缘定位更准确，不会受到边缘附近区块因失真等原因导致的数值变化的影响，获得的深度图像的可信度结果更为准确。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
