-
公开(公告)号：CN117372255A
公开(公告)日：2024-01-09
申请号：CN202311125633.0
申请日：2023-08-31
Applicant: 三峡大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/70
Abstract: 一种热红外图像退化模型的构建方法，包括：Step1、对热像仪产生的噪声进行建模；Step2、对背景辐射噪声进行建模；Step3、对时间噪声进行建模；Step4、对空间噪声进行建模；Step5、根据Step1‑Step4中建立的噪声模型，构建高阶热红外退化模型。将热红外图像产生的质量问题分为两个部分：1）热像仪获取图像过程中引入的噪声；2）热红外图像在传输过程中引入如模糊、降采样、噪声和JPEG压缩等。首先模拟热像仪产生的噪声，然后是传输过程中造成的质量问题。除了热像仪产生的噪声外，每个方框中的一部分都被随机选择加入，以增加退化模型的随机性。针对热红外图像的高阶退化模型，可以全面的模拟热红外图像从获取到传输整个过程中所经历的退化过程。
-
Patent Agency Ranking
公开(公告)号：CN106570436B
公开(公告)日：2019-01-25
申请号：CN201611001099.2
申请日：2016-11-14
Applicant: 三峡大学 , 国网湖北省电力公司宜昌供电公司 , 国家电网公司
Abstract: 本发明涉及种基于二维码的变电站设备抄表系统及其抄表方法,属于数据采集和图像处理技术领域,包括:为变电站中需要抄表的设备信息加入二维码;采集二维码信息、模板图像以及模板图像中的二维码的3个位置探测图形和1个校正图形的中心点位置放在服务器的模板库中;手持抄表终端扫描二维码,生成二维码信息报文,自动判断并抓取满足质量要求的图像;将图像和二维码信息上传至服务器;采用具有鲁棒性的视角修正方法将图像调整为正视角度图像;仪表识别系统识别仪表读数,将读数及设备信息传至数据库。该发明能保证仪表图像采集的质量,有效解决了的因不清晰图像导致图像识别系统失效的问题。采用自适应的视角修正方法,使本发明具有鲁棒性。
-
公开(公告)号：CN106778823B
公开(公告)日：2020-02-07
申请号：CN201611055991.9
申请日：2016-11-22
Applicant: 国网湖北省电力公司宜昌供电公司 , 三峡大学 , 国家电网公司
IPC: G06K9/62
Abstract: 本发明提出的一种指针式仪表读数自动识别方法，属于数字图像处理领域。该方法包括以下步骤：采集并标定仪表模板，将模板图、模板图中仪表最大最小量程、单位，以及模板仪表指针当前位置读数，保存在模板库中；查找模板图中仪表的最大、最小刻度线、指针直线，将最大最小刻度线的角度、仪表的圆心位置保存在模板库中；模板匹配，将待识别仪表图校正为正视角图；采用指针查找方法，查找待识别仪表图中的指针直线，计算仪表读数。该方法采用模板标定的方法，前期模板库的建立简单，且只需查找一次最大最小刻度线角度，确定圆心位置并保存在模板库中，后期只需识别每个待识别仪表的指针的角度，减少计算机识别的信息量，可靠性高。
-
公开(公告)号：CN106570436A
公开(公告)日：2017-04-19
申请号：CN201611001099.2
申请日：2016-11-14
Applicant: 三峡大学 , 国网湖北省电力公司宜昌供电公司 , 国家电网公司
Abstract: 本发明涉及一种基于二维码的变电站设备抄表系统及其抄表方法，属于数据采集和图像处理技术领域，包括：为变电站中需要抄表的设备信息加入二维码；采集二维码信息、模板图像以及模板图像中的二维码的3个位置探测图形和1个校正图形的中心点位置放在服务器的模板库中；手持抄表终端扫描二维码，生成二维码信息报文，自动判断并抓取满足质量要求的图像；将图像和二维码信息上传至服务器；采用具有鲁棒性的视角修正方法将图像调整为正视角度图像；仪表识别系统识别仪表读数，将读数及设备信息传至数据库。该发明能保证仪表图像采集的质量，有效解决了的因不清晰图像导致图像识别系统失效的问题。采用自适应的视角修正方法，使本发明具有鲁棒性。
-
公开(公告)号：CN117372254A
公开(公告)日：2024-01-09
申请号：CN202311116186.2
申请日：2023-08-31
Applicant: 三峡大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/70 , G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法，包括如下步骤：Step1、构建训练方法；Step2、构建多结构融合模块；Step3、构建生成器的网络结构；构建的生成器RDDANet总体网络结构由三个部分组成：浅层特征提取、用于深层特征提取的多结构融合模块和重建模块，用于深层特征提取的多结构融合模块为残差动态密集‑注意模块；Step4、预测效果图；从热红外数据集中选取多张图进行预测。提出了一种新的使用灰度化的可见光图像引导网络训练的训练策略，相比于当前的超分辨率算法，我们可以在解决噪声影响的情况下有效增强纹理细节。
-
公开(公告)号：CN106778823A
公开(公告)日：2017-05-31
申请号：CN201611055991.9
申请日：2016-11-22
Applicant: 国网湖北省电力公司宜昌供电公司 , 三峡大学 , 国家电网公司
IPC: G06K9/62
Abstract: 本发明提出的一种指针式仪表读数自动识别方法，属于数字图像处理领域。该方法包括以下步骤：采集并标定仪表模板，将模板图、模板图中仪表最大最小量程、单位，以及模板仪表指针当前位置读数，保存在模板库中；查找模板图中仪表的最大、最小刻度线、指针直线，将最大最小刻度线的角度、仪表的圆心位置保存在模板库中；模板匹配，将待识别仪表图校正为正视角图；采用指针查找方法，查找待识别仪表图中的指针直线，计算仪表读数。该方法采用模板标定的方法，前期模板库的建立简单，且只需查找一次最大最小刻度线角度，确定圆心位置并保存在模板库中，后期只需识别每个待识别仪表的指针的角度，减少计算机识别的信息量，可靠性高。
-
-
-
-
-
Search Results
6
records
(took 0.039 seconds)
