专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果1401724个,建议您升级VIP下载更多相关专利
  • [发明专利]一种非匀速直线运动模糊图像复原方法-CN201811633829.X有效
  • 蔡晨光;张颖;刘志华 - 中国计量科学研究院
  • 2018-12-29 - 2020-09-22 - G06T5/00
  • 本发明公开了一种非匀速直线运动模糊图像复原方法,通过帧间差分法确定序列图像中的目标运动区域,利用光流梯度法判断运动区域的目标运动方向;根据运动目标特征边缘邻域灰度分布与运动方向相关的特点,对不同运动方向下采集的图像使用不同的图像复原方法,改善复原图像的质量,以提高后续运动目标特征边缘的提取精度。为了提高非匀速直线运动的复原图像的准确性,本发明方法提供了一种针对非匀速直线运动模糊图像复原方法。通过满足不同运动方向的图像复原方法的应用,结合目标运动模型,实现了快速、精度高的模糊图像复原。
  • 一种匀速直线运动模糊图像复原方法
  • [发明专利]一种基于事件相机的自监督视频去模糊和图像插帧方法-CN202210040254.0在审
  • 余磊;张翔 - 武汉大学
  • 2022-01-14 - 2022-05-13 - G06T5/00
  • 本发明提供一种基于事件相机的自监督视频去模糊和图像插帧方法,包括模糊视频与事件流数据集的构建、事件流预处理、构建可学习的二重积分网络与融合网络处理模糊视频与事件流、自监督框架进行网络训练并重建高帧率清晰视频事件流的预处理方法通过联合事件生成模型与模糊图像生成模型建立,保障了本发明能够选择模糊视频曝光时间内外的任意目标时刻进行潜在清晰图像重建。预处理后的事件流和模糊图像将输入可学习的二重积分网络与融合网络进行运动模糊去除和图像插帧。最后利用模糊视频、清晰视频和事件流之间的相互关系,构建自监督框架对网络模型进行训练,并用训练后的模型处理模糊视频与事件流,重建出高帧率的清晰视频。本发明解决了运动模糊以及帧间信息丢失的问题,具有较好的去模糊和图像插帧效果。
  • 一种基于事件相机监督视频模糊图像方法
  • [发明专利]一种防疫消杀平台及防疫消杀方法-CN202010994975.6在审
  • 侯华明;祁智;侯青松;史雪斌 - 北京海风智能科技有限责任公司
  • 2020-09-21 - 2020-11-24 - A61L9/20
  • 本发明提供一种防疫消杀平台及防疫消杀方法,防疫消杀平台包括:交互模块、控制模块、环境质量检测模块、环境探测模块、消杀作业模块及运动模块;控制模块分别与环境质量检测模块、环境探测模块、消杀作业模块及运动模块相连防疫消杀方法包括:划定待消杀区域,测定待消杀区域环境指标;构建隶属度函数,将消杀区域环境指标作为隶属度函数的输入量,通过隶属度函数将输入量模糊化,得到隶属度模糊集;建立模糊规则,根据模糊规则及隶属度模糊集计算模糊输出集合;将模糊输出集合去模糊化得到控制参数,并根据得到的控制参数进行消杀工作。
  • 一种防疫平台方法
  • [发明专利]图像模糊补偿装置-CN201180012884.7有效
  • 岩桥贤二 - 松下电器产业株式会社
  • 2011-01-21 - 2012-11-21 - H04N5/232
  • 本发明提供一种图像模糊补偿装置,其具备:分别检测图像内的多个区域的运动向量的区域向量检测部(102);判定多个区域的运动向量各自的可靠度的可靠度判定部(103);取代已检测出被判定为可靠度低的运动向量的区域而向区域向量检测部指示新的检测对象区域的区域指示部(105);根据被判定为可靠度高的运动向量来计算图像整体的运动向量的图像向量计算部(106);以及根据图像整体的运动向量而使应该输出的图像整体移动以补偿图像的模糊模糊补偿部(107)。
  • 图像模糊补偿装置
  • [发明专利]一种基于深度学习的车牌图像去运动模糊方法-CN201810205661.6有效
  • 陈华华;毛勇;叶学义 - 杭州电子科技大学
  • 2018-03-13 - 2021-07-09 - G06T5/00
  • 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。
  • 一种基于深度学习车牌图像运动模糊方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top