|
搜索
搜 索
高等教育领域数字化综合服务平台
用于体视三维显示图像生成系统及方法
本发明公开了一种用于体视三维显示图像生成系统及方法。配合光场重建和视场拼接的显示原理获取现有大部分体视三维显示系统的图像源。生成系统包括二维显示单元阵列、透镜阵列、孔阑阵列、定向散射屏、精密导轨、图像采集系统及计算机。生成方法步骤包括：循环扫描显示点；图像采集系统捕获识别；获取映射坐标关系；视角图像源变换；移动图像采集系统重复操作；对各图像进行叠加获取最终显示所需的图像源。本发明视具体的三维显示装置不同而采用灵活且操作性强图像处理方法，优点在于可用于基于平板显示器或多投影的体视三维显示系统中获取图像源。该系统及方法综合考虑了系统成像像差与系统精度问题，可在较低的计算复杂度下获得校正过的图像。
浙江大学
2021-04-11
一种基于Matlab的图像加密和解译方法
本成果在不引起图像质量变化的情况下加载记录信息和提取加载信息，可以用于数字产品的的知识产权保护，涉密产品的授权使用。技术创新点：不破坏数字图像的前提下实现信息的隐藏和提取。
西北农林科技大学
2021-05-11
一种基于细胞荧光图像的药物筛选方法
本发明提供一种基于细胞荧光图像的药物活性组分筛选方法，通过控制荧光倒置显微镜上的高精度可控电动平台精确走位，应用荧光探针特异性标记细胞、细胞显微图像自动获取、荧光图像识别及数据生成，通过分析图像信息来获取心肌细胞保护作用的相关指标筛选和评价活性组分。本发明能够在活细胞内通过标记线粒体荧光强度来测量心肌细胞的活力状态从而对活性物质的保护效果进行评估，并能够对细胞的形态结构和分布进行实时监测，具有快速、经济、高通量的特征，可在定量筛选评价心血管疾病治疗药物中的应用。
浙江大学
2021-04-11
恶劣成像环境下图像目标检测、识别与跟踪系统
一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1) 雾天图像增强2) 水下图像增强 3) 雾天图像增强
厦门大学
2021-04-11
针对运动模糊图像复原的模糊核计算方法
本发明公开了一种针对运动模糊图像复原的模糊核计算方法，本发明是基于稀疏特性、超拉普拉斯先验和集成BP神经网络的模糊核参数估计算法，首先，在图像灰度梯度符合超拉普拉斯分布的约束条件下，通过分析模糊图像的稀疏表示系数确定模糊图像的模糊角度；然后，将模糊图像傅里叶变换后获取的傅里叶系数幅值和作为输入，通过训练基于Bagging方法的集成BP神经网络模型，完成对模糊长度的估计；最后，通过一步已知模糊核的去模糊算法得到去模糊图像。本发明估计模糊核参数准确，运算速度快，耗时短，去模糊效果好，通过本发明恢复运动模糊图像，可以使恢复出的图像边缘更加清晰,振铃效应更少。
东南大学
2021-04-11
证件照片防伪鲁棒数字图像水印技术
证件照片防伪鲁棒数字图像水印采用的技术包括：图像打印扫描过程像素失真数学建模与校正技术、基于建模校正的抗打印扫描数字图像水印算法、基于边缘和人像特征的图像几何校正技术和纠错码技术等。应用原型系统首先将身份信息采用数据加密算法进行加密，之后使用纠错码进行编码，生成水印信号，最后采用抗打印扫描水印嵌入算法将水印信号嵌入到人像照片图像中，得到嵌水印的照片图像，并将证件打印制作出来。检测时，首先扫描证件得到证件图像，并进行几何校正、照片图像提取，然后对照片图像进行模型校正并运用抗打印扫描数字水印提取算法提取水印信息，对提取的水印信息经过纠错码译码和解密，得到身份认证信息。
北京航空航天大学
2021-04-13
飞行器地面运动目标红外图像识别装置
本发明公开了一种飞行器地面运动目标红外图像识别装置，所述装置包括红外图像非均匀性校正模块、图像旋转模块、图像配准模块、多级滤波模块、连通域标记模块、目标检测与特征识别模块、流程控制模块以及 FPGA 实现的互联模块。本发明采用图像处理和目标识别专用 ASIC/SoC 芯片、通用 DSP 处理器和 FPGA 处理器，完成不同层次的图像处理和目标识别算法，提高系统并行度、实时性，实时地实现了飞行器地面运动目标红外图像识别
华中科技大学
2021-04-14
基于形态稀疏协同表示的高光谱遥感图像分类
本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。
主要技术指标
University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。
请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。
表 1 PaviaU 数据集上对比实验结果
表 2 不同数据集上时间运行对比实验结果
西安电子科技大学
2023-03-14
一种基于纹理基元的遥感图像分类方法
本发明公开了一种基于纹理基元的遥感图像分类方法，包括：·741·选取典型地物的遥感图像作为第一训练集和第二训练集；提取第一训练集中同类地物图像的邻域特征向量并聚类形成纹理基元，不同地物的纹理基元组成纹理基元字典；利用纹理基元字典对第二训练集中图像的邻域特征向量进行标记，并对中心像素进行分箱，统计各个图像的中心像素-纹理基元二维联合分布，形成纹理模型库；将待分类的图像划分成超像素，经拉普拉斯校准后统计各超
华中科技大学
2021-04-14
基于图像的焦炭光学组织自动识别系统
成果简介通过光度计采集不同偏光下焦炭显微图像， 采用图像处理的方法焦炭提取图像中颜色、 纹理、 分形、 区域及边界等特征， 并采用模式识别的方法， 实现焦炭光学组织的自动分类与识别。成熟程度和所需建设条件硬件平台及软件系统均已构建， 算法已得到实验验证。 作为成熟产品， 软件尚需要进一步优化， 软硬件需要联调。技术指标识别准确率： 各向同性与各向异性>95%， 片状 98%， 纤维状 99%， 镶嵌状>95%。
安徽工业大学
2021-04-14