-
公开(公告)号：CN109685833A
公开(公告)日：2019-04-26
申请号：CN201811620539.1
申请日：2018-12-28
申请人： 镇江市高等专科学校
摘要： 本发明公开了一种移动目标跟踪方法，包括目标图像增强、目标质心点特征提取和目标跟踪三部分。本发明可应用到会展、商场、博物馆等公共场所的客流人数统计、流向、区域密度等数据分析中，实时准确地掌握人员的分布情况，为安全防范、环境调控工作提供决策依据；也可应用于工厂、企业的物流过程监控，对物料的数量、位置、流向、分布密度等进行跟踪统计。本发明模糊算法计算过程简单，而且保留了目标图像中灰度值低图像信息，增强效果更好，可以对目标图像进行有效识别。
-
公开(公告)号：CN109685738A
公开(公告)日：2019-04-26
申请号：CN201811585517.6
申请日：2018-12-24
申请人： 广东理致技术有限公司
摘要： 本发明公开了一种提升图像清晰度的方法及装置，涉及图像处理技术领域，通过读取模糊图像将图像平均分为5X5像素的为单位的图像块作为图像训练库；通过提取图像训练库中的图像块信息，并利用K-SVD算法对获得的图像块进行训练得到稀疏表示的清晰字典对，清晰字典对为对应的高低分辨率的图像块的组合，并通过清晰字典对将图像清晰化，使清晰化后的图像能够保真，保留原图的细节信息，算法简单复杂度低，无需额外增加硬件设备，且稳定性和鲁棒性比较高。
-
公开(公告)号：CN109583343A
公开(公告)日：2019-04-05
申请号：CN201811391974.1
申请日：2018-11-21
申请人： 荆门博谦信息科技有限公司
CPC分类号： G06K9/00624 , G06K9/3233 , G06K9/4604 , G06K9/6267 , G06K2209/21 , G06T5/003
摘要： 本发明涉及一种鱼类图像处理方法，包括：获取第一鱼类图像，第一鱼类图像中包含鱼类信息；根据去雨除雾数学模型： 建立去雨除雾网络，并运用去雨除雾网络对获取的第一鱼类图像进行去雨和除雾，得到第二鱼类图像；其中B是指没有任何干扰的背景图像，表示雨图层，O表示实际记录的图像，R表示实际记录图像每个像素的雨水有无，A表示大气背景光，(1-α)为物体表面反射光传播到摄像头过程中的衰减比例；使用鱼类检测算法对去雨除雾后的所述第二鱼类图像进行处理，对第二鱼类图像中鱼类的位置进行标注。本发明的有益效果为：通过深度学习的方法使去雨和除雾操作在同一阶段完成，并且通过鱼类检测算法有效地定位出鱼类位置并标明类别，提高了鱼类识别的效率。
-
公开(公告)号：CN109419526A
公开(公告)日：2019-03-05
申请号：CN201811012058.2
申请日：2018-08-31
申请人： 通用电气公司
IPC分类号： A61B6/03
CPC分类号： A61B6/5264 , A61B5/055 , A61B6/025 , A61B6/032 , A61B6/037 , A61B6/502 , A61B8/481 , A61B90/39 , A61B2090/3908 , A61B2090/3925 , A61B2090/3954 , A61B2090/3966 , G06T5/003 , G06T7/0016 , G06T7/246 , G06T7/248 , G06T11/008 , G06T2207/10112 , G06T2207/20201 , G06T2207/30068 , G06T2207/30204 , G06T2207/30241 , A61B6/03
摘要： 一种成像系统，如DBT系统，其能够向系统的操作者提供关于在执行扫描期间由系统检测到的运动的位置，大小和方向的信息以增强图像处理。成像系统直接结合由成像系统处理的图像向操作者提供运动信息，由此为操作者提供用于决策的足够信息，所述决策关于在患者离开之前或者甚至在乳房减压之前需要附加图像以便用成像系统完成扫描。
-
公开(公告)号：CN109345474A
公开(公告)日：2019-02-15
申请号：CN201811072998.0
申请日：2018-09-14
申请人： 南京信息工程大学
CPC分类号： G06T5/003 , G06N3/0454 , G06N3/084
摘要： 本发明公开一种基于梯度域和深度学习的图像运动模糊盲去除方法，步骤是：采用引导滤波后梯度域图像作为基础图像，将L0滤波后梯度域图像及对应的清晰图像作为样本，将清晰图像与不同模糊核进行随机卷积，加上1％的高斯白噪声，生成运动模糊图像，前述引导滤波后梯度域图像、L0滤波后梯度域图像及运动模糊图像构成训练数据集；构造深度卷积神经网络，用训练数据集学习深度卷积神经网络的权重数据，学习到用于运动模糊核估计的深度卷积神经网络；提取网络训练的权重数据，获得运动模糊核，优化图像先验约束的去卷积函数，利用全变分项获得待处理运动模糊图像的去模糊图像。此种方法可有效抑制图像振铃效应和减弱图像噪声，去运动模糊效果较好。
-
公开(公告)号：CN109272550A
公开(公告)日：2019-01-25
申请号：CN201810788289.6
申请日：2018-07-17
申请人： 卡尔蔡司显微镜有限责任公司
CPC分类号： G06T5/003 , G06T5/50 , G06T7/248 , G06T7/30 , G06T2207/10061 , G06T2207/20201 , G06T2207/20221 , G06T7/73 , H01J37/26
摘要： 一种使用粒子显微镜记录图像的方法包括：记录对象的多个图像，其中，这些所记录图像中的每一个所记录图像与图像数据相关联，所述图像数据包括与在所述所记录图像的坐标系中的位置相关联的强度值。所述方法进一步包括：确定在所述这些所记录图像的所述图像数据的坐标系之间的位移；基于所确定位移而确定所得图像的边界框；以及基于所述这些所记录图像的所述图像数据的与一些位置相关联的强度值来计算所述所得图像的图像数据，这些位置位于与所述所得图像相关联的、基于所述这些所记录图像的所述所确定位移的所述所确定边界框内。
-
公开(公告)号：CN109145032A
公开(公告)日：2019-01-04
申请号：CN201810983729.3
申请日：2018-08-27
申请人： 北京奥金达农业科技发展有限公司
发明人： 李定顺
IPC分类号： G06F16/2458 , G06T5/00 , G06T7/13 , G06T7/136 , G06Q50/02 , A01K67/033 , G01D21/02
CPC分类号： G06T5/003 , A01K67/033 , G01D21/02 , G06Q50/02 , G06T5/002 , G06T7/13 , G06T7/136 , G06T2207/30242
摘要： 本发明涉及一种蜜蜂养殖智能监测方法与系统。本发明的蜜蜂养殖智能监测方法，包括以下步骤：对目标蜂场的各蜂箱的蜂箱环境、蜂蜜产量、蜂箱内蜂群图像和蜂群声音强度参数进行实时采集；分别对历史数据进行数据挖掘，设置蜂箱环境参数阈值、未取蜜时间报警阈值、蜜蜂活跃度报警阈值，判断实时采集的蜂箱环境参数值、计算的未取蜜时间、计算的蜜蜂活跃度是否在预设的报警阈值内；若否，则向终端发送人工干预提示信息。本发明的方法及系统通过多源传感器、无线自组网以及人工智能等技术在实现蜂箱内环境与蜂群活动智能监测的同时，对不同蜂箱间监测横向对比，及时发现蜜蜂养殖过程中的异常状态，提示人工干预，提高蜜蜂养殖生产效率与科学性。
-
公开(公告)号：CN109035266A
公开(公告)日：2018-12-18
申请号：CN201710424799.0
申请日：2017-06-08
申请人： 吴海霞
摘要： 本发明涉及图像处理和图像识别领域，提供了一种利用普通摄像完成身份证便携扫描的算法。所述算法包括：身份证正反面彩色图片的采集；图像分割获得感兴趣区域；图像配准进行几何变换；图像滤波抑制噪声；图像增强调整清晰度和对比度；依据尺寸计算为图像添加背景幕布。本发明提供的技术方案能够便携、快捷的获得一组身份证标准电子扫描件，该电子扫描件直接打印于标准尺寸规格的纸上可以得到1比1大小比例的身份证复印件。
-
公开(公告)号：CN109035176A
公开(公告)日：2018-12-18
申请号：CN201810972258.6
申请日：2018-08-24
申请人： 宁波永新光学股份有限公司
发明人： 毛磊 , 崔光茫 , 张克奇 , 郑驰 , 萨尔瓦多·加西亚·博纳
IPC分类号： G06T5/00
CPC分类号： G06T5/009 , G06T5/002 , G06T5/003 , G06T2207/10056
摘要： 本发明涉及一种显微图像清晰度评价的方法，其特征在于：包括如下步骤：(1)对输入的待评价显微图像进行非下采样剪切波多尺度分解，得到基础图层的低频子带系数图像和若干不同方向细节图层的高频子带系数图像；(2)计算得到基础图层的低频子带系数图像的能量和算子；(3)计算得到细节图层的高频子带图像的加权总能量和算子；(4)利用高频和低频的能量和算子之比，得到最终图像的清晰度评价数值。与现有技术相比，本发明能够准确客观地体现显微图像的清晰度变化，具有较好的敏感性和抗噪性能。
-
公开(公告)号：CN109035149A
公开(公告)日：2018-12-18
申请号：CN201810205661.6
申请日：2018-03-13
申请人： 杭州电子科技大学
CPC分类号： G06K9/2054 , G06K9/342 , G06K9/6256 , G06K2209/15 , G06T5/003 , G06T2207/20081 , G06T2207/20084
摘要： 本发明提出一种基于深度学习的车牌图像去运动模糊方法。本发明分为数据集预处理阶段、训练阶段以及测试阶段。在数据集预处理阶段，确定图像中的车牌区域，分割车牌字符并规范化图像尺寸，添加高斯噪声，得到训练集。在训练阶段，采用生成对抗网络学习图像去运动模糊模型，以网络复原结果的均方误差、梯度误差及判别误差三者的线性和作为网络损失交替训练判别器和生成器。在测试阶段，分割车牌字符并依次作为生成器的输入，将去模糊结果按照车牌字符原次序组合得到去模糊车牌图像。本发明所提出的模型有效地约束了车牌图像的边缘，从而提高车牌图像去运动模糊的质量，同时缩短了复原的时间。
-
-
-
-
-
-
-
-
-
搜索结果
1645 条记录 (耗时 0.015 秒)
