“纹理特征量”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3500455个，建议您升级VIP下载更多相关专利

[发明专利]一种基于红外遥感图像的雪山检测方法-CN201810551377.4在审
发明人：彭真明;饶紫鹏;彭凌冰;曹思颖;张天放;刘雨菡;黄苏琦;吕昱霄;黄景雨;吴逢信;杨春平 -专利权人：电子科技大学
申请日： 2018-05-31 - 公布日： 2018-11-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于红外遥感图像的雪山检测方法，属于遥感图像处理领域，包括以下步骤，步骤1：读取待检测红外遥感雪山图像，进行显著性特征检测，得到显著性图像；步骤2：提取显著性图像中高亮的前景部分，得到高亮前景图；步骤3：提取高亮前景图中局部熵纹理特征，得到局部熵纹理特征图；步骤4：对局部熵纹理特征图进行二值化处理，再填充孔洞并寻找目标区域轮廓，得到最终检测结果图。本发明解决了现有雪山检测方法对图像质量的要求较高，计算数据量较大，不利于雪山的实时监测，且误检概率较大的问题。
检测高亮图像红外遥感图像纹理特征图前景图显著性读取孔洞目标区域轮廓遥感图像处理二值化处理显著性特征红外遥感计算数据检测结果实时监测纹理特征误检概率再填充

[发明专利]物品纹理信息处理的方法、装置、存储介质及电子设备-CN202010630302.2在审
发明人：林咏华;王均松;岳海涛;李玉博;邵凌 -专利权人：云南易见纹语科技有限公司
申请日： 2020-07-01 - 公布日： 2020-10-16 - 主分类号： G06T7/00 文献下载
摘要：本公开的实施例提供了一种物品纹理信息处理的方法、装置、存储介质及电子设备。该方法包括：获取目标物品的目标物品图像；从所述目标物品图像中提取多个目标纹理特征；对所述多个目标纹理特征进行标记，获取每个目标纹理特征的特征类型；将所述多个目标纹理特征与数据库中源物品的源纹理特征进行匹配，获取所述目标物品与所述数据库中的源物品的匹配纹理特征；基于所述每个目标纹理特征以及源纹理特征的特征类型对所述匹配纹理特征进行过滤，获取过滤后的匹配纹理特征；基于所述过滤后的匹配纹理特征获取所述目标物品的信息提升了提取的目标纹理特征的准确性，实现了对目标物品的精准识别。
物品纹理信息处理方法装置存储介质电子设备

[发明专利]一种水下多源声学图像特征提取方法及系统-CN202010572719.8在审
发明人：张金良;雷添杰;李政伟;陈曦;沈蔚;李超群 -专利权人：黄河勘测规划设计研究院有限公司
申请日： 2020-06-22 - 公布日： 2020-10-02 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种水下多源声学特征提取方法及系统。该方法包括：提取水底地貌图像的地貌特征量、水底地形图像的地形特征量和水底地层图像的地层特征量；地形特征量包括水底坡度、水底坡向、水底表面曲率和水底地表的分形维数特征；地层特征量包括界面线特征量、界面层特征量和表层剖面特征量；界面线特征量表示水体底质界面线的复杂度；界面层特征量为水体底质界面层的灰度均值；表层剖面特征量包括表层剖面的灰度统计特征和表层剖面的垂向纹理特征；将地貌特征量、地形特征量和地层特征量确定为多源声学特征集合本发明实现了多源声学特征的提取，地貌、地形、地层特征量形成互补，使得特征提取更加全面，用于后续底质分类时，分类精度高。
一种水下声学图像特征提取方法系统

[发明专利]番茄干旱胁迫的识别方法-CN202210100703.6在审
发明人：高会议;贺露;万莉 -专利权人：中国科学院合肥物质科学研究院
申请日： 2022-01-27 - 公布日： 2022-05-13 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种番茄干旱胁迫的识别方法，该识别方法主要包括：采集不同干旱状态的番茄样本的高光谱图像，选取感兴趣区域，获得原始光谱数据；对原始光谱数据降维去噪，并提取重要波段光谱特征以及重要纹理特征；融合所述重要波段光谱特征和重要纹理特征，建立并训练番茄干旱胁迫分类模型；采集待识别番茄的高光谱图像，并提取其光谱特征和纹理特征作为输入量输入所述番茄干旱胁迫分类模型中，获得番茄干旱胁迫的识别结果。
番茄干旱胁迫识别方法

[发明专利]一种虚拟人物头像生成方法及装置-CN201510727675.0有效
发明人：楚明磊;李晓鸣 -专利权人：深圳超多维光电子有限公司
申请日： 2015-10-30 - 公布日： 2020-10-30 - 主分类号： G06T17/00 文献下载
摘要：本发明提供一种虚拟人物头像生成方法及装置，所述方法包括：采集人脸图像，获取所述人脸图像中的人脸特征点；根据所述人脸特征点标定所述人脸图像获取面部特征区域；根据所述面部特征区域调整预设模型以获取与所述人脸图像匹配的人脸模型；对所述与所述人脸图像匹配的人脸模型进行纹理贴图，生成虚拟人物头像。通过获取人脸图像的人脸特征点，利用人脸特征点对预设模型进行调整，确定3d人脸模型，并通过处理人脸图像，生产新的纹理贴图，将新的纹理贴图与人脸模型匹配，形成新的人物头像。本方案实施简单，人工处理量小，适用于要求简单且快速的建模需求。
一种虚拟人物头像生成方法装置

[发明专利]一种基于纹理特征的合成孔径声纳目标检测方法-CN201210150609.8有效
发明人：陈强;田杰;刘维;黄海宁;张春华 -专利权人：中国科学院声学研究所
申请日： 2012-05-15 - 公布日： 2017-05-31 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于纹理特征的合成孔径声纳目标检测方法及系统，该方法包含步骤101）读入原始合成孔径声纳图像，并计算原始图像在距离向和方位向的灰度共生矩阵；步骤102）基于得到的灰度共生矩阵计算能够反应纹理特征的若干特征参量对应的特征值变化规律曲线；步骤103）将计算得到的特征值变化规律曲线与统计背景区域特征参量值或目标区域特征参量值变化规律曲线之一进行比较，如果与目标的特征参量变化规律一致或与背景特征参量值变化规律不同则可以判断存在目标；否则仅有背景没有目标；其中，所述统计背景特征参量值变换规律曲线为对合成孔径声纳图像的灰度共生矩阵获取的背景区域纹理特征量进行分析统计得到的背景区域的变换曲线。
一种基于纹理特征合成孔径声纳目标检测方法

[发明专利]纹理表面缺陷检测方法、装置、电子设备及存储介质-CN202310815564.X在审
发明人：孟凡武;马梁;谢磊;马鑫;尚妍 -专利权人：北京理工大学
申请日： 2023-07-04 - 公布日： 2023-09-15 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种纹理表面缺陷检测方法、装置、电子设备及存储介质，涉及缺陷检测技术领域，包括：获取纹理表面图像，提取纹理表面图像的纹理特征；对纹理特征进行融合得到融合特征，基于融合特征和特征字典确定纹理表面的缺陷；其中，特征字典基于无缺陷图像训练获得，特征字典包括多个无缺陷的多层次特征。通过获取纹理表面图像，提取纹理表面图像的纹理特征，再对纹理特征进行融合得到融合特征，利用融合特征和基于无缺陷图像训练获得特征字典确定纹理表面的缺陷，提高了纹理表面缺陷检测的效率和准确性，避免了无法收集大量缺陷图像导致缺陷检测不准确以及效率低的问题
纹理表面缺陷检测方法装置电子设备存储介质

[发明专利]基于纹理特征加强的高光谱图像处理方法-CN201310358810.X有效
发明人：邓水光;徐亦飞;尹建伟;李莹;吴健;吴朝晖 -专利权人：浙江大学
申请日： 2013-08-16 - 公布日： 2013-12-11 - 主分类号： G06T5/00 文献下载
摘要：本发明提供的基于特征加强的高光谱图像处理方法，采用由二维图像中所有像素点的特征值组成的纹理特征矩阵描述相应的二维图像，并对所有二维图像的纹理特征矩阵进行纹理特征加强，得到纹理特征加强矩阵，并根据所有纹理特征加强矩阵提取出主要的纹理特征并形成主要纹理特征向量，用主要纹理特征向量表示高光谱图像。本发明的基于特征加强的高光谱图像处理方法合理利用了高光谱图像的多波长信息，能够准确的捕捉到丰富的纹理特征，便于进行纹理细节的区分，尤其适用于细纹理图像分析。
基于纹理特征加强光谱图像处理方法

[发明专利]毛发材质渲染方法、装置、电子设备及可读存储介质-CN202310725985.3在审
发明人：张翔 -专利权人：网易(杭州)网络有限公司
申请日： 2023-06-16 - 公布日： 2023-09-12 - 主分类号： A63F13/52 文献下载
摘要：本发明提供了一种毛发材质渲染方法、装置、电子设备及可读存储介质，包括：获取待渲染模型，并确定待渲染模型的最终纹理坐标；确定最终纹理坐标对应的第一偏移量，基于第一偏移量对最终纹理坐标中顶点进行顶点偏移得到偏移后纹理坐标面片；对偏移后纹理坐标面片进行贴图采样得到采样后纹理坐标面片，以使采样后纹理坐标面片产生毛发感；确定采样后纹理坐标面片对应的第二偏移量，基于第二偏移量调整采样后纹理坐标面片的面片朝向得到毛发材质模型。
毛发材质渲染方法装置电子设备可读存储介质

[发明专利]基于蜻蜓视觉成像模型设置的三维纹理图案合成方法-CN201810371256.1有效
发明人：宗常进 -专利权人：河海大学
申请日： 2018-04-24 - 公布日： 2020-08-11 - 主分类号： G06T15/04 文献下载
摘要：本发明公开了一种基于蜻蜓视觉成像模型设置的三维纹理图案合成方法，包括：采集三维空间的三幅不同光照角度下的二维纹理图案；建立蜻蜓视觉成像模型：设置多个六角形纹理图案特征匹配区域并聚集成三维纹理图案；为进行图案特征匹配，设置三维纹理图案特征匹配函数实施三维纹理图案特征输入，输出三维纹理图案匹配特征，进行匹配；设置最佳的三维纹理图案特征匹配分布及分布区域；对三维纹理图案样式特征变化进行三维纹理图案样式设置；实施特征匹配最优化，合成设置的三维纹理图案。本发明方法能够保证三维纹理图案特征匹配细节特征不丢失，纹理图案特征连续，并能很好地保存三维纹理图案特征的连续性和纹理纹样。
基于蜻蜓视觉成像模型设置三维纹理图案合成方法

[发明专利]用于膜式壁低纹理结构点线特征提取的SLAM改进算法-CN202210090225.5在审
发明人：胥芳;吴周鑫;占红武 -专利权人：浙江工业大学
申请日： 2022-01-25 - 公布日： 2022-05-13 - 主分类号： G06T7/73 文献下载
摘要：本发明公开用于膜式壁低纹理结构点线特征提取的SLAM改进算法，包括以下步骤：S1分割图像，根据图像信息熵将空间中低纹理结构化场景中的图像信息区分为高熵区域和低熵区域；S2对高熵区域使用严格的点特征进行特征提取；S3对低熵区域的图像中的线特征进行特征提取，并设定线几何约束规则对线特征进行筛选；S4图像融合：将高熵区域的点特征和低熵区域的线特征一起加入位姿优化。本发明算法特别适用于以火电厂锅炉水冷壁为代表的一类膜式壁环境，这类场景普遍具有低纹理结构化特征；相较标准PL‑SLAM算法，在该场景下本发明平均可减少30％多的数据处理量，定位速度提高20％。
用于膜式壁低纹理结构点线特征提取 slam 改进算法

[发明专利]一种基于指纹结构特征与纹理分析的指纹图像匹配方法-CN200810060463.1有效
发明人：朱信忠;赵建民;徐慧英;胡承懿 -专利权人：浙江师范大学
申请日： 2008-04-11 - 公布日： 2009-04-15 - 主分类号： G06K9/00 文献下载
摘要：一种基于指纹结构特征与纹理分析的指纹图像匹配方法，包括如下步骤：1)对指纹图像的特征点及其邻近点进行处理，生成结构特征向量；2)进行结构特征向量匹配，落入界限盒则认为细节点匹配成功，用成功匹配的细节点个数代表指纹匹配程度；3)对含信息量适中的残缺指纹或中心部分不存在的指纹图像进行Gabor滤波，采用圆形网格分为若干区域，分别提取纹理特征；4)将各区域的灰度标准偏差作为特征编码，用指纹图像间的特征差表示匹配程度；5)运用BP神经网络综合结构特征和纹理特征找出最匹配的指纹图像。
一种基于指纹结构特征纹理分析图像匹配方法

[发明专利]基于Surfacelet变换的动态纹理检索方法-CN201210001588.3有效
发明人：田小林;焦李成;聂继勇;张小华;缑水平;马文萍;钟桦;朱虎明 -专利权人：西安电子科技大学
申请日： 2012-01-04 - 公布日： 2012-07-04 - 主分类号： G06F17/30 文献下载
摘要：一种基于Surfacelet变换的动态纹理检索方法，包括：建立动态纹理库；获取高频子带系数及其特征参数及香浓熵；建立动态纹理特征库并确定区分阈值；输入待检索的动态纹理并获取其高频子带系数及香农熵；判断待检索动态纹理的香农熵与区分阈值的大小；获取待检索动态纹理的特征参数；获取待检索动态纹理的特征参数与动态纹理特征库中特征参数的距离；取动态纹理库中距离最小的动态纹理输出。本发明采用广义高斯特征和能量特征结合的方法，使得本发明充分利用了动态纹理不同特征的互补性，能准确检索出客户所需的动态纹理。
基于 surfacelet 变换动态纹理检索方法

[发明专利]基于纹理分析的快速图像特征提取方法-CN201410646802.X在审
发明人：化春键;陈莹;邓朝省 -专利权人：江南大学
申请日： 2014-11-14 - 公布日： 2015-01-28 - 主分类号： G06K9/46 文献下载
摘要：本发明提供了一种基于纹理分析的快速图像特征提取方法。该方法先将模板图像灰度化后提取其边缘，然后再进行数学形态学处理，得到一幅含有多个白色斑块的二值图像，然后比较这几个白色斑块所在区域的纹理度量平均熵并提取平均熵最大的区域。同理，在待测图像中也将纹理变化最为剧烈的区域即图像显著区域提取出来，然后利用图像显著区域代替原始图像进行匹配运算。该方法缩小了特征点搜索范围，降低了计算量，达到了节省时间的目的。
基于纹理分析快速图像特征提取方法

[发明专利]一种基于频率分解多注意力机制的人脸超分辨方法-CN202110834275.5有效
发明人：孙立剑;何鹏飞;曹卫强;徐晓刚;王军;朱岳江 -专利权人：之江实验室
申请日： 2021-07-23 - 公布日： 2021-12-07 - 主分类号： G06T3/40 文献下载
摘要：本发明属于计算机视觉、图像处理领域，涉及一种基于频率分解多注意力机制的人脸超分辨方法，利用小波变换及其逆变换均可逆的性质，将输入的低分辨率人脸图像进行频率分解，针对不同频率的特征，采用不同的核卷积构建基础模块，自适应集成不同感受野的特征，利用残差注意力模块，包含像素、空间和通道注意力机制，对不同频率的特征分别进行处理，低频部分纹理采用较少计算量的注意力，高频部分采用更多的残差注意力模块，在保持计算量的同时将更多的网络应用于高频部分，利用预训练的人脸关键点提取网络进行关键点提取并进行反馈，增强轮廓特征，利用生成抵抗网络增强纹理特征。
一种基于频率分解注意力机制人脸超分辨方法