-
公开(公告)号：CN103578085A
公开(公告)日：2014-02-12
申请号：CN201310489414.0
申请日：2013-10-18
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 一种基于可变块的图像空洞区域修补方法，包括步骤：1.设定块的初始尺寸，在输入图像上寻找待修补区域的边界；2.分别计算以待修补区域边界上未修补的各个像素点为中心、大小等于初始尺寸的各个块的优先级，选取优先级最高的块作为当前待修补块；块优先级的计算结合了块的可信度、结构条件和纹理条件；3.搜索当前待修补块的最匹配块，包括：根据当前待修补块的纹理条件调整当前待修补块的尺寸，然后基于颜色梯度直方图搜索最匹配块；4.基于图割技术用最匹配块修补当前待修补块；重复执行步骤2-4，直至输入图像上的待修补区域修补完。该方法能够在纹理条件复杂或较恒定的情况下均较好地保留纹理细节，能够同时修复纹理信息和结构信息。
-
公开(公告)号：CN104850644B
公开(公告)日：2018-05-29
申请号：CN201510278808.0
申请日：2015-05-27
Applicant: 清华大学 , 清华大学深圳研究生院
IPC: G06F17/30
Abstract: 本发明公开了一种基于Lucene的高光谱图像检索方法及检索引擎，其中，方法包括以下步骤：通过Lucene打开索引文件夹；选择特征和波段范围；调用Lucene将索引写入文件夹中；输入待检索文件；将Document索引文件进行相似度比较，以从索引文件中按所选特征的相似度返回检索结果。该方法通过利用Lucene对高光谱库中的高光谱文件建立索引，从而在检索时从索引文件中按所选特征的相似度返回检索结果，实现加快读取文件速度的目的，提高检索效率，不但检索的特征库扩展性强，而且操作简单方便。
-
公开(公告)号：CN104766282B
公开(公告)日：2018-05-22
申请号：CN201510173442.0
申请日：2015-04-13
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种高光谱图像的修补方法，针对不同的高光谱图像信息丢失情况，充分利用高光谱图像的特性，进行相对最优的修补。本发明的优点在于：1.对由于部分遮挡需要移除后修补的情况，相比于简单的插值处理，块修补方法能更好的恢复纹理信息。同时充分考虑波段图像间空间信息一致，在每个波段分别搜索最匹配块，投票选出最优块并修补至所有波段；2.对单波段内的部分信息丢失，由于其他波段信息完整且该丢失波段有其他信息可参照，采用光谱曲线匹配能最大化利用已知信息最优的修补；3.对整波段信息丢失，其他波段信息完整但该波段无信息可参照，故利用曲线拟合估计出光谱曲线并用来修补该波段值。
-
公开(公告)号：CN103578085B
公开(公告)日：2016-09-21
申请号：CN201310489414.0
申请日：2013-10-18
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 一种基于可变块的图像空洞区域修补方法，包括步骤：1、设定块的初始尺寸，在输入图像上寻找待修补区域的边界；2、分别计算以待修补区域边界上未修补的各个像素点为中心、大小等于初始尺寸的各个块的优先级，选取优先级最高的块作为当前待修补块；块优先级的计算结合了块的可信度、结构条件和纹理条件；3、搜索当前待修补块的最匹配块，包括：根据当前待修补块的纹理条件调整当前待修补块的尺寸，然后基于颜色梯度直方图搜索最匹配块；4、基于图割技术用最匹配块修补当前待修补块；重复执行步骤2‑4，直至输入图像上的待修补区域修补完。该方法能够在纹理条件复杂或较恒定的情况下均较好地保留纹理细节，能够同时修复纹理信息和结构信息。
-
公开(公告)号：CN103971338B
公开(公告)日：2017-01-11
申请号：CN201410188179.8
申请日：2014-05-06
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 一种基于显著图的可变块图像修复方法，包括：1)、利用模拟生物体视觉注意机制的选择性注意模型，生成待修复图像的显著图；2)、计算未知区域边界上的各点为中心的块内的可信度、结构信息及显著度项，获得修复优先级；并以优先级最高的点为中心的块作为待修复块；3)、根据待修复块周围已知的像素均值、梯度及显著度变化调整块大小；4)、在已知区域搜索最匹配的块来填充待修复块内的像素；并更新修复像素的可信度和显著度；循环步骤2)-4)直至图像修复毕。其利用待修复图像的显著信息改进修复的优先级，大大缓解了传统修复的贪婪问题；同时能根据待修复区域周围环境调整块大小，满足不同的修复需求。
-
Patent Agency Ranking
公开(公告)号：CN104850644A
公开(公告)日：2015-08-19
申请号：CN201510278808.0
申请日：2015-05-27
Applicant: 清华大学 , 清华大学深圳研究生院
IPC: G06F17/30
CPC classification number: G06F17/30247 , G06F17/30091
Abstract: 本发明公开了一种基于Lucene的高光谱图像检索方法及检索引擎，其中，方法包括以下步骤：通过Lucene打开索引文件夹；选择特征和波段范围；调用Lucene将索引写入文件夹中；输入待检索文件；将Document索引文件进行相似度比较，以从索引文件中按所选特征的相似度返回检索结果。该方法通过利用Lucene对高光谱库中的高光谱文件建立索引，从而在检索时从索引文件中按所选特征的相似度返回检索结果，实现加快读取文件速度的目的，提高检索效率，不但检索的特征库扩展性强，而且操作简单方便。
-
公开(公告)号：CN103581648B
公开(公告)日：2015-08-26
申请号：CN201310489437.1
申请日：2013-10-18
Applicant: 清华大学深圳研究生院
Abstract: 本发明涉及一种绘制新视点中的空洞填补方法，该方法包括以下步骤：在三维映射前，对深度图预处理，包括：检测深度图边缘；进行深度不连续分析，获取主要深度不连续区域；对主要深度不连续区域进行非对称高斯滤波；在三维映射后，检查新视点图像是否仍有空洞，如果有，则基于深度信息对空洞填补。本发明在三维映射前只对主要深度不连续区域进行平滑，在三维映射后基于深度信息对空洞填补，不但有效避免了对不出现空洞或只有小空洞区域的平滑而造成的额外扭曲现象，而且能够实现更合理的填补结果。
-
公开(公告)号：CN104766282A
公开(公告)日：2015-07-08
申请号：CN201510173442.0
申请日：2015-04-13
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种高光谱图像的修补方法，针对不同的高光谱图像信息丢失情况，充分利用高光谱图像的特性，进行相对最优的修补。本发明的优点在于：1.对由于部分遮挡需要移除后修补的情况，相比于简单的插值处理，块修补方法能更好的恢复纹理信息。同时充分考虑波段图像间空间信息一致，在每个波段分别搜索最匹配块，投票选出最优块并修补至所有波段；2.对单波段内的部分信息丢失，由于其他波段信息完整且该丢失波段有其他信息可参照，采用光谱曲线匹配能最大化利用已知信息最优的修补；3.对整波段信息丢失，其他波段信息完整但该波段无信息可参照，故利用曲线拟合估计出光谱曲线并用来修补该波段值。
-
公开(公告)号：CN103971338A
公开(公告)日：2014-08-06
申请号：CN201410188179.8
申请日：2014-05-06
Applicant: 清华大学深圳研究生院
IPC: G06T5/00
Abstract: 一种基于显著图的可变块图像修复方法，包括：1)、利用模拟生物体视觉注意机制的选择性注意模型，生成待修复图像的显著图；2)、计算未知区域边界上的各点为中心的块内的可信度、结构信息及显著度项，获得修复优先级；并以优先级最高的点为中心的块作为待修复块；3)、根据待修复块周围已知的像素均值、梯度及显著度变化调整块大小；4)、在已知区域搜索最匹配的块来填充待修复块内的像素；并更新修复像素的可信度和显著度；循环步骤2)-4)直至图像修复毕。其利用待修复图像的显著信息改进修复的优先级，大大缓解了传统修复的贪婪问题；同时能根据待修复区域周围环境调整块大小，满足不同的修复需求。
-
公开(公告)号：CN103581648A
公开(公告)日：2014-02-12
申请号：CN201310489437.1
申请日：2013-10-18
Applicant: 清华大学深圳研究生院
Abstract: 本发明涉及一种绘制新视点中的空洞填补方法，该方法包括以下步骤：在三维映射前，对深度图预处理，包括：检测深度图边缘；进行深度不连续分析，获取主要深度不连续区域；对主要深度不连续区域进行非对称高斯滤波；在三维映射后，检查新视点图像是否仍有空洞，如果有，则基于深度信息对空洞填补。本发明在三维映射前只对主要深度不连续区域进行平滑，在三维映射后基于深度信息对空洞填补，不但有效避免了对不出现空洞或只有小空洞区域的平滑而造成的额外扭曲现象，而且能够实现更合理的填补结果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
