一种基于深度学习的模糊核尺寸估计方法与系统

    公开(公告)号:CN106447626A

    公开(公告)日:2017-02-22

    申请号:CN201610806072.4

    申请日:2016-09-07

    IPC分类号: G06T5/00 G06T7/00

    摘要: 本发明公开了一种基于深度学习的模糊核尺寸估计方法,属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理,得到尺寸满足需求的输入图像;之后,将图像输入至已完成训练的多分类卷积神经网络中,通过不同层的权值计算,得到一个概率分布向量;最后,通过比较向量中各元素的大小,取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数,有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。

    基于层级稀疏表示的图像复原与匹配一体化方法及系统

    公开(公告)号:CN110176029A

    公开(公告)日:2019-08-27

    申请号:CN201910355004.4

    申请日:2019-04-29

    IPC分类号: G06T7/33 G06T5/00 G06K9/62

    摘要: 本发明公开了一种基于层级稀疏表示的图像复原与匹配一体化方法及系统,属于计算机视觉领域,包括:利用滑窗法构建原始字典;对原始字典进行聚类操作并利用距离聚类中心最近的一维向量构成一级字典;利用一级字典与查询图像对应的一维向量进行稀疏表示,以得到稀疏系数α1和重建图像x1;将重建图像x1作为模糊图像,并根据稀疏系数α1中非零分量构建二级字典;利用二级字典与模糊图像进行稀疏表示,以得到稀疏系数α2和重建图像x2,并更新更新模糊图像为重建图像x2,重复此步骤直至达到最大迭代次数;获得稀疏系数α2中最大分量对应的图像块作为匹配图像,以获得查询图像在参考图像中的坐标。本发明能够在保证较高的图像匹配精度的同时,提高图像匹配的速度。

    一种基于视频的公交车道检测方法

    公开(公告)号:CN105389561A

    公开(公告)日:2016-03-09

    申请号:CN201510777875.7

    申请日:2015-11-13

    IPC分类号: G06K9/00

    CPC分类号: G06K9/00798

    摘要: 本发明公开了一种基于视频的公交车道检测方法:图像获取步骤,从成像设备中获取检测图像;图像预处理步骤,对检测图像进行缩放、掩膜处理、灰度化和高斯平滑滤波等预处理;边缘图像提取步骤,利用Canny算法对预处理后图像提取边缘图像;直线检测步骤,对边缘图像利用霍夫变换算法检测候选直线,对候选直线进行聚类得到可信度最高的直线;直线约束步骤,利用半帧图像单条直线的倾斜角、单帧图像两条直线的对称性信息对直线进行约束;车道跟踪步骤,利用多帧图像车道位置相近信息进行车道跟踪,检测得到有效车道;车道识别步骤,利用SVM颜色分类器识别车道。本发明可以应用于智能交通系统中实时、准确、稳定检测识别公交车道。

    基于层级稀疏表示的图像复原与匹配一体化方法及系统

    公开(公告)号:CN110176029B

    公开(公告)日:2021-03-26

    申请号:CN201910355004.4

    申请日:2019-04-29

    IPC分类号: G06T7/33 G06T5/00 G06K9/62

    摘要: 本发明公开了一种基于层级稀疏表示的图像复原与匹配一体化方法及系统,属于计算机视觉领域,包括:利用滑窗法构建原始字典;对原始字典进行聚类操作并利用距离聚类中心最近的一维向量构成一级字典;利用一级字典与查询图像对应的一维向量进行稀疏表示,以得到稀疏系数α1和重建图像x1;将重建图像x1作为模糊图像,并根据稀疏系数α1中非零分量构建二级字典;利用二级字典与模糊图像进行稀疏表示,以得到稀疏系数α2和重建图像x2,并更新更新模糊图像为重建图像x2,重复此步骤直至达到最大迭代次数;获得稀疏系数α2中最大分量对应的图像块作为匹配图像,以获得查询图像在参考图像中的坐标。本发明能够在保证较高的图像匹配精度的同时,提高图像匹配的速度。

    一种基于深度学习的模糊核尺寸估计方法与系统

    公开(公告)号:CN106447626B

    公开(公告)日:2019-06-07

    申请号:CN201610806072.4

    申请日:2016-09-07

    IPC分类号: G06T5/00 G06T7/00

    CPC分类号: G06T5/00

    摘要: 本发明公开了一种基于深度学习的模糊核尺寸估计方法,属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理,得到尺寸满足需求的输入图像;之后,将图像输入至已完成训练的多分类卷积神经网络中,通过不同层的权值计算,得到一个概率分布向量;最后,通过比较向量中各元素的大小,取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数,有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。

    一种基于线性特征的联合图像复原和匹配方法及系统

    公开(公告)号:CN109903233B

    公开(公告)日:2021-08-03

    申请号:CN201910023228.5

    申请日:2019-01-10

    IPC分类号: G06T5/00 G06K9/62

    摘要: 本发明公开了一种基于线性特征的联合图像复原和匹配方法,该方法构造线性映射矩阵,提取主要线性特征计算初始化清晰实时图像和加权稀疏系数,选出清晰实时图像的加权稀疏系数中最大分量,其对应像素字典矩阵中的元素在参考图像中的位置即为最终匹配结果。本发明还提供了实现上述方法的系统。本发明提取线性特征,起到了减轻图像模糊带来的干扰,去除大量无用的信息,保持用稀疏系数重构清晰实时图像的线性关系的作用,具有提高图像复原和匹配准确性的技术效果,同时降低计算量,提高实时性。

    一种基于线性特征的联合图像复原和匹配方法及系统

    公开(公告)号:CN109903233A

    公开(公告)日:2019-06-18

    申请号:CN201910023228.5

    申请日:2019-01-10

    IPC分类号: G06T5/00 G06K9/62

    摘要: 本发明公开了一种基于线性特征的联合图像复原和匹配方法,该方法构造线性映射矩阵,提取主要线性特征计算初始化清晰实时图像和加权稀疏系数,选出清晰实时图像的加权稀疏系数中最大分量,其对应像素字典矩阵中的元素在参考图像中的位置即为最终匹配结果。本发明还提供了实现上述方法的系统。本发明提取线性特征,起到了减轻图像模糊带来的干扰,去除大量无用的信息,保持用稀疏系数重构清晰实时图像的线性关系的作用,具有提高图像复原和匹配准确性的技术效果,同时降低计算量,提高实时性。

    一种基于视频的公交车道检测方法

    公开(公告)号:CN105389561B

    公开(公告)日:2018-06-26

    申请号:CN201510777875.7

    申请日:2015-11-13

    IPC分类号: G06K9/00

    摘要: 本发明公开了一种基于视频的公交车道检测方法:图像获取步骤,从成像设备中获取检测图像;图像预处理步骤,对检测图像进行缩放、掩膜处理、灰度化和高斯平滑滤波等预处理;边缘图像提取步骤,利用Canny算法对预处理后图像提取边缘图像;直线检测步骤,对边缘图像利用霍夫变换算法检测候选直线,对候选直线进行聚类得到可信度最高的直线;直线约束步骤,利用半帧图像单条直线的倾斜角、单帧图像两条直线的对称性信息对直线进行约束;车道跟踪步骤,利用多帧图像车道位置相近信息进行车道跟踪,检测得到有效车道;车道识别步骤,利用SVM颜色分类器识别车道。本发明可以应用于智能交通系统中实时、准确、稳定检测识别公交车道。