-
公开(公告)号：CN103514589B
公开(公告)日：2017-02-22
申请号：CN201310495188.7
申请日：2013-10-18
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种图像恢复中的滤波方法，包括以下步骤：1）对待处理图像进行分块预处理；2）建立图像在格林空间的状态空间模型；3）生成图像的固定滞后平滑器并对图像进行滤波处理。本发明将格林空间的滤波计算方法应用于图像处理中，在计算量上相比增广卡尔曼滤波算法大大降低，在未知噪声统计特性的情况下实现图像恢复，有效的提高了图像噪声滤波处理的适用性以及图像恢复的鲁棒性。
-
公开(公告)号：CN103514589A
公开(公告)日：2014-01-15
申请号：CN201310495188.7
申请日：2013-10-18
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种图像恢复中的滤波方法，包括以下步骤：1）对待处理图像进行分块预处理；2）建立图像在格林空间的状态空间模型；3）生成图像的固定滞后平滑器并对图像进行滤波处理。本发明将格林空间的滤波计算方法应用于图像处理中，在计算量上相比增广卡尔曼滤波算法大大降低，在未知噪声统计特性的情况下实现图像恢复，有效的提高了图像噪声滤波处理的适用性以及图像恢复的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN107909034A
公开(公告)日：2018-04-13
申请号：CN201711132667.7
申请日：2017-11-15
Applicant: 清华大学深圳研究生院
CPC classification number: G06K9/00241 , G06K9/6256
Abstract: 本发明公开了人脸检测方法、装置和计算机可读存储介质，方法包括模型训练和人脸检测；训练过程是采用正、负样本图像及其标准像素差特征，来构建深度二次树，再通过多个深度二次树组成随机森林来进行人脸检测跟踪。训练过程中每得到一次随机森林后都进行测试，看是否能够正确检测到人脸，并把检测错误的图像更新到相应的训练集中继续进行不断的训练学习，直至得到检测效果符合预期的随机森林。检测时将待检测图像的特征输入到随机森林，通过其每一个二次树分别进行判断，再对所有二次树的判断结果进行统计，根据统计结果判定是否为人脸图像。具有使用较少训练样本得到较高精度的检测模型的优点，尤其适合对有遮挡的人脸进行检测的场合。
-
公开(公告)号：CN103310461B
公开(公告)日：2016-03-23
申请号：CN201310264571.1
申请日：2013-06-27
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种基于块卡尔曼滤波的图像边缘提取方法，包括以下步骤：1）对待处理的原始图像按金字塔结构进行分层处理；2）对分层后的图像分别进行2D块卡尔曼滤波处理，将前一级滤波结果作为后一级滤波过程的初始值，此过程包含对全分辨率级图像插值后的图像进行卡尔曼滤波处理；3）对滤波后图像利用Sobel、Canny、Log、ZeroCross四个算子分别进行图像边缘检测，将四个算子得到的图像边缘图像进行或运算的综合，得到最终图像边缘图像。本发明的图像边缘提取方法采用分层处理和插值运算有效的提高了滤波阶段的滤波效果，使图像边缘提取的操作对象信噪比提高；其次充分利用四种经典图像边缘检测算子的优势，提高了图像边缘检测的质量。
-
公开(公告)号：CN102999916B
公开(公告)日：2015-07-29
申请号：CN201210535132.5
申请日：2012-12-12
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种彩色图像的边缘提取方法，包括以下步骤：1）对待处理的原始彩色图像进行滤波处理；2）将滤波后的彩色图像转换到颜色空间坐标系中；3）分别提取各个坐标分量下的图像中感兴趣区域；4）边缘检测：对步骤3）提取的各个坐标分量下感兴趣区域进行边缘检测，得到各个坐标分量下的边缘图像，将各个坐标分量下的边缘图像组合叠加得到最终边缘图像。本发明的边缘提取方法中，由于仅针对感兴趣区域进行边缘检测，所以边缘检测时信息处理量较少，可相对提高边缘检测算子的检测半径。同时边缘提取时将彩色图像转化到颜色空间坐标系后处理，相对于现有技术中将彩色图像转换为灰度图后处理的方法，本方法能使最终边缘提取结果更加完整。
-
公开(公告)号：CN102999916A
公开(公告)日：2013-03-27
申请号：CN201210535132.5
申请日：2012-12-12
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种彩色图像的边缘提取方法，包括以下步骤：1）对待处理的原始彩色图像进行滤波处理；2）将滤波后的彩色图像转换到颜色空间坐标系中；3）分别提取各个坐标分量下的图像中感兴趣区域；4）边缘检测：对步骤3）提取的各个坐标分量下感兴趣区域进行边缘检测，得到各个坐标分量下的边缘图像，将各个坐标分量下的边缘图像组合叠加得到最终边缘图像。本发明的边缘提取方法中，由于仅针对感兴趣区域进行边缘检测，所以边缘检测时信息处理量较少，可相对提高边缘检测算子的检测半径。同时边缘提取时将彩色图像转化到颜色空间坐标系后处理，相对于现有技术中将彩色图像转换为灰度图后处理的方法，本方法能使最终边缘提取结果更加完整。
-
公开(公告)号：CN103310461A
公开(公告)日：2013-09-18
申请号：CN201310264571.1
申请日：2013-06-27
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种基于块卡尔曼滤波的图像边缘提取方法，包括以下步骤：1）对待处理的原始图像按金字塔结构进行分层处理；2）对分层后的图像分别进行2D块卡尔曼滤波处理，将前一级滤波结果作为后一级滤波过程的初始值，此过程包含对全分辨率级图像插值后的图像进行卡尔曼滤波处理；3）对滤波后图像利用Sobel、Canny、Log、ZeroCross四个算子分别进行图像边缘检测，将四个算子得到的图像边缘图像进行或运算的综合，得到最终图像边缘图像。本发明的图像边缘提取方法采用分层处理和插值运算有效的提高了滤波阶段的滤波效果，使图像边缘提取的操作对象信噪比提高；其次充分利用四种经典图像边缘检测算子的优势，提高了图像边缘检测的质量。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
