黄德天
- 作品数：81 被引量：134H指数：8
- 供职机构：华侨大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划泉州市科技计划项目更多>>
- 相关领域：自动化与计算机技术电子电信航空宇航科学技术医药卫生更多>>
- 联合稀疏表示和总变分正则化的超分辨率重建方法
- 2016年
- 为提高基于稀疏表示的图像超分辨率重建的质量,该文提出了联合稀疏表示与总变分正则化的超分辨率重建算法。首先,在字典训练阶段,从具有相似统计特征的训练图片中获取图像块,作为训练字典的样本,并用K-SVD算法进行字典训练,得到高、低分辨率的字典。在稀疏编码阶段,根据局部稀疏编码模型求解出低分辨图像的稀疏表示系数,再利用稀疏表示系数和高分辨率字典对输入低分辨率图像进行重建,得到高分辨率图像。最后,将重建得到的高分辨率图像进行总变分正则化优化,进一步提高重建效果。仿真实验结果表明,该算法在客观评价指标和主观视觉效果上,图像质量都有明显提高。
- 黄炜钦黄德天柳培忠顾培婷刘晓芳
- 关键词：超分辨率重建
- 一种自适应的车道线检测方法
- 本发明公开了一种自适应的车道线检测方法，涉及车道线检测技术领域。本方法首先采用三维块匹配(BM3D)算法对摄像头采集到的实时行车图像进行去噪处理；然后，在HSV颜色空间，选择V通道对去噪图像进行阈值分割，以区分白色与黄色...
- 陈健黄德天
- 文献传递
- 一种基于Transformer与卷积交互的轻量级图像超分辨率方法
- 本发明涉及图像处理技术领域，公开了一种基于Transformer与卷积交互的轻量级图像超分辨率方法，包括以下步骤：S1，构建跨通道Transformer模块与高效局部特征提取模块；S2，构建反转U型网络模块；S3，构建全...
- 黄德天陈菲扬黄小茜徐正军曾焕强朱建清陈婧黄诚惕
- 基于改进的TLD算法的手势跟踪算法
- 2016年
- 该文在分析表征手势特征基础上,分别根据金字塔LK原理、FERN分类原理和P-N学习原理及手运动轨迹的连续性规律来研究适用于手势识别的关键技术,即手势目标跟踪技术、P-N学习的样本增长和修剪技术的算法。针对目前在手的局部区域跟踪过程中,手势目标跟踪失败后难以恢复和容易受到脸部、肤色和手臂的干扰等问题,该文在TLD单目标跟踪算法的基础上,提出了一种改进的多目标手势局部区域跟踪TLD算法,针对算法的检测模块,在FERN分类器的基础上,采用颜色特征相交系数的方法,改进FERN分类器的第一级方差分类器;还提出一种自适应坐标系的方法,缩小了检测模块扫描窗口的滑动区域。通过仿真实验证明,相对于原算法,这一改进算法在客观评价指标和主观视觉效果上都有明显提高。
- 王铭航柳培忠黄德天顾培婷洪铭
- 一种视频目标编辑方法、终端设备及存储介质
- 本发明提供一种视频目标编辑方法、终端设备及存储介质，方法包括：获取视频信息、目标编辑操作、目标编号和视频目标参数；使用视频实例分割算法对视频中的帧图像进行目标分割，得到目标的像素级信息；输出对应操作和编号的相应图片列表，...
- 陈龙涛孔灵丽曾焕强黄德天傅玉青郭荣新施一帆廖国兴
- 一种基于模态关系学习的跨模态检索方法
- 本发明提出一种基于模态关系学习的跨模态检索方法，将数据集中相同语义的图像文本对以及所属的类标签输入到基于模态关系学习的跨模态检索网络模型中训练，直至模型收敛，从而获得网络模型M；利用S1中训练得到网络模型M分别提取待查询...
- 曾焕强王欣唯朱建清陈婧黄德天温廷羲郭荣新
- 基于GIoU门限机制的在线多目标跟踪方法、设备和存储介质
- 本发明一种基于GIoU门限机制的在线多目标跟踪方法、设备和存储介质，提出一种加入到级联匹配过程的GIoU门限机制GIGM，以提高关联性能、解决长距离标识切换问题，当目标和检测距离较远时，GIGM可以有效防止匹配和长距离标...
- 陈龙涛汪勇衡曾焕强朱建清黄德天施一帆
- 一种可靠的局部目标跟踪方法及跟踪器
- 本发明可靠的局部目标跟踪方法及跟踪器，包括：利用随机分块方法和人工分块方法来划分目标，得到第一类粒子和第二类粒子；结合第一类粒子和第二类粒子来估计目标位置；利用重采样规则来剔除第一类粒子中的不可靠粒子；计算探测分数r来判...
- 王振严黄德天杨梦维吴娇绿朱显丞
- 一种基于改进稀疏自动编码器的图像超分辨率方法
- 本发明涉及一种基于改进稀疏自动编码器的图像超分辨率方法，其以训练样本的高频信息为特征，分别构造高、低分辨率图像训练集，并通过ZCA白化技术对联合训练集去相关以降低其冗余性，从而提高自动编码器的训练效率；然后，在传统稀疏自...
- 黄德天黄炜钦柳培忠林炎明张健
- 文献传递
- 改进的自适应核相关滤波目标跟踪
- 2017年
- 利用核相关滤波器跟踪框架,提出一种改进的自适应颜色属性的目标跟踪方法.首先,构建循环样本矩阵,引进颜色属性作为特征描述目标;然后,采用流行学习局部线性嵌入(LLE)算法自适应地对特征向量进行降维,得到低维特征空间;最后,根据正则化最小二乘分类器获得目标位置.实验结果表明:文中算法的平均中心位置误差减少了21.29px;在阈值为20px时,平均距离精度提高了27.9%,平均跟踪速度为38帧·s^(-1);与传统核相关滤波(KCF)算法相比,文中算法具有良好的光照不敏感性及更高的跟踪精度和鲁棒性.
- 黄德天黄德天柳培忠柳培忠
- 关键词：目标跟踪局部线性嵌入
