“李乐仁瀚”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]图像处理方法及装置、电子设备和存储介质-CN201910305047.1有效
发明人：赵富荣;李乐仁瀚;任思捷;潘金山;高常鑫;桑农 -专利权人：深圳市商汤科技有限公司
申请日： 2019-04-16 - 公布日： 2021-09-10 - 主分类号： G06T5/00 文献下载
摘要：本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：对待处理图像进行深度信息提取，得到所述待处理图像的第一深度图；将所述待处理图像及所述第一深度图输入到神经网络进行图像去模糊处理，得到第一处理图像，其中，所述第一处理图像的清晰度高于所述待处理图像的清晰度。本公开实施例可通过场景深度信息复原模糊图像，提高图像的清晰程度。
图像处理方法装置电子设备存储介质

[发明专利]基于深度网络的视频复原模型训练方法及视频复原方法-CN201910136584.8有效
发明人：桑农;武理友;李乐仁瀚;李亚成;高常鑫 -专利权人：华中科技大学
申请日： 2019-02-25 - 公布日： 2020-10-02 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于深度网络的视频复原模型训练方法及视频复原方法，包括：从标准的清晰视频中获得多帧清晰图像；对各帧清晰图像进行高斯模糊处理，以得到各帧清晰图像所对应的模糊图像；将连续n帧清晰图像及对应的n帧模糊图像构成的{清晰图像序列，模糊图像序列}对作为一个训练样本，从而得到由所有训练样本构成的训练集；建立由n‑1个编解码网络依次连接而成的视频复原模型，用于根据模糊图像In及其前n‑1帧模糊图像In‑1～I1对模糊图像In进行图像复原；利用训练集对视频复原模型进行训练，从而得到目标视频复原模型。本发明能够提高模糊视频复原的效率和复原效果。
基于深度网络视频复原模型训练方法

[发明专利]基于距离加权稀疏表达先验的图像复原与匹配一体化方法-CN201810217553.0有效
发明人：桑农;李亚成;林伟;邵远杰;高常鑫;李乐仁瀚 -专利权人：华中科技大学
申请日： 2018-03-15 - 公布日： 2020-08-04 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于距离加权稀疏表达先验的图像复原与匹配一体化方法，包括：利用退化图像和初始清晰图像对模糊核的约束与梯度算子正则化来估计模糊核，得到模糊核的估计；利用模糊核的估计和字典D对初始清晰图像的约束来估计初始清晰图像，得到清晰图像估计；采用距离加权的稀疏表达算法，得到清晰图像估计在字典集中的稀疏表达系数向量估计；对上述步骤进行A次迭代，得到目标图像和目标图像在参考图像中的初始定位；缩小参考图像的范围后利用上述方法得到目标图像的复原图像和定位结果。本发明有效解决了现有模糊图像复原与匹配方法中存在的对噪声敏感、较差的复原效果对匹配任务造成严重的影响等问题，适用于视觉导航系统。
基于距离加权稀疏表达先验图像复原匹配一体化方法

[发明专利]一种基于中层特征的行为识别方法与系统-CN201710416188.1有效
发明人：桑农;张士伟;高常鑫;李乐仁瀚;邵远杰;王金;况小琴;何翼;皮智雄;宾言锐;都文鹏;舒娟;吴建雄 -专利权人：华中科技大学
申请日： 2017-06-06 - 公布日： 2020-01-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于中层特征的行为识别方法与系统，其中方法的实现包括：从样本图像序列中得到候选部件检测器集；移除候选部件检测器集中B％的判别能力弱的部件检测器，得到新的候选部件检测器集；根据新的候选部件检测器集中每个部件检测器的权重进行由大到小的排序，选择排序靠前的P个部件检测器作为A类行为类别的中层特征提取器；获取行为类别中每一类行为类别的中层特征提取器，组合成词袋，利用词袋提取样本图像序列的样本中层特征，利用样本中层特征训练分类器，得到行为识别分类器；将测试图像序列输入行为识别分类器，得到测试图像序列的行为类别。本发明识别能力强、识别准确率高、实用性强、保留了部件之间的关联性。
一种基于中层特征行为识别方法系统

[发明专利]一种基于深度学习的模糊核尺寸估计方法与系统-CN201610806072.4有效
发明人：桑农;李乐仁瀚;颜露新;高常鑫;邵远杰;彭军才;张士伟;王金 -专利权人：华中科技大学
申请日： 2016-09-07 - 公布日： 2019-06-07 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于深度学习的模糊核尺寸估计方法，属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理，得到尺寸满足需求的输入图像；之后，将图像输入至已完成训练的多分类卷积神经网络中，通过不同层的权值计算，得到一个概率分布向量；最后，通过比较向量中各元素的大小，取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数，有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。
一种基于深度学习模糊尺寸估计方法系统

[发明专利]一种基于生成对抗网络的高斯模糊图像复原方法-CN201810701178.7在审
发明人：樊志华;逄浩君;陈宗镁;谢长生;李亚成;李乐仁瀚;高常鑫;桑农 -专利权人：上海航天控制技术研究所
申请日： 2018-06-29 - 公布日： 2019-01-01 - 主分类号： G06T5/00 文献下载
摘要：本发明的一种基于生成式对抗网络的高斯模糊图像复原方法，包括生成对抗网络参数训练学习、生成对抗网络应用于高斯模糊图像复原两个步骤，实现了端到端进行图像复原。生成对抗网络包含生成器和判别器两部分，其中生成器和判别器都主要由卷积网络层组成。其中网络的训练过程为：依据构建的高斯模糊核集合，对清晰图像进行模糊，得到训练用的清晰图像和模糊图像数据对集合，用来训练生成对抗网络。给定单幅高斯模糊图像，输入训练好的模型，即可复原的清晰图像。通过使用生成对抗网络，借鉴卷积神经网络的学习和拟合能力，本发明可进一步用以搭建高斯模糊图像复原系统，获得非常好的高斯模糊图像复原效果，在实际中有着重要的实用价值。
模糊图像高斯对抗复原清晰图像网络判别器生成器集合卷积神经网络复原系统复原效果图像复原网络参数网络应用训练过程训练学习端到端模糊核生成式网络层构建卷积拟合模糊学习

[发明专利]一种利于模糊核估计的图像区域选择方法和系统-CN201710572664.9有效
发明人：桑农;李乐仁瀚;燕昊;高常鑫;颜露新;张士伟;皮智雄 -专利权人：华中科技大学
申请日： 2017-07-14 - 公布日： 2018-11-02 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种利于模糊核估计的图像区域选择方法和系统，其中方法的实现包括：计算模糊图像中每一像素点的相对总变分值并得到其相对总变分映射图；设定阈值确定图像中每一像素点是否为边界像素点；再对模糊图像以及其相对总变分映射图进行采样，得到一系列图像块；最后统计每一图像块中边界像素点的数量并选择出有利于模糊核估计的图像区域。本发明有效解决了现有区域选择方法中存在的过于依赖操作者经验，效率低等问题，自动选择出有利于模糊核估计的图像区域，适用于图像去模糊算法中模糊核估计的应用场合。
一种利于模糊估计图像区域选择方法系统

[发明专利]一种基于遮挡分层的多目标跟踪方法-CN201710073835.3在审
发明人：桑农;项俊;高常鑫;王金;张士伟;李乐仁瀚 -专利权人：华中科技大学
申请日： 2017-02-10 - 公布日： 2017-07-04 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于遮挡分层的多目标跟踪方法，包括构建背景场景，在背景场景上进行分割处理获得背景场景的层次模型，对当前帧图像和背景场景进行背景差分处理提取前景区域的形位参数，确定当前帧图像中前景区域和上一帧图像中目标关联关系，若一个前景区域与一个目标关联，则用单目标跟踪方法获得该目标在当前帧图像中的状态，若一个前景区域与多个目标关联，则用马尔可夫链蒙特卡洛采样方法获得多个目标在当前帧图像中的状态，若一个前景区域不与任何目标关联，则认为该前景区域为新进目标。本发明解决了多目标跟踪中由于目标间遮挡以及目标与背景遮挡导致的跟踪失败问题，适用于开放式环境下依赖于目标跟踪技术的智能视频监控系统。
一种基于遮挡分层多目标跟踪方法

[发明专利]一种气动光学热辐射噪声校正方法与系统-CN201510689097.6在审
发明人： 李乐仁瀚;桑农;高常鑫;颜露新;王金;张士伟;邵远杰;彭军才 -专利权人：华中科技大学
申请日： 2015-10-21 - 公布日： 2015-12-16 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种气动光学热辐射噪声校正方法，包括以下步骤：首先将退化图像进行预处理得到多尺度退化图像集合；然后，根据上述多尺度退化集合，以上一尺度估计结果作为下一尺度估计初始值来获得最优解的更新迭代过程，完成原始尺度的偏差场估计；最后，根据原始尺度的偏差场估计值对退化图像进行复原，得到气动光学热辐射噪声校正图像。本发明还涉及一种气动光学热辐射噪声校正系统。本发明有效解决了现有方法中存在的校正效果差、方法复杂度高、无法在图像层面进行热辐射噪声校正的问题，适用于气动光学热辐射噪声图像复原的应用场合。
一种气动光学热辐射噪声校正方法系统

1
共 9 条