-
公开(公告)号：CN110334706B
公开(公告)日：2021-06-01
申请号：CN201910576843.9
申请日：2017-06-30
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种图像目标识别方法及装置。图像目标识别方法包括以下步骤：S1，将图像中各像素点二值化处理，划分为有效像素点和背景点；S2，根据图像的像素点的总个数和待识别的目标的尺寸范围设定第三阈值的大小，将二值化图片中已连通的区域内的有效像素点的个数与第三阈值进行比较，如果小于第三阈值，则将该区域内的像素点均设置为背景点，从而去除该区域；S3，对剩余的已连通的各区域确定出其外接矩形框，形成框取区域；S4，将框取区域有重叠的已连通区域视为合并的整体区域，确定出整体区域的外接矩形框；图像中，外接矩形框中的图像内容为识别到的目标。本发明的目标识别方法可针对对比度较低的图像有效地识别出图像中的各目标对象。
-
公开(公告)号：CN110246139A
公开(公告)日：2019-09-17
申请号：CN201910345557.1
申请日：2019-04-26
Applicant: 清华大学深圳研究生院 , 深圳市蓝海绿洲科技有限公司
Abstract: 本发明公开了基于双阈值的浮游生物原位图像ROI快速提取方法，包括：对原位图利用最大类间方差法计算初始分割阈值T0；对像素值[0,T0)区间的像素以及[T0,255]区间的像素，分别再次利用最大类间方差法计算分割阈值，对应得到低阈值Tlow和高阈值Thigh；使用隔行扫描在原位图中检测并标记目标，先利用Tlow定位目标，再利用Thigh区分目标轮廓与背景，以提取初始ROI；对初始ROI进行二值化分割，得到多个连通域；基于最大连通域定位基准目标，并利用基于移位的ROI快速增强算法对基准目标进行移位扩展，扩展得到的基准目标区域即为增强的ROI；将增强的ROI对应到初始ROI中，重合的部分作为最终提取的ROI，其余部分置为白色。
-
公开(公告)号：CN110246139B
公开(公告)日：2021-01-01
申请号：CN201910345557.1
申请日：2019-04-26
Applicant: 清华大学深圳研究生院 , 深圳市蓝海绿洲科技有限公司
Abstract: 本发明公开了基于双阈值的浮游生物原位图像ROI快速提取方法，包括：对原位图利用最大类间方差法计算初始分割阈值T0；对像素值[0,T0)区间的像素以及[T0,255]区间的像素，分别再次利用最大类间方差法计算分割阈值，对应得到低阈值Tlow和高阈值Thigh；使用隔行扫描在原位图中检测并标记目标，先利用Tlow定位目标，再利用Thigh区分目标轮廓与背景，以提取初始ROI；对初始ROI进行二值化分割，得到多个连通域；基于最大连通域定位基准目标，并利用基于移位的ROI快速增强算法对基准目标进行移位扩展，扩展得到的基准目标区域即为增强的ROI；将增强的ROI对应到初始ROI中，重合的部分作为最终提取的ROI，其余部分置为白色。
-
Patent Agency Ranking
公开(公告)号：CN110084818A
公开(公告)日：2019-08-02
申请号：CN201910355983.3
申请日：2019-04-29
Applicant: 清华大学深圳研究生院
IPC: G06T7/10
Abstract: 本发明提供一种动态下采样图像分割方法，是一种强噪声环境下低对比度图像的快速和完整分割方法，所述方法基于动态下采样思想，主要包括以下步骤：定义局部二维熵；对图像进行动态下采样获取最佳下采样因子；使用最佳下采样因子对原图进行下采样；对最佳下采样之后的图像进行二值分割；将分割后的目标区域坐标映射回原图，实现最终的目标分割。上述方法的核心思想是动态下采样过程，以原图大小为基准逐次递减Δs进行的每一次下采样结果都会计算其局部二维熵。在这个过程中，局部二维熵峰值点所对应的分割效果既克服了图像中无关紧要的干扰因素对图像分割的影响，又保留了图像的关键细节信息，即是我们所寻找的最佳下采样因子。
-
公开(公告)号：CN110084818B
公开(公告)日：2021-04-23
申请号：CN201910355983.3
申请日：2019-04-29
Applicant: 清华大学深圳研究生院
IPC: G06T7/10
Abstract: 本发明提供一种动态下采样图像分割方法，是一种强噪声环境下低对比度图像的快速和完整分割方法，所述方法基于动态下采样思想，主要包括以下步骤：定义局部二维熵；对图像进行动态下采样获取最佳下采样因子；使用最佳下采样因子对原图进行下采样；对最佳下采样之后的图像进行二值分割；将分割后的目标区域坐标映射回原图，实现最终的目标分割。上述方法的核心思想是动态下采样过程，以原图大小为基准逐次递减Δs进行的每一次下采样结果都会计算其局部二维熵。在这个过程中，局部二维熵峰值点所对应的分割效果既克服了图像中无关紧要的干扰因素对图像分割的影响，又保留了图像的关键细节信息，即是我们所寻找的最佳下采样因子。
-
公开(公告)号：CN108280818B
公开(公告)日：2020-04-03
申请号：CN201810054553.3
申请日：2018-01-19
Applicant: 清华大学深圳研究生院
IPC: G06T5/50
Abstract: 本发明公开了基于压缩感知的快速目标成像方法和系统，包括：S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块；S2、根据原始图像块的矩阵大小和采样率，构建一确定性的测量矩阵，所述测量矩阵满足：每列中1的个数为1，每行中1的个数相同且每行中1的个数根据采样率来设定；S3、利用步骤S2构建的所述测量矩阵，对所述多个原始图像块进行并行采样，得到各原始图像块对应的采样信号；S4、计算每一采样信号的相对灰度值变化，并根据所述相对灰度值变化，自适应地为每一采样信号的原始图像块分配相对稀疏度，利用所述相对稀疏度来进行分块重构，输出所述目标场景的重构图像。
-
公开(公告)号：CN110334706A
公开(公告)日：2019-10-15
申请号：CN201910576843.9
申请日：2017-06-30
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种图像目标识别方法及装置。图像目标识别方法包括以下步骤：S1，将图像中各像素点二值化处理，划分为有效像素点和背景点；S2，根据图像的像素点的总个数和待识别的目标的尺寸范围设定第三阈值的大小，将二值化图片中已连通的区域内的有效像素点的个数与第三阈值进行比较，如果小于第三阈值，则将该区域内的像素点均设置为背景点，从而去除该区域；S3，对剩余的已连通的各区域确定出其外接矩形框，形成框取区域；S4，将框取区域有重叠的已连通区域视为合并的整体区域，确定出整体区域的外接矩形框；图像中，外接矩形框中的图像内容为识别到的目标。本发明的目标识别方法可针对对比度较低的图像有效地识别出图像中的各目标对象。
-
公开(公告)号：CN108280818A
公开(公告)日：2018-07-13
申请号：CN201810054553.3
申请日：2018-01-19
Applicant: 清华大学深圳研究生院
IPC: G06T5/50
Abstract: 本发明公开了基于压缩感知的快速目标成像方法和系统，包括：S1、将DMD上目标场景的原始图像均匀地划分为多个原始图像块；S2、根据原始图像块的矩阵大小和采样率，构建一确定性的测量矩阵，所述测量矩阵满足：每列中1的个数为1，每行中1的个数相同且每行中1的个数根据采样率来设定；S3、利用步骤S2构建的所述测量矩阵，对所述多个原始图像块进行并行采样，得到各原始图像块对应的采样信号；S4、计算每一采样信号的相对灰度值变化，并根据所述相对灰度值变化，自适应地为每一采样信号的原始图像块分配相对稀疏度，利用所述相对稀疏度来进行分块重构，输出所述目标场景的重构图像。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
