-
公开(公告)号：CN112070692B
公开(公告)日：2023-10-20
申请号：CN202010870790.4
申请日：2020-08-26
申请人： 西安理工大学
摘要： 本发明公开的一种基于虚拟曝光的单幅逆光图像增强方法，其特征在于，包括以下步骤：将单幅逆光图像转换到HSV颜色空间并提取出V分量图像；利用V分量图像求解出一系列虚拟曝光图像，然后从中选取一张低曝光图像和一张高曝光图像；对选取的低曝光图像做全局亮度增强，得到增强亮度图像；对选取的高曝光图像做对比度增强，得到增强对比度图像；将得到的增强亮度图像和增强对比度图像融合在一起，再与HSV颜色空间的H、S分量合并，得到增强后的单幅逆光图像。本发明一种基于虚拟曝光的单幅逆光图像增强方法，引入虚拟曝光图像对逆光图像的亮区和暗区做相应地处理，可以在增强暗区的同时抑制亮区过饱和，得到更自然的增强结果。
-
公开(公告)号：CN107270826A
公开(公告)日：2017-10-20
申请号：CN201710514755.7
申请日：2017-06-29
申请人： 西安理工大学
IPC分类号： G01B11/12
摘要： 本发明公开了一种孔的视觉测量方法，本发明所采用的技术方案是，一种孔的视觉测量方法，具体为：步骤1，采用自然光或者结构光投射孔，使孔内柱面上产生一条投影曲线，使用相机在不同位置采集同一孔的两幅图像；步骤2，将采集的两幅图像进行图像处理，并提取每幅孔图像中孔端面边缘曲线及孔内柱面投影曲线；步骤3，采用极线匹配的方法，立体视觉计算孔端面边缘曲线上点的三维坐标和孔内柱面投影曲线上点的三维坐标；步骤4，根据步骤3计算的孔端面边缘曲线上点的三维坐标，计算孔轴线方程，然后计算孔端面边缘上各点和孔内柱面投影曲线上各点到孔轴线的距离，然后求得平均值，即为孔径大小。本发明的方法测量操作方便、测量精度高。
-
公开(公告)号：CN109003233B
公开(公告)日：2021-08-06
申请号：CN201810644119.0
申请日：2018-06-21
申请人： 西安理工大学
摘要： 本发明公开了一种基于自适应权重全变分模型的图像去噪方法，按照建立自适应权重全变分模型；使用非局部均值滤波器处理噪声图像，得到估计去噪图像；对噪声图像进行预处理后使用四个边缘算子进行检测，得到边缘检测图像，并根据四个边缘算子定义自适应范式参数；根据自适应范式参数将边缘检测图像的像素重置后得到含噪图像的权重矩阵；将估计去噪图像、自适应范式参数和权重矩阵代入至自适应权重全变分模型中得到去噪图像的步骤。本发明能够根据图像特征自适应的将图像的边缘区域和平滑区域分开处理，在去除噪声的同时保持图像的纹理和边缘，避免了阶梯效应的产生。
-
公开(公告)号：CN112183633A
公开(公告)日：2021-01-05
申请号：CN202011046341.4
申请日：2020-09-29
申请人： 西安理工大学
摘要： 本发明公开的基于改进的FT算法的高光谱图像显著目标检测方法，具体按照以下步骤实施：步骤1、输入高光谱图像以及高光谱图像对应的RGB图像；步骤2、利用改进的FT算法对高光谱的RGB图像进行显著目标检测，得到改进的FT算法的显著映射图；步骤3、计算高光谱图像的光谱带之间的光谱角距离，得到光谱显著图；步骤4、将步骤2得到的显著映射图和步骤3得到的光谱显著图融合，形成最终的高光谱图像的显著目标图。本发明一种基于改进的FT算法的高光谱图像显著目标检测方法，解决了现有技术中存在的高光谱图像目标检测方法计算量大和检测目标边缘模糊问题。
-
公开(公告)号：CN117274666A
公开(公告)日：2023-12-22
申请号：CN202311101180.8
申请日：2023-08-29
申请人： 西安理工大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/766 , G06V10/44 , G06V10/52 , G06T7/00
摘要： 本发明公开的基于YOLOv7与无参注意力机制的苹果叶病检测方法，步骤如下：对图像进行预处理得到数据集；对数据集进行标注并划分为训练集和验证集；构建基于YOLOv7与无参注意力机制的苹果叶病检测模型；设置损失函数，并将训练集和验证集输入检测模型中，调整模型参数并进行训练得到苹果叶病检测模型；验证训练好的苹果叶病检测模型是否拟合，若拟合则利用训练好的检测模型检测苹果叶病，否则重新进行训练。本发明的苹果叶病检测方法，建模时将原始YOLOv7模型损失函数替换为EIOU Loss，在骨干网络中引入无参注意力机制SimAM提升模型检测精度；在颈部网络中使用GSConv与VOVGSCSP模块降低模型参数量，实现模型轻量化。
-
公开(公告)号：CN112183633B
公开(公告)日：2023-07-04
申请号：CN202011046341.4
申请日：2020-09-29
申请人： 西安理工大学
摘要： 本发明公开的基于改进的FT算法的高光谱图像显著目标检测方法，具体按照以下步骤实施：步骤1、输入高光谱图像以及高光谱图像对应的RGB图像；步骤2、利用改进的FT算法对高光谱的RGB图像进行显著目标检测，得到改进的FT算法的显著映射图；步骤3、计算高光谱图像的光谱带之间的光谱角距离，得到光谱显著图；步骤4、将步骤2得到的显著映射图和步骤3得到的光谱显著图融合，形成最终的高光谱图像的显著目标图。本发明一种基于改进的FT算法的高光谱图像显著目标检测方法，解决了现有技术中存在的高光谱图像目标检测方法计算量大和检测目标边缘模糊问题。
-
公开(公告)号：CN112183276A
公开(公告)日：2021-01-05
申请号：CN202010996250.0
申请日：2020-09-21
申请人： 西安理工大学
摘要： 本发明公开了一种基于特征描述符的部分遮挡人脸识别方法，首先对人脸数据集中的三维人脸进行主曲率计算，以最大主曲率和最小主曲率检测到的关键点作为人脸关键点；以人脸深度的最低点为中心，裁剪出人脸中未被遮挡的部分；以检测到的关键点为中心，提取特征区域，对关键点构造八邻域，从八邻域内任意选取两个顶点与关键点结合构成多重空间三角特征描述符；然后将数据集中所有人脸的多重空间三角特征描述符加入到特征字典当中，完成特征字典构建；最后采用稀疏表示的方法完成三维遮挡人脸识别。本发明解决了现有技术中存在的人脸识别准确率差的问题。
-
公开(公告)号：CN112070692A
公开(公告)日：2020-12-11
申请号：CN202010870790.4
申请日：2020-08-26
申请人： 西安理工大学
摘要： 本发明公开的一种基于虚拟曝光的单幅逆光图像增强方法，其特征在于，包括以下步骤：将单幅逆光图像转换到HSV颜色空间并提取出V分量图像；利用V分量图像求解出一系列虚拟曝光图像，然后从中选取一张低曝光图像和一张高曝光图像；对选取的低曝光图像做全局亮度增强，得到增强亮度图像；对选取的高曝光图像做对比度增强，得到增强对比度图像；将得到的增强亮度图像和增强对比度图像融合在一起，再与HSV颜色空间的H、S分量合并，得到增强后的单幅逆光图像。本发明一种基于虚拟曝光的单幅逆光图像增强方法，引入虚拟曝光图像对逆光图像的亮区和暗区做相应地处理，可以在增强暗区的同时抑制亮区过饱和，得到更自然的增强结果。
-
公开(公告)号：CN112070098A
公开(公告)日：2020-12-11
申请号：CN202010844360.5
申请日：2020-08-20
申请人： 西安理工大学
摘要： 本发明公开了基于频率调整模型的高光谱图像显著目标检测方法，具体按照以下步骤实施：1、输入高光谱图像以及高光谱图像对应的RGB图像；2、利用频率调整模型对高光谱的RGB图像进行显著目标检测，得到频率调整算法的显著图；3、利用光谱角距离对步骤1中高光谱图像的光谱带计算光谱显著性，得到光谱显著图；4、将步骤2得到的频率调整算法显著图和步骤3得到的光谱显著图分别进行归一化，然后融合，形成最终的高光谱图像的显著目标图。本发明解决了现有高光谱图像检测目标边缘模糊且检测目标信息不完整的问题，在使目标边缘精确的同时完整的表现目标物体，大大提高了显著目标检测的精确率。
-
公开(公告)号：CN107451973A
公开(公告)日：2017-12-08
申请号：CN201710641968.6
申请日：2017-07-31
申请人： 西安理工大学
摘要： 本发明公开了一种基于丰富边缘区域提取的运动模糊图像复原方法，首先获取运动模糊图像的高频层信息，再以滑窗方式计算丰富边缘指数，提取到丰富边缘区域，以此，获取到代替整幅图像的局部区域；然后以提取到的丰富边缘区域来估计模糊核，在得到模糊核的基础上，使用复原算法对整幅运动模糊图像进行复原。本发明基于丰富边缘区域提取的运动模糊图像复原方法，对运动模糊图像进行了恢复处理，与现有复原方法相比，在降低图像的复原时间的同时保证图像的复原效果，实现了对运动模糊图像的高效复原。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.039 秒)