-
公开(公告)号：CN110516523B
公开(公告)日：2023-08-25
申请号：CN201910539038.9
申请日：2019-06-18
申请人： 中国矿业大学
IPC分类号： G06V20/40 , G06V40/10 , G06V10/764 , G06V10/50
摘要： 本发明公开了移动视频巡检中危险区域行人检测方法，包括以下步骤：步骤1：提取HOG特征；步骤2：构建一种(r，P，k)的中值采样方案；步骤3：训练二级级联分类器，第一级的分类器使用线性SVM，去除大部分容易区分的负样本，保留几乎所有正样本送入第二级分类器，第二级分类器是Adaboost分类器，对正样本进行检测。本发明在HOG‑LBP的基础上，通过对LBP特征的改进，采用梯度LBP特征，提取四个描述子，并采用一种新的基于训练的特征映射方法，并将多分辨率联合的梯度LBP特征进行串联，提取纹理特征信息更加全面，更加准确，更加有利于提高分类的准确性。
-
公开(公告)号：CN106204476B
公开(公告)日：2019-09-10
申请号：CN201610522984.9
申请日：2016-06-27
摘要： 本发明提供一种低照度彩色图像增强方法，方法：根据待增强低照度彩色图像的灰度级分布直方图，将所述灰度级分布直方图的灰度分为初始暗区与初始亮区两个部分；将待增强低照度彩色图像从RGB空间转换到Lab空间；根据欧几里德距离进行聚类；对分类暗区进行增强处理；合并增强暗区与分类亮区；将合并的低照度彩色图像从Lab空间转换到RGB空间，得到增强的低照度彩色图像。本发明具有重建速度比较快、图像清晰、色域宽阔、色彩丰富等特点，可广泛应用于图像处理领域中。
-
公开(公告)号：CN107886067B
公开(公告)日：2020-04-28
申请号：CN201711085825.8
申请日：2017-11-07
申请人： 中国矿业大学
摘要： 本发明涉及一种基于HIKSVM分类器的多特征融合的行人检测方法，具体包括以下步骤：确定行人图像序列中的行为区域；在行为区域内提取多项特征，形成融合特征；利用训练好的基于上述融合特征的HIKSVM分类器进行行人检测。本发明改进了特征提取方法，提取出HOG特征之后，通过类比，把梯度场改为光流场，提取HOF特征，保留了物体的形状信息和运动信息，同时避免了使用光流场描述整幅运动物体的计算复杂性，鲁棒性强；通过对LBP算法的改进，使用LQC算法提取纹理特征，不损失纹理信息的基础上，减少了计算复杂度；使用直方图交叉核，通过交叉坐标下降的方法，对SVM分类器进行分类训练，计算复杂度低，检测精度高。
-
公开(公告)号：CN110516523A
公开(公告)日：2019-11-29
申请号：CN201910539038.9
申请日：2019-06-18
申请人： 中国矿业大学
IPC分类号： G06K9/00
摘要： 本发明公开了移动视频巡检中危险区域行人检测方法，包括以下步骤：步骤1：提取HOG特征；步骤2：构建一种(r，P，k)的中值采样方案；步骤3：训练二级级联分类器，第一级的分类器使用线性SVM，去除大部分容易区分的负样本，保留几乎所有正样本送入第二级分类器，第二级分类器是Adaboost分类器，对正样本进行检测。本发明在HOG-LBP的基础上，通过对LBP特征的改进，采用梯度LBP特征，提取四个描述子，并采用一种新的基于训练的特征映射方法，并将多分辨率联合的梯度LBP特征进行串联，提取纹理特征信息更加全面，更加准确，更加有利于提高分类的准确性。
-
公开(公告)号：CN107886067A
公开(公告)日：2018-04-06
申请号：CN201711085825.8
申请日：2017-11-07
申请人： 中国矿业大学
摘要： 本发明涉及一种基于HIKSVM分类器的多特征融合的行人检测方法，具体包括以下步骤：确定行人图像序列中的行为区域；在行为区域内提取多项特征，形成融合特征；利用训练好的基于上述融合特征的HIKSVM分类器进行行人检测。本发明改进了特征提取方法，提取出HOG特征之后，通过类比，把梯度场改为光流场，提取HOF特征，保留了物体的形状信息和运动信息，同时避免了使用光流场描述整幅运动物体的计算复杂性，鲁棒性强；通过对LBP算法的改进，使用LQC算法提取纹理特征，不损失纹理信息的基础上，减少了计算复杂度；使用直方图交叉核，通过交叉坐标下降的方法，对SVM分类器进行分类训练，计算复杂度低，检测精度高。
-
公开(公告)号：CN107784651A
公开(公告)日：2018-03-09
申请号：CN201711047982.X
申请日：2017-10-31
申请人： 中国矿业大学
摘要： 本发明涉及一种基于模糊检测加权的模糊图像质量评价方法。包括以下步骤：对待评价图像进行边缘检测，得到边缘像素点；对上述图像进行分块，并将划分的图像块分为边缘块和平滑块；利用上述各边缘像素点的局部标准差和权值，得到整个图像的质量分数。本发明利用反映人眼视觉信息的模糊检测概率对各边缘像素点的局部标准差进行加权，能够很好得反映人眼视觉信息，提高了客观评价方法与主观图像质量评价方法的一致性，同时将低于最小可见模糊的边缘像素点权值设为零，评价指标具有更强的针对性，质量评价的准确度更高。
-
公开(公告)号：CN106204476A
公开(公告)日：2016-12-07
申请号：CN201610522984.9
申请日：2016-06-27
摘要： 本发明提供一种低照度彩色图像增强方法，方法：根据待增强低照度彩色图像的灰度级分布直方图，将所述灰度级分布直方图的灰度分为初始暗区与初始亮区两个部分；将待增强低照度彩色图像从RGB空间转换到Lab空间；根据欧几里德距离进行聚类；对分类暗区进行增强处理；合并增强暗区与分类亮区；将合并的低照度彩色图像从Lab空间转换到RGB空间，得到增强的低照度彩色图像。本发明具有重建速度比较快、图像清晰、色域宽阔、色彩丰富等特点，可广泛应用于图像处理领域中。
-
公开(公告)号：CN107784651B
公开(公告)日：2021-03-02
申请号：CN201711047982.X
申请日：2017-10-31
申请人： 中国矿业大学
摘要： 本发明涉及一种基于模糊检测加权的模糊图像质量评价方法。包括以下步骤：对待评价图像进行边缘检测，得到边缘像素点；对上述图像进行分块，并将划分的图像块分为边缘块和平滑块；利用上述各边缘像素点的局部标准差和权值，得到整个图像的质量分数。本发明利用反映人眼视觉信息的模糊检测概率对各边缘像素点的局部标准差进行加权，能够很好得反映人眼视觉信息，提高了客观评价方法与主观图像质量评价方法的一致性，同时将低于最小可见模糊的边缘像素点权值设为零，评价指标具有更强的针对性，质量评价的准确度更高。
-
公开(公告)号：CN106851261A
公开(公告)日：2017-06-13
申请号：CN201710098920.5
申请日：2017-02-23
申请人： 中国矿业大学
IPC分类号： H04N17/00 , H04N19/177
CPC分类号： H04N17/00 , H04N19/177
摘要： 本发明公开了一种基于GOP的视频质量评价方法，具体包含如下步骤：步骤1，获取视频序列中的GOP；步骤2，对步骤1获取的GOP中的I帧与P帧进行质量评价得到I帧与P帧的质量分数；步骤3，对I帧与P帧的质量分数分配权重加权得出单个GOP质量分数；步骤4，对所有的GOP的质量分数进行加权处理，得出视频序列的质量分数；因为在现有视频的MPEG编码后的GOP是由I、P、B三种不同帧类型组成的，在每个GOP中，基本为15∶2的格式，从每个GOP中选择出I与P帧，舍弃B帧，就会大大减少了需要评价的图像的数量；在视频序列中每一个GOP中I、P、B的重要性不同，可以根据I、P帧不同的重要性对I、P帧的质量分数分配不同权重，得到的视频质量评价结果更准确。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.025 秒)