-
公开(公告)号：CN105069759B
公开(公告)日：2018-02-13
申请号：CN201510522235.1
申请日：2015-08-24
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明专利请求书所涉及的技术领域是图像增强技术，特别是涉及一种Radon变换的峰值增强方法。本发明包括：计算得到滤波器1的脉冲响应；计算得到滤波器2的脉冲响应；分别对滤波器1和滤波器2做中心化处理；将矩阵R(m,n)分别与h'1和h'2进行卷积运算；将卷积运算结果相乘，得到峰值增强之后的Radon变换矩阵。本发明所设计的滤波器符合Radon峰值的分布结构；峰值增强方法简单易行；峰值增强效果明显。
-
公开(公告)号：CN102722895B
公开(公告)日：2014-03-26
申请号：CN201210150026.5
申请日：2012-05-15
Applicant: 哈尔滨工程大学
IPC: G06T9/20
Abstract: 本发明提供的是一种基于分数傅立叶变换的形状描述方法。其步骤是：第一步，估计图像中目标物体的质心和主轴方向；第二步，将图像旋转和平移；第三步，去除旋转和平移之后的图像中的目标外接矩形之外的部分，得到目标图像，并将目标图像的大小进行归一化；第四步，计算归一化图像的不同阶数的分数傅立叶变换；第五步，舍弃分数傅里叶变换的幅值，仅保留相位；第六步，将归一化图像的各阶分数傅立叶变换的相位直方图作为物体的形状特征。本发明所提出的形状描述方法具有旋转和平移不变性以及利用分数傅里叶变换相位的特点，实现了图像在不同尺度上的滤波，保证了使得所描述的特征既和物体的边界轮廓有关，又与物体的内部区域有关。
-
公开(公告)号：CN103578123A
公开(公告)日：2014-02-12
申请号：CN201310469596.5
申请日：2013-10-10
Applicant: 哈尔滨工程大学
IPC: G06T11/00
Abstract: 本发明涉及一种图像区域合并方法，其特征在于：图像区域A和图像区域B的颜色直方图距离通过如下方法获得，其中，式中，p(k)为图像区域A的颜色直方图，q(k)为图像区域B的颜色直方图，其中k=0,1,…,Ncolor-1，Ncolor表示彩色直方图所采用的颜色量化区域的个数，[A0,A1]为p(k)的支撑区域，[B0,B1]为q(k)的支撑区域，D(p,q)表示两图像区域颜色直方图之间的距离；根据颜色直方图距离D(p,q)的大小，判断是否对图像区域A和图像区域B进行合并。
-
公开(公告)号：CN101984916B
公开(公告)日：2012-10-31
申请号：CN201010547225.0
申请日：2010-11-17
Applicant: 哈尔滨工程大学
IPC: A61B5/107
Abstract: 本发明提供的是一种基于数字图像处理技术的血管管径测量方法。(1)对血管图像用高斯匹配滤波法进行增强；(2)将图像归一化、二值化；(3)根据数学形态学的相关理论，将图像细化，提取骨架；(4)用直线拟合的方法求出一段血管的斜率，并沿与其垂直的方向检测出血管的像素个数，再根据点距求得血管管径。本发明用于医学图像血管管径的测量，计算效率高，对图像质量要求不高，计算准确。
-
公开(公告)号：CN101944235A
公开(公告)日：2011-01-12
申请号：CN200910072925.6
申请日：2009-09-18
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于分数傅立叶变换的图像压缩方法。第一步，计算图像的(0.5，0)、(0，0.5)、(1，0)、(0，1)阶分数傅立叶变换；第二步，根据Wigner分布与分数傅立叶变换的关系计算所有变换阶次的分数傅立叶二阶矩；第三步，根据各二阶矩的值找到最优的变换阶数，并将图像变换到最优的分数傅立叶域，从而使图像的能量集中在尽可能少的分数傅立叶系数上；第四步，忽略所有幅值小于某一阈值的系数，并采用熵编码方法对其余的分数傅立叶系数进行编码，实现图像压缩。本发明计算速度快，采用快速离散分数傅立叶变换算法，本方法的时间复杂度仅为O(N×NlogN)；对平稳信号和非平稳的二维信号都具有较好的压缩效果。
-
Patent Agency Ranking
公开(公告)号：CN110223344B
公开(公告)日：2023-09-29
申请号：CN201910474487.X
申请日：2019-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于目标检测技术领域，具体涉及一种基于形态学和视觉注意机制的红外小目标检测方法。本发明包括以下步骤：利用形态学方法进行图像增强；利用利用高斯差分DoG滤波器对增强后图像进行处理；将高斯滤波后的目标周围区域分为A0、A1和A2三部分，并统计各区域之间的亮度关系，如果其像素亮度关系满足草帽型分布，则将该区域标记为候选目标区域，并记录区域的大小；根据A0、A1、A2之间的亮度关系以及A0区域的大小，对候选区域做进一步增强处理；经过上述处理之后，将图像矩阵亮度最大值的位置记作红外小目标位置。本发明能够自动判别红外小目标的大小，在增强小目标的同时抑制复杂背景杂波干扰。
-
公开(公告)号：CN109615597B
公开(公告)日：2022-04-05
申请号：CN201811495143.9
申请日：2018-12-07
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明属于图像处理领域，公开了一种基于中心仿射滤波的图像斑点噪声抑制方法，包含如下步骤：步骤(1)：设置图像矩阵；步骤(2)：初始化滤波窗口尺寸；步骤(3)：计算所有像素点的局部代数均值；步骤(4)：计算像素点的局部几何均值；步骤(5)：根据像素点的局部代数均值和像素点的局部几何均值，计算像素点的分散度参数；步骤(6)：根据像素点的分散度参数，利用中心仿射滤波器，计算中心仿射滤波之后的像素点的亮度；步骤(7)：根据中心仿射滤波之后的像素点的亮度，输出中心仿射滤波之后的图像。本发明根据像素点局部邻域的代数均值和几何均值自适应调整中心仿射滤波器参数，能够在不损失图像有用细节信息的基础上有效抑制斑点噪声。
-
公开(公告)号：CN108257194B
公开(公告)日：2021-06-01
申请号：CN201810062910.0
申请日：2018-01-23
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的人脸简笔画生成方法，包括如下步骤：步骤一：初始化I＝{I1，I2，……，IN}为人脸图像集；步骤二：构造训练数据集；步骤三：使用误差反传梯度下降算法，根据训练数据集T训练卷积神经网络；步骤四：生成人脸简笔画。本发明根据已有数据集，对原有数据集进行多尺度扰动，增大训练数据集，提高网络泛化能力，可以实现自动提取人脸特征，提取的人脸轮廓精确，系统鲁棒性强。
-
公开(公告)号：CN110782480A
公开(公告)日：2020-02-11
申请号：CN201910976634.3
申请日：2019-10-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于红外目标跟踪领域，具体涉及跟踪精度高的一种基于在线模板预测的红外行人跟踪方法。本方法包括如下步骤：步骤1：使用彩色图像构造红外训练数据集；步骤2：对训练数据集中的各个红外行人图像序列，根据数据集标注的目标位置信息，裁剪出目标图像，并将其大小归一化为127×127×1像素的单通道图像，获得相应的模板序列集合，生成模板训练数据集；步骤3：获得组合模板训练数据集，基于残差卷积结构，设计模板预测网络并训练；步骤4：利用训练好的模板预测网络和SiameseRPN实现红外行人跟踪。本发明的有益效果在于：1.生成更接近真实目标的预测模板；2.跟踪精度高。
-
公开(公告)号：CN110111257A
公开(公告)日：2019-08-09
申请号：CN201910378335.X
申请日：2019-05-08
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像重建领域，特别是涉及一种基于特征通道自适应加权的超分辨图像重建方法。一种基于特征通道自适应加权的超分辨图像重建方法，包括以下步骤：(1)改进压缩激励网络SE的激励函数，得到ISE模块；(2)简化现有的EDSR网络；(3)将ISE模型嵌入到简化的EDSR网络，得到ISE-EDSR模型；(4)用训练样本训练ISE-EDSR模型。本发明的优点有：训练难度低；自适应学习特征通道权重；避免网络中间层输出值过低的问题；超分辨率重建后的图像峰值信噪比高。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.02 seconds)
