用于产生涉及几何失真的格式化信息的方法和系统

    公开(公告)号:CN1526118A

    公开(公告)日:2004-09-01

    申请号:CN02813959.3

    申请日:2002-06-05

    CPC classification number: H04N1/58 G06T1/0007 H04N1/387

    Abstract: 本发明涉及一种与装置链(APP1)的装置(APP1至3)相关的用于产生格式化信息的处理系统和方法。特别地,所述装置链包括至少一个图象捕获装置(APP1)和/或至少一个图象恢复装置(APP3),所述图象捕获装置(APP1)和/或图象恢复装置(APP3)用于捕获和/或恢复媒质(SC)上的图象(M)。本发明的目的在于产生涉及所述链中的至少一个装置的几何失真的格式化信息。本发明提供了不同的替换实施例,在各个实施例中,尤其是考虑了依赖图象(I)的固有特征和/或可变特征。所述固有特征和/或可变特征能够与一个或多个特征值相关,尤其是与焦距和/或聚焦相关。因此,本发明可产生与来自测得字段D(H)的所述装置几何失真相关的测得的格式化信息。本发明适用于光学设备、工业控制、机器人技术和度量衡学等等中的摄影或视频图解处理。

    基于深度学习的压缩感知图像重建算法

    公开(公告)号:CN109410114A

    公开(公告)日:2019-03-01

    申请号:CN201811092084.0

    申请日:2018-09-19

    CPC classification number: G06T1/0007 G06N3/0454 H03M7/3062

    Abstract: 本发明涉及一种基于深度学习的压缩感知图像重建算法,方法步骤如下:S1:对图像数据进行预处理,包括提取数据的灰度值和对图像进行分块;S2:对已经切分好的图像块进行测量,获得测量矩阵;S3:构建一个10层的深度压缩感知重建网络;S4:在深度学习框架中对10层网络进行训练;S5:在经过深度神经网络后,得到重建图像块,按照索引,对图像块按照原始行列值进行重排;S6:图像块经过重排得到重建图像后,选择BM3D去噪器对图片进行降噪处理,最终得到重建图像。本发明提供的压缩感知图像重建算法,大部分所耗时间在网络训练阶段,待网络训练完成后图像重建速度非常之快。本发明通过深度学习网络取代了传统重建算法,但依然拥有良好的重建精度。

    图像处理装置及图像处理方法

    公开(公告)号:CN108205656A

    公开(公告)日:2018-06-26

    申请号:CN201711146459.2

    申请日:2017-11-17

    Abstract: 本发明提供一种图像处理装置及图像处理方法,能使用对被摄体进行了拍摄的距离图像,同时把握与被摄体的整体动作相关的信息和与被摄体的一部分的细微动作相关的信息。图像处理装置具备:从对被摄体的第一范围进行了拍摄的第一距离图像,获得作为与被摄体的部位相关的信息的第一部位信息,从对被摄体的比第一范围窄的第二范围进行了拍摄的第二距离图像,获得作为与被摄体的部位相关的信息的第二部位信息,基于第一部位信息及第二部位信息,求出作为进行第一部位信息中的第一坐标系与第二部位信息中的第二坐标系之间的坐标转换的函数的转换函数,基于转换函数,生成作为在相同的坐标系表示了第一部位信息和第二部位信息的信息的合成部位信息。

Patent Agency Ranking