-
公开(公告)号：CN103632137A
公开(公告)日：2014-03-12
申请号：CN201310570892.4
申请日：2013-11-15
Applicant: 长沙理工大学
Abstract: 本发明涉及一种人眼虹膜图像分割方法，该方法具体步骤：步骤一：对训练集人眼图像样本逐个定位人眼眼角；步骤二：对训练集人眼虹膜图像样本逐个定位人眼中心；步骤三：采用基于稀疏和低秩分解的算法对训练集进行批量对齐；步骤四：对批量对齐后的训练集采用Canny边缘检测和霍夫变换结合的方法实现对训练集人眼图像的虹膜分割；步骤五：对输入的测试图片实现人眼虹膜分割。该方法采用基于稀疏和低秩分解的算法对训练集样本批量对齐，解决了大量样本中的亮度不一致和人眼眼睫毛遮挡的问题，再采用Canny边缘检测和霍夫变换对去亮度变化和遮挡问题的图像和测试图像达到虹膜分割的目的。该方法可广泛用于虹膜识别领域中。
-
公开(公告)号：CN103593846A
公开(公告)日：2014-02-19
申请号：CN201310592358.3
申请日：2013-11-22
Applicant: 长沙理工大学
Abstract: 本发明涉及一种图像间共同视觉模式（CommonVisualPattern,CVP）挖掘方法，该方法具体步骤：步骤一：获取图像间可能特征匹配对集合，并计算匹配对间的相似值，进而构建一个无向图G，知求图G的最大子图即得所求，再将其形式化为局部最优问题；步骤二：明确局部最优问题的求解方式；步骤三：用候选模式初始化优化获取法得局部最优问题初始解；步骤四：用候选模式扩展法扩展初始解；步骤五：用最终模式生成法得最终解。该方法采用候选模式初始化优化获取法、扩展法和最终模式生成法分别解决CVP计算复杂度问题、鲁棒性问题和精度问题，实现图像间CVP挖掘。该方法可广泛应用于2D点集匹配及目标检测等多个领域。
-
Patent Agency Ranking
公开(公告)号：CN103997645B
公开(公告)日：2017-02-15
申请号：CN201410180404.3
申请日：2014-04-29
Applicant: 长沙理工大学
IPC: H04N19/11 , H04N19/159 , H04N19/147
Abstract: 本发明涉及一种快速的高效视频编码(High Efficiency Video Coding，HEVC)帧内编码单元和模式决策方法，包括下列步骤：1)设置阈值的有效长度N；2)对于视频序列的第一帧正常编码，并将每个最大编码单元(Largest Coding Unit,LCU)最终的编码深度和离散化全变差(Discrete Total Variation,DTV)值存入缓存区中；3)统计缓存区中的DTV，根据深度范围得出阈值T1和阈值T2；4)对于余下N-1帧，根据当前LCU的DTV值和阈值，跳过概率很小的深度，在每一深度搜索时采用基于方向梯度的快速模式搜索算法；5)将第N+1帧设置为首帧，重复1)、2)、3)、4)，直到编码完所有帧。该方法采用自适应的DTV阈值决策,减小宏块单元搜索的数量，采用基于方向梯度特征简化了模式搜索的过程，加快了编码速度。
-
公开(公告)号：CN104822063B
公开(公告)日：2017-09-15
申请号：CN201510180111.X
申请日：2015-04-16
Applicant: 长沙理工大学
IPC: H04N19/114 , H04N19/573 , H04N19/177 , H04N19/61
Abstract: 本发明涉及压缩感知和视频编解码领域，是一种基于字典学习残差重建的压缩感知视频重建方法。该方法先对视频划分图像组（Group of Picture,GOP），每组指定关键帧和非关键帧，关键帧和非关键帧采用不同采样率、不同方法逐帧逐块顺序编码。在解码端，取一个GOP，先采用多参考帧加权平均获得其初始重建；再采取迭代法获得GOP的最终重建。在迭代中先使用多参考帧对当前帧进行运动估计获得其运动补偿图像；接着采用多参考帧残差域字典学习，获得当前帧各个块的残差域自适应基，进行残差重建；最后，根据各帧的运动补偿图像和残差，得到该GOP的最终重建，进而得到重建视频，实现压缩感知视频的高质量重建。该方法可广泛应用于基于压缩感知的视频重建等多个领域。
-
公开(公告)号：CN103632137B
公开(公告)日：2016-08-24
申请号：CN201310570892.4
申请日：2013-11-15
Applicant: 长沙理工大学
Abstract: 本发明涉及一种人眼虹膜图像分割方法，该方法具体步骤：步骤一：对训练集人眼图像样本逐个定位人眼眼角；步骤二：对训练集人眼虹膜图像样本逐个定位人眼中心；步骤三：采用基于稀疏和低秩分解的算法对训练集进行批量对齐；步骤四：对批量对齐后的训练集采用Canny边缘检测和霍夫变换结合的方法实现对训练集人眼图像的虹膜分割；步骤五：对输入的测试图片实现人眼虹膜分割。该方法采用基于稀疏和低秩分解的算法对训练集样本批量对齐，解决了大量样本中的亮度不一致和人眼眼睫毛遮挡的问题，再采用Canny边缘检测和霍夫变换对去亮度变化和遮挡问题的图像和测试图像达到虹膜分割的目的。该方法可广泛用于虹膜识别领域中。
-
公开(公告)号：CN104822063A
公开(公告)日：2015-08-05
申请号：CN201510180111.X
申请日：2015-04-16
Applicant: 长沙理工大学
IPC: H04N19/114 , H04N19/573 , H04N19/177 , H04N19/61
Abstract: 本发明涉及压缩感知和视频编解码领域，是一种基于字典学习残差重建的压缩感知视频重建方法。该方法先对视频划分图像组（Group of Picture,GOP），每组指定关键帧和非关键帧，关键帧和非关键帧采用不同采样率、不同方法逐帧逐块顺序编码。在解码端，取一个GOP，先采用多参考帧加权平均获得其初始重建；再采取迭代法获得GOP的最终重建。在迭代中先使用多参考帧对当前帧进行运动估计获得其运动补偿图像；接着采用多参考帧残差域字典学习，获得当前帧各个块的残差域自适应基，进行残差重建；最后，根据各帧的运动补偿图像和残差，得到该GOP的最终重建，进而得到重建视频，实现压缩感知视频的高质量重建。该方法可广泛应用于基于压缩感知的视频重建等多个领域。
-
公开(公告)号：CN103997645A
公开(公告)日：2014-08-20
申请号：CN201410180404.3
申请日：2014-04-29
Applicant: 长沙理工大学
IPC: H04N19/11 , H04N19/159 , H04N19/147
Abstract: 本发明涉及一种快速的高效视频编码（HighEfficiencyVideoCoding，HEVC）帧内编码单元和模式决策方法，包括下列步骤：1）设置阈值的有效长度；2）对于视频序列的第一帧正常编码，并将每个最大编码单元（LargestCodingUnit,LCU）最终的编码深度和离散化全变差(DiscreteTotalVariation,DTV)值存入缓存区中；3）统计缓存区中的DTV，根据深度范围得出阈值和阈值；4）对于余下N-1帧，根据当前LCU的DTV值和阈值，跳过概率很小的深度，在每一深度搜索时采用基于方向梯度的快速模式搜索算法；5）将第+1帧设置为首帧，重复1）、2）、3）、4），直到编码完所有帧。该方法采用自适应的DTV阈值决策,减小宏块单元搜索的数量，采用基于方向梯度特征简化了模式搜索的过程，加快了编码速度。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
