-
公开(公告)号：CN111008956B
公开(公告)日：2024-06-28
申请号：CN201911103773.1
申请日：2019-11-13
申请人： 武汉工程大学
IPC分类号： G06T7/00 , G06T3/4038 , G06T7/60
摘要： 本发明涉及一种基于图像处理的梁底裂纹检测方法、系统、装置和介质，方法包括获取桥梁底面的多个原始裂纹图像，并对所有原始裂纹图像进行预处理，得到多个处理裂纹图像；从所有处理裂纹图像中获取多个待拼接裂纹图像，基于SURF图像处理方法，将所有待拼接裂纹图像进行拼接，得到待检测裂纹图像；获取预设的神经网络裂纹检测模型，并利用所述神经网络裂纹检测模型对所述待检测裂纹图像进行检测，得到目标裂纹图像；对所述目标裂纹图像进行分析，得到裂纹检测数据。本发明能避免图像拍摄距离对梁底裂纹识别和检测的影响，提高裂纹检测精度，能够避免微小裂纹的图像被当做噪声过滤掉，极其适用于微小裂纹的检测。
-
公开(公告)号：CN106530231B
公开(公告)日：2020-08-11
申请号：CN201610985891.X
申请日：2016-11-09
申请人： 武汉工程大学
IPC分类号： G06T3/40
摘要： 本发明公开了一种基于深层协作表达的超分辨率图像的重建方法及系统。其中，该方法包括：重建过程；重建过程包括：对初始图像、低分辨率图像训练集中的图像和高分辨率图像训练集中的图像在像素域中划分图像块；计算由低分辨率图像训练集划分的图像块训练集对由初始图像划分的图像块进行重建时的最优权值系数；将由初始图像划分的图像块替换为由高分辨率图像训练集划分的图像块，用最优权值系数合成高分辨率图像块；将高分辨率图像块融合，获得高分辨率图像；将获得的高分辨率图像作为新的初始图像，进行至少一次重建过程，得到最终的高分辨率图像，解决了重建精度低的技术问题，满足了实际的分辨率重建需求。
-
公开(公告)号：CN109886869B
公开(公告)日：2022-12-20
申请号：CN201811199243.7
申请日：2018-10-15
申请人： 武汉工程大学
IPC分类号： G06T3/40 , G06V10/774 , G06V10/772
摘要： 本发明公开了一种基于上下文信息的非线性拓展的人脸超分辨率方法，该方法首先通过上下文块对上下文信息进行抽样，以丰富人脸图像表示的先验信息，并在正则化目标函数时利用设置阈值对上下文字典进行降维，然后利用高斯核函数将原始数据转化为核空间，通过协作表示建立高低分辨率图像之间的非线性关系，最后采用上下文残差学习重建出待测图像。本方法通过高斯核函数建立高低分辨率图像之间的非线性映射，并将高维特征空间中的非线性问题表示为线性问题。此外，它还使用上下文残差学习来获得更准确的图像表示的先验信息，提高了重建的性能。
-
公开(公告)号：CN111008956A
公开(公告)日：2020-04-14
申请号：CN201911103773.1
申请日：2019-11-13
申请人： 武汉工程大学
摘要： 本发明涉及一种基于图像处理的梁底裂纹检测方法、系统、装置和介质，方法包括获取桥梁底面的多个原始裂纹图像，并对所有原始裂纹图像进行预处理，得到多个处理裂纹图像；从所有处理裂纹图像中获取多个待拼接裂纹图像，基于SURF图像处理方法，将所有待拼接裂纹图像进行拼接，得到待检测裂纹图像；获取预设的神经网络裂纹检测模型，并利用所述神经网络裂纹检测模型对所述待检测裂纹图像进行检测，得到目标裂纹图像；对所述目标裂纹图像进行分析，得到裂纹检测数据。本发明能避免图像拍摄距离对梁底裂纹识别和检测的影响，提高裂纹检测精度，能够避免微小裂纹的图像被当做噪声过滤掉，极其适用于微小裂纹的检测。
-
公开(公告)号：CN108986059A
公开(公告)日：2018-12-11
申请号：CN201810654729.9
申请日：2018-06-22
申请人： 武汉工程大学
IPC分类号： G06T5/50
摘要： 本发明公开了一种基于流形正则化群的局部约束表达的人脸超分辨率重建方法，包括以下步骤：建立低分辨人脸图像训练集和高分辨人脸图像训练集，对插值后的低分辨率训练集中的人脸图像和高分辨率训练集中的人脸图像在像素域中划分相互重叠的图像块；对于划分的图像块，在输入的图像中找到与之相似的多个块组成一个相似块矩阵，并且在这些相似块中建立一个图，得到一个拉普拉斯矩阵；根据得到的高分辨率训练图像块字典群矩阵和权重系数群矩阵求出重建的HR图像块群矩阵，进而得到高分辨人脸图像块，融合得到最终目标的高分辨率人脸图像。本发明充分利用了图片中相似区域的强相关性计算系数矩阵，提高重建性能，获得更高质量的高分辨率人脸图像。
-
公开(公告)号：CN108986059B
公开(公告)日：2021-12-24
申请号：CN201810654729.9
申请日：2018-06-22
申请人： 武汉工程大学
IPC分类号： G06T5/50
摘要： 本发明公开了一种基于流形正则化群的局部约束表达的人脸超分辨率重建方法，包括以下步骤：建立低分辨人脸图像训练集和高分辨人脸图像训练集，对插值后的低分辨率训练集中的人脸图像和高分辨率训练集中的人脸图像在像素域中划分相互重叠的图像块；对于划分的图像块，在输入的图像中找到与之相似的多个块组成一个相似块矩阵，并且在这些相似块中建立一个图，得到一个拉普拉斯矩阵；根据得到的高分辨率训练图像块字典群矩阵和权重系数群矩阵求出重建的HR图像块群矩阵，进而得到高分辨人脸图像块，融合得到最终目标的高分辨率人脸图像。本发明充分利用了图片中相似区域的强相关性计算系数矩阵，提高重建性能，获得更高质量的高分辨率人脸图像。
-
公开(公告)号：CN109886869A
公开(公告)日：2019-06-14
申请号：CN201811199243.7
申请日：2018-10-15
申请人： 武汉工程大学
摘要： 本发明公开了一种基于上下文信息的非线性拓展的人脸超分辨率方法，该方法首先通过上下文块对上下文信息进行抽样，以丰富人脸图像表示的先验信息，并在正则化目标函数时利用设置阈值对上下文字典进行降维，然后利用高斯核函数将原始数据转化为核空间，通过协作表示建立高低分辨率图像之间的非线性关系，最后采用上下文残差学习重建出待测图像。本方法通过高斯核函数建立高低分辨率图像之间的非线性映射，并将高维特征空间中的非线性问题表示为线性问题。此外，它还使用上下文残差学习来获得更准确的图像表示的先验信息，提高了重建的性能。
-
公开(公告)号：CN106600538A
公开(公告)日：2017-04-26
申请号：CN201611161604.X
申请日：2016-12-15
申请人： 武汉工程大学
CPC分类号： G06T3/4053 , G06N3/084
摘要： 本发明公开了一种基于区域深度卷积神经网络的人脸超分辨率算法，包括以下步骤：训练阶段：S1、对输入的低分辨率人脸图像在像素域中划分相互重叠的图像块，得到多个局部区域；S2、对局部区域提取得到局部特征；S3、对局部特征进行非线性变化得到非线性特征；S4、对非线性特征进行处理，得到重建后的高分辨率图像块；S5、对高分辨率图像块进行拼接，并调整多层卷积层和修正线性单元层的参数；测试阶段：S6、输入低分辨率的测试人脸图像，通过超分辨率网络处理得到高分辨率的人脸图像。本发明提出的区域卷积神经网络提高了重建高分辨率图像的主客观重建质量。
-
公开(公告)号：CN106530231A
公开(公告)日：2017-03-22
申请号：CN201610985891.X
申请日：2016-11-09
申请人： 武汉工程大学
IPC分类号： G06T3/40
CPC分类号： G06T3/4076 , G06T2207/20081
摘要： 本发明公开了一种基于深层协作表达的超分辨率图像的重建方法及系统。其中，该方法包括：重建过程；重建过程包括：对初始图像、低分辨率图像训练集中的图像和高分辨率图像训练集中的图像在像素域中划分图像块；计算由低分辨率图像训练集划分的图像块训练集对由初始图像划分的图像块进行重建时的最优权值系数；将由初始图像划分的图像块替换为由高分辨率图像训练集划分的图像块，用最优权值系数合成高分辨率图像块；将高分辨率图像块融合，获得高分辨率图像；将获得的高分辨率图像作为新的初始图像，进行至少一次重建过程，得到最终的高分辨率图像，解决了重建精度低的技术问题，满足了实际的分辨率重建需求。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.028 秒)
