-
公开(公告)号：CN110379013B
公开(公告)日：2023-04-07
申请号：CN201910520240.7
申请日：2019-06-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多角度激光线扫描的三维重构系统。本发明在单线激光扫描的基础上采用了三个线激光发射器，并分别相隔120°放置于被测物体周围，并使激光发射器和图像采集设备的位置相对固定，使用升降器来带动被测物体做上下运动，进而完成线激光对物体轮廓的全面扫描，通过对摄像机拍摄到的图片进行处理，进而完成对被测物体表面轮廓模型的重建。本发明系统包括驱动位移模块、激光扫描模块、图像采集模块和中央处理模块。本发明可以实现对被测物体的全方位扫描，进而获得被测物体表面的全部轮廓信息，可以有效地对不规则的物体进行重构，并极大的提高了被测物体的重构精度。
-
公开(公告)号：CN110942423B
公开(公告)日：2023-04-28
申请号：CN201910949691.2
申请日：2019-10-08
Applicant: 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于傅里叶叠层成像的远场超分辨率重建方法。本发明通过获取到的一系列低分辨率图像，快速重建出远场样本的幅值信息以及相位信息；将低成本的散射装置放置于样本与物镜之间，且置于物镜的焦平面处，对经相干光照射后的样本信息进行调制；样本置于物镜的远场中，距离物镜焦平面50cm～80cm处，由相干光进行照射；在低分辨率图像获取过程中，通过有规律的将散射片进行上下、左右移动，以获得更加完善的样本调制信息；通过多散射片对样本信息的调制，获得超出物镜衍射极限的分辨率，以此实现样本超分辨率重建。本发明突破了样本与散射装置之间距离的限制。且极大的降低算法复杂度，减少重建时间。
-
公开(公告)号：CN110378845B
公开(公告)日：2021-05-25
申请号：CN201910520242.6
申请日：2019-06-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的极端条件下的图像修复方法。本发明包括如下步骤：步骤1：对获取到的短曝光图像进行预处理；步骤2：将预处理后的图像输入U‑Net卷积神经网络进行训练；步骤3：计算误差并进行迭代训练；步骤4：对训练模型进行评估,以图像的峰值信噪比和结构相似性作为最终结果的评判标准。本发明有效地解决低光下快速成像的问题，同时也为图像去噪、去模糊提供了一种新的可行方法。
-
公开(公告)号：CN110536064B
公开(公告)日：2021-04-06
申请号：CN201910663573.5
申请日：2019-07-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种固定场景的像素级精度视频图像去抖动方法。本发明提出基于图像特征块匹配方式，通过对前后帧图像之间进行区域分割、特征匹配、抖动位移信号提取、偏移信号矩阵生成，后期去抖动等一系列计算处理来实现改善视频中画质抖动的目的。本发明基于灰度值特征匹配的方式来获得视频各帧之间的相对运动参数，选取多个阵列式排布的特征区域，分别计算各个特征区域之间的相对运动参数，由于采取几乎覆盖整个视频场景的特征块选取方式，因此相对于普通的单独特征块选取方式而言，充分利用了整个视频场景的型廓信息，综合考虑整个阵列的特征区域变化情况，并以此为参考来进行图想去抖动处理，所以对于刚性抖动场景的去抖动效果更加优异。
-
公开(公告)号：CN110379013A
公开(公告)日：2019-10-25
申请号：CN201910520240.7
申请日：2019-06-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多角度激光线扫描的三维重构系统。本发明在单线激光扫描的基础上采用了三个线激光发射器，并分别相隔120°放置于被测物体周围，并使激光发射器和图像采集设备的位置相对固定，使用升降器来带动被测物体做上下运动，进而完成线激光对物体轮廓的全面扫描，通过对摄像机拍摄到的图片进行处理，进而完成对被测物体表面轮廓模型的重建。本发明系统包括驱动位移模块、激光扫描模块、图像采集模块和中央处理模块。本发明可以实现对被测物体的全方位扫描，进而获得被测物体表面的全部轮廓信息，可以有效地对不规则的物体进行重构，并极大的提高了被测物体的重构精度。
-
Patent Agency Ranking
公开(公告)号：CN110942423A
公开(公告)日：2020-03-31
申请号：CN201910949691.2
申请日：2019-10-08
Applicant: 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于傅里叶叠层成像的远场超分辨率重建方法。本发明通过获取到的一系列低分辨率图像，快速重建出远场样本的幅值信息以及相位信息；将低成本的散射装置放置于样本与物镜之间，且置于物镜的焦平面处，对经相干光照射后的样本信息进行调制；样本置于物镜的远场中，距离物镜焦平面50cm～80cm处，由相干光进行照射；在低分辨率图像获取过程中，通过有规律的将散射片进行上下、左右移动，以获得更加完善的样本调制信息；通过多散射片对样本信息的调制，获得超出物镜衍射极限的分辨率，以此实现样本超分辨率重建。本发明突破了样本与散射装置之间距离的限制。且极大的降低算法复杂度，减少重建时间。
-
公开(公告)号：CN110536064A
公开(公告)日：2019-12-03
申请号：CN201910663573.5
申请日：2019-07-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种固定场景的像素级精度视频图像去抖动方法。本发明提出基于图像特征块匹配方式，通过对前后帧图像之间进行区域分割、特征匹配、抖动位移信号提取、偏移信号矩阵生成，后期去抖动等一系列计算处理来实现改善视频中画质抖动的目的。本发明基于灰度值特征匹配的方式来获得视频各帧之间的相对运动参数，选取多个阵列式排布的特征区域，分别计算各个特征区域之间的相对运动参数，由于采取几乎覆盖整个视频场景的特征块选取方式，因此相对于普通的单独特征块选取方式而言，充分利用了整个视频场景的型廓信息，综合考虑整个阵列的特征区域变化情况，并以此为参考来进行图想去抖动处理，所以对于刚性抖动场景的去抖动效果更加优异。
-
公开(公告)号：CN110378845A
公开(公告)日：2019-10-25
申请号：CN201910520242.6
申请日：2019-06-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的极端条件下的图像修复方法。本发明包括如下步骤：步骤1：对获取到的短曝光图像进行预处理；步骤2：将预处理后的图像输入U-Net卷积神经网络进行训练；步骤3：计算误差并进行迭代训练；步骤4：对训练模型进行评估,以图像的峰值信噪比和结构相似性作为最终结果的评判标准。本发明有效地解决低光下快速成像的问题，同时也为图像去噪、去模糊提供了一种新的可行方法。
-
公开(公告)号：CN110929562A
公开(公告)日：2020-03-27
申请号：CN201910969167.1
申请日：2019-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进Hough变换的答题卡识别方法。本发明步骤如下：步骤1、图像预处理，对已获取的答题卡图像进行预处理的操作，主要包括对图像的归一化处理、平滑处理、灰度处理和二值化处理；步骤2、进行倾斜校正，基于改进的Hough变换算法进行直线检测，然后根据所定位的特征直线的位置计算倾斜的角度，再将图像旋转至竖直位置，得到校正后的答题卡的二值图像；步骤3、区域分割，对校正后的答题卡的二值图像进行形态学滤波后进行分割；步骤4、进行目标识别，根据区域分割的划分结果，对答题区域进行标记操作，同时检测答题的结果。本发明降低了对答题卡识别机器的要求，克服了光电阅卷必须使用专用设备的缺点，进而降低了成本。
-
公开(公告)号：CN110378938A
公开(公告)日：2019-10-25
申请号：CN201910548289.3
申请日：2019-06-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于残差回归网络的单目标跟踪方法。本发明包括如下步骤：步骤1、对原始训练数据进行预处理；步骤2、将预处理后的数据输入残差回归网络模型，进行参数训练，并确定好网络参数；步骤3、确定好网络参数后，将待跟踪视频序列按照与步骤1相同的方式进行预处理；步骤4、将待跟踪视频序列的预处理结果输入到残差回归网络模型中，得到跟踪结果。本发明提高了速度，并允许实时跟踪对象。并与残差网络相结合，有效解决梯度弥散和网络精度问题，同时对于精度下降的问题有效的进行了遏制，降低了深度网络的训练难度，极大的提高了单目标跟踪的精度，为之后的单目标跟踪领域提供了一个新的解决问题的方向和思路。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
