-
公开(公告)号：CN114565526B
公开(公告)日：2024-07-23
申请号：CN202210167590.1
申请日：2022-02-23
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于梯度方向和边缘引导的深度学习图像修复方法。采用边缘引导的修复方法的基础上，提出了增加梯度方向损失进行优化的方法。通过加入HOG特征中的梯度方向，相比于只利用了梯度大小即只考虑边缘的情况，可以更准确地还原出图像中的结构，例如汉字中含有的许多“横”和“竖”等笔画，本发明的结果不仅减少了修复中出现的扭曲情况，对于无意义的笔画也大大减少，能得到更加真实的图像修复结果，从视觉效果和定量分析结果来看，整体性能优于其它方法。
-
公开(公告)号：CN114373027A
公开(公告)日：2022-04-19
申请号：CN202111549912.0
申请日：2021-12-17
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06T11/00
Abstract: 本发明提出了一种基于灰度共生矩阵的瓷砖图像数据集生成方法。该方法首先对待制作成数据集的图像进行裁切处理，再求出裁出新图像块的灰度共生矩阵及其特征值，最后结合逻辑斯蒂回归结果决定该图像是否加入数据集。相较于人工方法，本发明提出的技术生成效率较高，而且可以根据数据集大小动态生成，而且结合了逻辑斯蒂回归模型，生成的准确度较高，能够按照需求生成不同纹理复杂程度的数据集，因此对该领域数据集生成策略的改进有着很好的借鉴意义。
-
公开(公告)号：CN110119771B
公开(公告)日：2020-12-22
申请号：CN201910353892.6
申请日：2019-04-29
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于组合特征和级联分类器的高压输电线路防震锤检测方法，包括步骤：S1、对待检测的图像进行预处理；S2、使用改进的归一化互相关匹配方法进行模板匹配，并在匹配的过程中缩放和旋转模板，得到防震锤疑似区域样本集；S3、提取所述防震锤疑似区域的组合特征；S4、使用级联分类器对所述防震锤疑似区域进行多级分类；S5、统计所述级联分类器的分类结果。本发明综合考虑了防震锤图像的对称性和灰度分布情况，并对防震锤进行了多尺度的检测，很好地平衡了检测准确率和误检率，同时能够高效准确地检测出高压输电线路上的防震锤。
-
公开(公告)号：CN110119771A
公开(公告)日：2019-08-13
申请号：CN201910353892.6
申请日：2019-04-29
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于组合特征和级联分类器的高压输电线路防震锤检测方法，包括步骤：S1、对待检测的图像进行预处理；S2、使用改进的归一化互相关匹配方法进行模板匹配，并在匹配的过程中缩放和旋转模板，得到防震锤疑似区域样本集；S3、提取所述防震锤疑似区域的组合特征；S4、使用级联分类器对所述防震锤疑似区域进行多级分类；S5、统计所述级联分类器的分类结果。本发明综合考虑了防震锤图像的对称性和灰度分布情况，并对防震锤进行了多尺度的检测，很好地平衡了检测准确率和误检率，同时能够高效准确地检测出高压输电线路上的防震锤。
-
公开(公告)号：CN114565526A
公开(公告)日：2022-05-31
申请号：CN202210167590.1
申请日：2022-02-23
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明提出了一种基于梯度方向和边缘引导的深度学习图像修复方法。采用边缘引导的修复方法的基础上，提出了增加梯度方向损失进行优化的方法。通过加入HOG特征中的梯度方向，相比于只利用了梯度大小即只考虑边缘的情况，可以更准确地还原出图像中的结构，例如汉字中含有的许多“横”和“竖”等笔画，本发明的结果不仅减少了修复中出现的扭曲情况，对于无意义的笔画也大大减少，能得到更加真实的图像修复结果，从视觉效果和定量分析结果来看，整体性能优于其它方法。
-
Patent Agency Ranking
公开(公告)号：CN110111282A
公开(公告)日：2019-08-09
申请号：CN201910383006.4
申请日：2019-05-09
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于运动矢量和CNN的视频去模糊方法，包括：S11.将待修复视频的所有视频帧分块处理，产生数个图像块；S12.将所述视频帧的数个图像块进行模糊检测，得到待修复的模糊图像块；S13.查找与所述待修复的模糊图像块的相邻帧所对应的清晰图像块；S14.将所述待修复的模糊图像块与所述清晰图像块输入到CNN去模糊网络中；S15.所述CNN去模糊网络产生去模糊结果；S16.完成待修复视频的去模糊。本发明实现了高效视频模糊修复的效果，不同于整个视频帧都进行去模糊，只对视频帧中的模糊部分进行修复。此外，本发明还利用CNN在计算机视觉处理方面的优势，得到清晰的视频修复结果。
-
公开(公告)号：CN118734269A
公开(公告)日：2024-10-01
申请号：CN202410827602.8
申请日：2024-06-25
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明公开了一种基于频域的电子文档图片防篡改的水印嵌入及提取方法，主要步骤为：将电子文档图片分离为校验区域以及溯源信息区域，根据输入的二值图像获取水印信息，获取转换为YCrCb模式的溯源信息区域中Y通道，通过对特定位置分块进行离散余弦变换得到DCT系数，并对其进行SVD分解得到奇异值矩阵，根据量化系数进行量化，修改最大奇异值保持与水印信息的奇偶一致性；其次，获取溯源信息区域以及校验区域两者Y通道，并分别对两者从起始像素进行分块离散余弦变换以及SVD分解得到两者奇异值矩阵，获取前者最大奇异值，并将其量化后作为校验信息，修改后者奇异值以保证二者奇偶一致性；嵌入完成后根据逆变换重建图像。
-
公开(公告)号：CN118644376A
公开(公告)日：2024-09-13
申请号：CN202410767150.9
申请日：2024-06-14
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明公开了一种基于添加面片的三维模型水印方法，该方法首先对添加的水印信息加入海明校验码，计算模型中各面片的面积，确定添加的含水印面片的面积。其次遍历确定的所有面片，得到两个嵌入水印的起始位置，嵌入两份相同的水印信息，得到嵌入水印后的三维模型。然后获取所有与其他面片之间没有共享顶点的面片，并按面积从小到大排序，依次判断是否为含水印面片，并提取水印信息。最后将提取到的水印信息经过海明码校验后判断水印信息是否提取正确，并且得到原始水印信息。本发明能够在模型受到任意平移、任意旋转、任意缩放、大幅度裁剪、添加大量顶点和面片攻击后正确提取水印。
-
公开(公告)号：CN118608364A
公开(公告)日：2024-09-06
申请号：CN202410722882.6
申请日：2024-06-05
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06T1/00
Abstract: 本发明公开了一种基于不可见字符的三维模型场景隐形水印嵌入和提取方法。本发明包含水印提取和水印嵌入两个方法。水印嵌入方法首先解析场景文件，随机选择一个容量足够的节点，将水印嵌入到该节点的名称属性中，最后导出为新的场景文件。嵌入的水印由用户输入的文本信息编码而来。将可读的文本信息编码为不可见的字符，并附加到节点的名称中。水印提取方法同样也先解析场景文件，并取出每个节点的名称，并从节点名称中提取出水印信息。最后将提取出的水印信息传递给解码器，从而获得隐含在场景中的文本信息。本发明使用的不可见字符编码可以使得水印信息无法察觉，保护三维模型场景文件的版权。
-
公开(公告)号：CN110111282B
公开(公告)日：2021-05-11
申请号：CN201910383006.4
申请日：2019-05-09
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于运动矢量和CNN的视频去模糊方法，包括：S11.将待修复视频的所有视频帧分块处理，产生数个图像块；S12.将所述视频帧的数个图像块进行模糊检测，得到待修复的模糊图像块；S13.查找与所述待修复的模糊图像块的相邻帧所对应的清晰图像块；S14.将所述待修复的模糊图像块与所述清晰图像块输入到CNN去模糊网络中；S15.所述CNN去模糊网络产生去模糊结果；S16.完成待修复视频的去模糊。本发明实现了高效视频模糊修复的效果，不同于整个视频帧都进行去模糊，只对视频帧中的模糊部分进行修复。此外，本发明还利用CNN在计算机视觉处理方面的优势，得到清晰的视频修复结果。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.021 seconds)
