-
公开(公告)号：CN116205997A
公开(公告)日：2023-06-02
申请号：CN202111442252.6
申请日：2021-11-30
申请人： 四川大学
摘要： 本发明公开了一种基于自适应傅里叶频谱采样与快速迭代自适应重建的单像素成像系统与方法，通过自适应的采样低频频谱和重要的高频频谱，最大程度的减少采样次数，同时提高了成像质量；对得到的采样频谱利用图像稀疏先验，在梯度空间中引入交替方向方法对图像进行求解，同时引入快速傅里叶变换对求解过程进行加速，大幅减少了计算复杂度，解决了传统单像素成像方法中成像缓慢，实时性不高的问题；通过该单像素成像方法及系统，可以快速得到高质量的图像，解决了在空间光调制器调制频率过慢，采样率过低情况下的高质量快速成像难题，在太赫兹成像、红外成像、单光子成像、X光成像领域有着广泛的应用价值。
-
公开(公告)号：CN106373102B
公开(公告)日：2019-09-10
申请号：CN201610806663.1
申请日：2016-09-07
申请人： 四川大学
IPC分类号： G06T5/00
摘要： 本发明是基于梯度域分析的单张图像去雨方法，雨在图像中常常呈现出竖条纹状，因而对X方向和Y方向的梯度影响呈不同统计特性。基于此现象，提出了一种基于梯度域分析的去雨框架。去雨问题旨在恢复图像的纹理，理论上纹理由相互垂直方向的梯度求解。如果存在一个方向，其梯度干扰最小，去雨问题可简化成求解其垂直方向的梯度。绝大多数雨纹的方向，就是梯度干扰最小的方向，本发明通过计算图像不同区域的方向梯度直方图(HOG)来确定此方向，并提出一种基于各向异性全变分和矩阵秩最小化的图像分解框架，将受干扰的梯度分解成表示纹理和表示雨纹两部分。与传统的基于学习的方法相比，新提出的去雨框架速度提高了60倍，同时可得到较好的效果。
-
公开(公告)号：CN110059708A
公开(公告)日：2019-07-26
申请号：CN201910347516.6
申请日：2019-04-26
申请人： 四川大学
IPC分类号： G06K9/46
摘要： 本申请实施例提供一种生成描述子的方法及装置、存储介质，涉及图像处理技术领域。该生成描述子的方法包括：获取待生成描述子的图像特征点对应的预先确定的预设数量的采样点对；获取每个采样点对中的两个采样点的灰度值的差值、灰度梯度绝对值和的差值；将所述灰度值的差值、所述灰度梯度绝对值和的差值分别与预设的差值阈值进行比较，得到比较结果；根据所述比较结果生成所述特征点的描述子，所述描述子的维数为所述预设数量的两倍。该方法提高了二进制描述子的鲁棒性。
-
公开(公告)号：CN104376600B
公开(公告)日：2018-04-17
申请号：CN201410684123.1
申请日：2014-11-25
申请人： 四川大学
IPC分类号： G06T19/00
摘要： 本发明是一种基于在线管理高分辨率块的稳定3D模型跟踪器，涉及计算机视觉领域。本发明采用了在线维护和基于关键框架集的超分辨率技术。通过离散目标能量函数和图像分割技术可以有效地解决模拟关键框架的不同条件和融合每个单独关键框架的有用信息。同时，本发明也采用了多线程技术，将算法中包含的具有较高复杂度的部分作为一个辅助进程从跟踪器中分离出来，称之为更新器，这将保证跟踪器在耗时的超分辨率过程中不会被阻塞。实验结果表明我们所提出的跟踪器，无论是具有复杂的背景还是光照条件发生重大变化，都具有性能优越性。
-
公开(公告)号：CN105812769B
公开(公告)日：2018-04-03
申请号：CN201610205700.3
申请日：2016-04-06
申请人： 四川大学
IPC分类号： H04N13/106 , G06T5/00 , G06T3/60 , G06K9/62
摘要： 本发明提出一种基于相位相关（Phase correlation PC）的视差跟踪器，涉及到一种基于PC跟踪器的无人机连续影像视差估计方法，属于计算机视觉与航空影像处理领域。针对基于PC算法在无人机低空图像视差估计中受地形落差大、阴影及河流区域影响而导致的误匹配问题，在相位相关匹配方法基础上，提出一种高精度视差跟踪器：首先，将图像由粗到细地分为多层；第二，在第一层上，利用大窗口PC算法求解初始视差图及互功率谱傅里叶反变换峰值；同时，根据互功率谱傅里叶反变换峰值设置可信度阈值；第三，根据可信度阈值和初始视差图引导小窗口PC算法迭代地追踪可信视差直到收敛；最终获得细化视差图。
-
公开(公告)号：CN106709926A
公开(公告)日：2017-05-24
申请号：CN201611139578.0
申请日：2016-12-12
申请人： 四川大学
CPC分类号： G06T5/50 , G06T2207/20081
摘要： 本发明是基于动态先验知识估计的快速去雨算法，在图像中雨滴的外形呈现高亮条纹状，这符合Gabor滤波器提取纹理的特性，即具有方向和频域选择性。基于此，提出一个两层的去雨框架。第一层用Gabor滤波器提取一组含有雨滴信息少而背景纹理多的图像，并用基于独立成分分析的图像融合方法将滤波图像与原图融合得到背景的梯度先验知识，其中滤波参数根据事先估计的雨滴方向和频域选取。第二层用背景的梯度先验知识和雨滴的低秩性构造了一个新的图像分解模型，可用Split Bregman 策略交替迭代求解。与以前方法相比，新算法可以保留更多的图像细节信息，且速度提高了10倍，可达到实时应用的要求。
-
公开(公告)号：CN106373102A
公开(公告)日：2017-02-01
申请号：CN201610806663.1
申请日：2016-09-07
申请人： 四川大学
IPC分类号： G06T5/00
摘要： 本发明是基于梯度域分析的单张图像去雨算法，雨在图像中常常呈现出竖条纹状，因而对X方向和Y方向的梯度影响呈不同统计特性。基于此现象，提出了一种基于梯度域分析的去雨框架。去雨问题旨在恢复图像的纹理，理论上纹理由相互垂直方向的梯度求解。如果存在一个方向，其梯度干扰最小，去雨问题可简化成求解其垂直方向的梯度。绝大多数雨纹的方向，就是梯度干扰最小的方向，本发明通过计算图像不同区域的方向梯度直方图（HOG）来确定此方向，并提出一种基于各向异性全变分和矩阵秩最小化的图像分解框架，将受干扰的梯度分解成表示纹理和表示雨纹两部分。与传统的基于学习的方法相比，新提出的去雨框架速度提高了60倍，同时可得到较好的效果。
-
公开(公告)号：CN105701787A
公开(公告)日：2016-06-22
申请号：CN201610026936.0
申请日：2016-01-15
申请人： 四川大学
摘要： 本发明提出了一种基于置信度的深度图融合方法。由于匹配信息弱或噪声影响，深度计算精度难以保证，从而导致深度图融合变得困难。为此，本发明提出了一种基于置信度的抗噪融合算法。该方法首先对每幅深度图进行修正，利用一致性检测剔除大多数错误点并填补某些空洞。其次，通过保留那些在自身邻域内具有最高置信度的三维点以删除冗余。最后，将深度图反投影到三维空间，采用迭代最小二乘法进一步优化三维点并剔除离群点。通过在标准测试数据集上与其他算法比较，验证了该方法的有效性。
-
公开(公告)号：CN104392448A
公开(公告)日：2015-03-04
申请号：CN201410704936.2
申请日：2014-12-01
申请人： 四川大学
IPC分类号： G06T7/00
CPC分类号： G06T7/85 , G06T2207/10012 , G06T2207/10021 , G06T2207/20032
摘要： 本发明涉及计算机视觉中立体匹配方法,针对引导滤波立体匹配方法在低纹理和不连续边界的不足及中值分割引导滤波在细节信息描述不足，提出了一种高斯中值分割引导滤波立体匹配方法，此发明属于计算机应用领域。该方法首先结合BT测度和两方向梯度(水平方向和垂直方向),以减少噪音影响，并提高匹配精度；然后，在引导滤波中引入高斯权重窗口；之后，为减少图像分割中硬分割限制，超细分割被引入来替代过细分割。最后,融合图像分割和中值滤波的优势，我们提出了高斯中值分割引导滤波（GMSGF）。通过实验表明，高斯中值分割引导滤波（GMSGF）具有很好的立体匹配精度和细节保持。
-
公开(公告)号：CN118447114A
公开(公告)日：2024-08-06
申请号：CN202410504769.0
申请日：2024-04-25
申请人： 四川大学
摘要： 本发明提出了一种基于超拉普拉斯约束的全彩色单像素成像重建系统，能够在低采样率或不完全采样的情况下，高效地对重建出自然场景和目标的全彩色图像。针对目前已有的多种算法在全彩色单像素成像重建中，忽略了场景和目标的光谱的相关性，导致重建出场景和目标的全彩色图像出现色彩还原度不高，细节模糊的问题。本发明通过在全彩色单像素重建过程中引入超拉普拉斯约束，能够充分利用自然场景和目标的光谱信息和空间信息，实现高质量全彩色色单像素单像素场景和目标重建，弥补了已有方法的前述不足。
-
-
-
-
-
-
-
-
-
搜索结果
70 条记录 (耗时 0.031 秒)
