-
公开(公告)号：CN107705266B
公开(公告)日：2020-03-27
申请号：CN201710961212.X
申请日：2017-10-12
申请人： 长沙全度影像科技有限公司
摘要： 本发明提供了一种全景相机镜头分类方法，属于图像处理技术领域。该方法包括：利用待测全景相机每个镜头拍摄不同光源下的待评判图像；计算各镜头在同种光源下拍摄图像的色差偏移度；计算各镜头在不同光源下的光源色偏度；根据色差偏移度和光源色偏度，构建颜色一致性评估函数，计算各镜头的颜色一致性值；根据颜色一致性指标进行排序分类，将颜色一致性指标相近的N个镜头进行组装。该方法通过计算各镜头的颜色一致性值,将颜色一致性值相近的镜头进行分类组装，方法简单有效，可以大大降低色差校正算法的难度，同时可以降低色差校正算法的模型复杂度，且提高了图像校正效果。
-
公开(公告)号：CN107590840B
公开(公告)日：2019-12-27
申请号：CN201710858594.3
申请日：2017-09-21
申请人： 长沙全度影像科技有限公司
摘要： 一种基于网格划分的颜色阴影校正方法及其校正系统，属于信息通信技术领域。该方法中，首先，通过摄像头采集Bayer格式的raw图像；其次，将raw图像进行网格划分,以将raw图像划分为不同网格区域；然后，计算raw图像的不同网格区域的校正系数；最后，通过各网格区域的校正系数，采用双线性插值方法对图像进行颜色阴影校正。使得本发明方法能很好地解决径向阴影校正在非对称性下的校正失效问题，适用范围更广，且能更好地消除镜头的色彩偏差问题。
-
公开(公告)号：CN109035253A
公开(公告)日：2018-12-18
申请号：CN201810724358.7
申请日：2018-07-04
申请人： 长沙全度影像科技有限公司
CPC分类号： G06T7/10 , G06K9/6296
摘要： 本发明提供了一种语义分割信息指导的深度学习自动图像抠图方法，其特征在于，包括步骤：S1：采集待抠图图像数据集；S2：构建用于自动图像抠图的深度学习模型；S3：利用采集的数据集对深度学习模型进行训练，得到训练完成的深度学习模型；S4：对于待抠图的图像，直接将其输入训练完成的深度学习模型，即可快速得到前景目标图像。本发明提出的抠图算法可自动提取前景目标，免去了复杂的用户交互操作，完全全自动抠图过程，操作简单方便，抠图时间短，抠图精度高。
-
公开(公告)号：CN108881725A
公开(公告)日：2018-11-23
申请号：CN201810797348.6
申请日：2018-07-19
申请人： 长沙全度影像科技有限公司
摘要： 本发明提供了一种基于非等距径向对称模型的全景相机颜色阴影校正方法,其特征在于，所述方法包括步骤：S1：采集各镜头的标定图像；S2：基于Bayer图像统计各镜头非等距环内的R、B通道的均值和增益值；S3：计算单个镜头关于像素距离参数的R、B通道增益的多项式拟合函数；S4：统计各镜头的平均R、B增益值；S5：统计全景相机多个镜头的整体平均R、B增益值；S6：根据R、B通道增益的多项式拟合函数，计算各镜头非等距像素距离的密集R、B增益值；S7：根据S5步骤的整体平均增益值与S6步骤的密集增益拟合值，计算各镜头的颜色阴影校正系数；S8：利用颜色阴影校正系数校正原Bayer图像。本发明能有效提高校正精度、更好地消除全景相机的色差。
-
公开(公告)号：CN108600723A
公开(公告)日：2018-09-28
申请号：CN201810804221.2
申请日：2018-07-20
申请人： 长沙全度影像科技有限公司
摘要： 本发明提供了一种颜色校正方法及评价方法，属于图像处理技术领域。该方法包括步骤：S1：采集预定环境中包含标准色卡的原始图像；S2：对所述原始图像进行预处理；S3：提取所述预处理图像的R、G、B均值参数；S4：基于多项式回归校正模型，获取参考图像与观测图像的校正系数；S5：建立参考图像与真实图像的颜色校正模型，获取颜色校正系数；S6：利用训练好的颜色校正模型及校正系数，在线校正相机图像。本方法能有效地保持图像的恒常性以及还原实际场景的颜色，有效地提高了全景相机的图像画质。
-
公开(公告)号：CN108259777A
公开(公告)日：2018-07-06
申请号：CN201810330195.4
申请日：2018-04-13
申请人： 长沙全度影像科技有限公司
摘要： 一种用于子弹时间全自动拍摄的系统及方法，包括多个云台摄像机组、服务器和控制器，所述服务器通过通讯连接配置于控制器和云台摄像机组之间，每个云台摄像机组均至少包括一个摄像机，所述系统还包括环形支架，所有云台摄像机组的所有摄像机均匀、间隔地固定在环形支架上以组成相机阵列，且所有摄像机的摄像头均朝向环形支架中间的预设位置，本发明所采用的控制器具有自动触发和最优图像自动选取功能，可最大限度地简化子弹时间视觉特效的拍摄难度以及制作的复杂度，该子弹时间拍摄的方法操作简单，易于掌握，得到的子弹时间效果好，为子弹时间的拍摄提供了快速和实用的解决方案。
-
公开(公告)号：CN108122210A
公开(公告)日：2018-06-05
申请号：CN201711372874.X
申请日：2017-12-19
申请人： 长沙全度影像科技有限公司
IPC分类号： G06T5/00
摘要： 本发明公开一种基于Retinex和增强梯度的低照度车牌视频图像增强方法，属于图像处理领域。首先利用Retinex原理对输入的低照度视频图像进行预处理，然后构造增强函数，计算预处理图像的增强梯度，并推导图像梯度散度的边界条件，最后根据最小二乘重建目标函数，将目标函数的求解方程进行矩阵变换，快速求得增强图像。本发明的方法首先对光源区域亮度进行调整，能够有效抑制低照度车牌区域的强光部分，在此基础上进一步提高对比度局部增强的效果，而且算法处理速度较快，便于在实际中应用。
-
公开(公告)号：CN108881725B
公开(公告)日：2020-10-20
申请号：CN201810797348.6
申请日：2018-07-19
申请人： 长沙全度影像科技有限公司
摘要： 本发明提供了一种基于非等距径向对称模型的全景相机颜色阴影校正方法,其特征在于，所述方法包括步骤：S1：采集各镜头的标定图像；S2：基于Bayer图像统计各镜头非等距环内的R、B通道的均值和增益值；S3：计算单个镜头关于像素距离参数的R、B通道增益的多项式拟合函数；S4：统计各镜头的平均R、B增益值；S5：统计全景相机多个镜头的整体平均R、B增益值；S6：根据R、B通道增益的多项式拟合函数，计算各镜头非等距像素距离的密集R、B增益值；S7：根据S5步骤的整体平均增益值与S6步骤的密集增益拟合值，计算各镜头的颜色阴影校正系数；S8：利用颜色阴影校正系数校正原Bayer图像。本发明能有效提高校正精度、更好地消除全景相机的色差。
-
公开(公告)号：CN108377320B
公开(公告)日：2020-09-04
申请号：CN201810376862.2
申请日：2018-04-25
申请人： 长沙全度影像科技有限公司
摘要： 一种带有防抖校准的子弹时间制作方法，包括以下步骤：首先，通过相机阵列拍摄模式获取待处理图像；其次，采用防抖校准方法对所述待处理图像进行校准；最后，将防抖校准后的图像序列拼接成视频，以减少子弹时间所拍摄视频的图像抖动，本发明的带有防抖校准的子弹时间制作方法采用了不同于传统的直接合成视频的生成模式，其在合成视频前，对相机阵列中的各相机图像进行防抖校准处理，并通过提供一种基于空域变化单应性矩阵的防抖校准方法，使得防抖校准效果更好，合成的视频更平滑稳定，进一步提高了用户体验度。
-
公开(公告)号：CN108540720B
公开(公告)日：2020-07-03
申请号：CN201810334237.1
申请日：2018-04-14
申请人： 长沙全度影像科技有限公司
摘要： 一种用于子弹时间自动选取最优图像的系统及方法，该系统包括云台摄像机组、服务器和控制器；云台摄像机组包括多个摄像机，所有摄像机均匀、间隔地固定在用于子弹时间的环形支架上，且所有摄像机的摄像头均朝向环形支架中间的指定位置；服务器通过通讯连接配置于控制器和至少一个安装于同一环形支架上的云台摄像机组之间，以通过服务器对各摄像机进行控制和调整；控制器内设有最优图像自动选取模块，用于通过最优图像选取算法，在拍摄到的运动序列中自动选取每个摄像机的最优图像，本发明最大限度地简化了子弹时间视觉特效的制作复杂度，省去了用户手动选取最优图像的繁琐环节，节约了子弹时间制作的人力和时间成本。
-
-
-
-
-
-
-
-
-
搜索结果
50 条记录 (耗时 0.035 秒)