-
公开(公告)号：CN111428687B
公开(公告)日：2023-07-25
申请号：CN202010297907.4
申请日：2020-04-16
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开一种基于概率协同表示和卷积神经网络识别方法，包括如下步骤：首先，利用概率分布构造一种新的简单易行的重建函数，将原始训练样本集通过该重建函数进行重建得到新的训练样本集；将用新的训练样本集和原始训练样本集训练CNN网络；用训练好的CNN网络从原始测试样本集中提取有效特征，用提取的有效特征来训练SVM分类器，再通过训练好的SVM分类器识别所有的待识别样本。本发明利用有限的训练样本集通过新的目标函数构造重建测试样本，作为新的训练样本集，输入CNN网络，能有效提取人脸特征，再使用这些人脸特征去训练SVM，所得到测试样本的重建图接近原测试样本图，识别效果明显。
-
公开(公告)号：CN109493272B
公开(公告)日：2023-03-28
申请号：CN201811155228.2
申请日：2018-09-30
Applicant: 南京信息工程大学
IPC: G06T3/00
Abstract: 本发明提供一种基于HSV色彩空间下的Criminisi图像修复方法，包括如下步骤：1、判断是否存在待修复的图像破损区；2、取破损边缘像素点p，根据以点p为中心的9*9的正方形区域内的像素值计算出置信值C，并判断其大小，若大于阈值K，则根据优先权函数计算出正方形区域块的优先权值P；3、根据匹配原则，利用HSV颜色空间中色调H与亮度V的差值比较寻找未受损区域中最佳匹配块；4、将搜索到的最佳匹配块填充至待修复像素块中，并让其中心像素点重合；5、更新修复区的边界信息，同时更新修复完成区域的像素点的置信值；6、重复以上步骤，直至所有像素块修复完成。本发明弥补了Criminisi修复算法中优先权函数不准确性以及修复后图像质量下降的缺陷，性能优异。
-
公开(公告)号：CN110060211B
公开(公告)日：2022-12-23
申请号：CN201910121725.9
申请日：2019-02-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于PM模型和四阶YK模型的图像去噪方法，该方法包括：(1)将纹理检测算子引入到PM模型，得到改进后的PM模型；(2)采用训练样本对所述改进后的PM模型进行训练，采用测试样本对训练后的模型进行测试。本发明提供的基于PM模型混合四阶YK模型的图像去噪方法，既能确保图像内部纹理信息的完整性，又能减少图像边缘角点特征信息的缺失。
-
公开(公告)号：CN115131248A
公开(公告)日：2022-09-30
申请号：CN202210871256.4
申请日：2022-07-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种水下图像复原及其对比度和边缘增强方法，首先，依据红绿通道、红蓝通道像素比精细化地筛选出背景光点，得到更好的复原水下图像。接着，通过设计算法计算对比度权重图，再结合白平衡的思想自适应性地提高复原水下图像的对比度。最后，先提取图像高频信息，然后通过锐化的手段实现了图像的边缘细节增强，本发明水下图像复原及其对比度和边缘增强方法，该方法处理后的图像具有较好的视觉效果和对比度。
-
公开(公告)号：CN114943744A
公开(公告)日：2022-08-26
申请号：CN202210457562.3
申请日：2022-04-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于局部Otsu阈值化的边缘检测方法，首先对原始图像进行均匀分区，得到面积大小相同的四块区域；然后采用Otsu算法计算每一块区域的阈值，得到四个阈值；接着利用每个阈值对各自的区域进行阈值化处理，得到二值图像；最后使用边缘检测算子对二值图像进行边缘检测，得到边缘图像。通过本发明方法使得边缘检测质量得到提高，可以有效的滤除噪声，保留关键的边缘，并且能得到连续性良好的单像素闭合边缘线，为之后的特征物提取、目标识别等提供了良好的基础。
-
Patent Agency Ranking
公开(公告)号：CN109242853B
公开(公告)日：2021-10-19
申请号：CN201811310766.4
申请日：2018-11-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于图像处理的PCB缺陷智能检测方法，包括如下步骤：(1)对采集到的图像进行预处理，包括图像增强和图像去噪，以去除在采集过程中存在各种不稳定的外界干扰因素，从而获取到适合分析处理的高质量图像；(2)选择自适应阈值分割法得到特征清晰，噪声影响低的二值图像从而对图像进行分割；(3)对步骤二中得到的分割图像进行形态学运算处理从而得到拟标准的PCB二值化图像；(4)将步骤三中得到的拟标准PCB板二值化图像和步骤二中的待测PCB板二值化图像进行异或运算，对异或后的结果进行进一步形态学处理从而得出存在缺陷的位置。
-
公开(公告)号：CN108932699B
公开(公告)日：2021-10-15
申请号：CN201810374666.1
申请日：2018-04-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于变换域的三维匹配调和滤波图像去噪方法,包括如下步骤：一、将采集到的图像进行灰度转换并进行加噪处理；二、利用三维块匹配滤波得到图像的预估计数据；三、小波分解变换以提取步骤二得到的预估计图像中的高频部分进行滤波，为避免边缘模糊，引用拉普拉斯高斯算法构建新算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；四、通过Canny算子对边缘进行检测以及计算各模型的峰值信噪比和结构相似度来分析该方法的有效性和可行性；本发明性能优越，内部信息保护更具完整性，运算速度合理，有利于实际应用。
-
公开(公告)号：CN113343926A
公开(公告)日：2021-09-03
申请号：CN202110749601.2
申请日：2021-07-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于卷积神经网络的驾驶员疲劳检测方法，其特征在于包括以下步骤：步骤一：使用红外摄像头进行面部采集；步骤二：使用HOG检测算法结合KCF跟踪算法对采集的人脸进行检测和跟踪；步骤三：调用Dlib库进行脸部关键点的提取；步骤四：引入可变形卷积神经网络对提取的眼部和嘴部进行状态识别；步骤五：眼部和嘴部数据集检测；步骤六：疲劳检测，输出检测结果，对驾驶员疲劳驾驶行为做出预警。本发明将传统的检测算法与深度学习方面相结合，提出了一种基于可变形卷积神经网络的疲劳检测方法，能够实时的检测驾驶员疲劳，并且具有较高的准确率，解决了当前的疲劳检测算法准确率低或实时性差的缺问题。
-
公开(公告)号：CN112630225A
公开(公告)日：2021-04-09
申请号：CN202011579652.7
申请日：2020-12-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于图像缺陷差异消除方法的光学检测仪，包括：基座，所述基座上表面分为操作面和检测面，操作面和检测面均开口，检测面上设有检测盒体，所述检测盒体内设有检测光源，对准检测面的开口处，所述基座内设有轨道，由操作面开口处延伸至检测面开口处，所述轨道上设有载台；所述检测盒体内还设有检测图像缺陷差异装置，包括图像数据采集模块、原始光照图像数据获取模块及图像去噪模块。还公开了所述图像缺陷差异消除方法。通过对原始亮度图像数据进行滤波生成光照图像数据，将增亮与去噪融合在同一个框架中，优化了整个处理流程，增亮与去噪可复用光照图像数据，合并、简化部分操作，减少了计算量，降低占用的计算资源。
-
公开(公告)号：CN109493272A
公开(公告)日：2019-03-19
申请号：CN201811155228.2
申请日：2018-09-30
Applicant: 南京信息工程大学
IPC: G06T3/00
CPC classification number: G06T3/0012
Abstract: 本发明提供一种基于HSV色彩空间下的Criminisi图像修复方法，包括如下步骤：1、判断是否存在待修复的图像破损区；2、取破损边缘像素点p，根据以点p为中心的9*9的正方形区域内的像素值计算出置信值C，并判断其大小，若大于阈值K，则根据优先权函数计算出正方形区域块的优先权值P；3、根据匹配原则，利用HSV颜色空间中色调H与亮度V的差值比较寻找未受损区域中最佳匹配块；4、将搜索到的最佳匹配块填充至待修复像素块中，并让其中心像素点重合；5、更新修复区的边界信息，同时更新修复完成区域的像素点的置信值；6、重复以上步骤，直至所有像素块修复完成。本发明弥补了Criminisi修复算法中优先权函数不准确性以及修复后图像质量下降的缺陷，性能优异。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.036 seconds)
