-
公开(公告)号：CN108364276A
公开(公告)日：2018-08-03
申请号：CN201810206346.5
申请日：2018-03-13
Applicant: 重庆大学
Abstract: 本发明公开一种基于标签数据库的纹理图像合成方法，其特征在于：第一步，建立标签数据库L，所述标签数据库L用于存储图像纹理块的图像数据及其标签数据I；第二步，利用标签数据I查找边缘匹配的图像纹理块，并对图像纹理块进行缝合，获得完整的纹理图像。有益效果：每个图像纹理块的边区域和角区域的信息都被提取，并根据不同区域所在图像纹理块中的位置分类，形成一个图像纹理块的综合的标签数据，查找时只需筛选对应的位置标签就能减少大量的计算数据，同时每个图像纹理块的时间信息也被存入标签数据，在查找时可以查找时间相同的图像纹理块，也可以在相同时间内找不到清晰的图像时查找时间临近的图像纹理块，保证图像的清晰度。
-
公开(公告)号：CN108364276B
公开(公告)日：2021-12-03
申请号：CN201810206346.5
申请日：2018-03-13
Applicant: 重庆大学
IPC: G06T5/50 , G06T7/40 , G06N3/04 , G06F16/583
Abstract: 本发明公开一种基于标签数据库的纹理图像合成方法，其特征在于：第一步，建立标签数据库L，所述标签数据库L用于存储图像纹理块的图像数据及其标签数据I；第二步，利用标签数据I查找边缘匹配的图像纹理块，并对图像纹理块进行缝合，获得完整的纹理图像。有益效果：每个图像纹理块的边区域和角区域的信息都被提取，并根据不同区域所在图像纹理块中的位置分类，形成一个图像纹理块的综合的标签数据，查找时只需筛选对应的位置标签就能减少大量的计算数据，同时每个图像纹理块的时间信息也被存入标签数据，在查找时可以查找时间相同的图像纹理块，也可以在相同时间内找不到清晰的图像时查找时间临近的图像纹理块，保证图像的清晰度。
-
公开(公告)号：CN108445866B
公开(公告)日：2021-06-08
申请号：CN201810206344.6
申请日：2018-03-13
Applicant: 重庆大学
Abstract: 本发明公开一种基于卷积神经网络的LDW误漏报测试方法：S1，设置摄像头；S2，设定最大横向距离L，并平均离散化为n个类；S3，采集实时图像A并输入到深度卷积神经网络模型，计算获得车道边线的实际距离di；S4，判断LDW系统是否误报或漏报；S5，统计LDW系统的误作率；一种测试系统，包括图像采集装置、车载数据采集机构、分析器、运算处理器；所述图像采集装置连接分析器，所述运算处理器分别与分析器、车载数据采集机构连接。有益效果：本方法操作简单，识别速度快、识别精度高，对各路况的车道都适用；本测试系统可以最简化地仅设置图像采集装置、车载数据采集机构、分析器和运算处理器，无需另设车道边线标尺即可全自动识别偏离情况。
-
公开(公告)号：CN108445866A
公开(公告)日：2018-08-24
申请号：CN201810206344.6
申请日：2018-03-13
Applicant: 重庆大学
Abstract: 本发明公开一种基于卷积神经网络的LDW误漏报测试方法：S1，设置摄像头；S2，设定最大横向距离L，并平均离散化为n个类；S3，采集实时图像A并输入到深度卷积神经网络模型，计算获得车道边线的实际距离di；S4，判断LDW系统是否误报或漏报；S5，统计LDW系统的误作率；一种测试系统，包括图像采集装置、车载数据采集机构、分析器、运算处理器；所述图像采集装置连接分析器，所述运算处理器分别与分析器、车载数据采集机构连接。有益效果：本方法操作简单，识别速度快、识别精度高，对各路况的车道都适用；本测试系统可以最简化地仅设置图像采集装置、车载数据采集机构、分析器和运算处理器，无需另设车道边线标尺即可全自动识别偏离情况。
-
-
-
Search Results
4
records
(took 0.013 seconds)
