-
公开(公告)号：CN103345732B
公开(公告)日：2016-01-27
申请号：CN201310320251.3
申请日：2013-07-26
Applicant: 电子科技大学
IPC: G06T5/00
Abstract: 本发明提供一种基于Contourlet变换的PCNN图像增强算法及装置，其主要包括如下步骤：S1将待处理图像在RGB颜色空间的分量转换至HIS颜色空间，得到色调分量H、亮度分量I和饱和度分量S；S2将所述亮度分量I通过Contourlet变换进行分解，得到低频子带图像与一系列多尺度多方向性带通子带轮廓图像序列；S3将分解得到的带通子带轮廓图像序列，作为PCNN神经网络增强算子的外部输入，进而得到增强后的带通子带轮廓图像序列；S4将增强后的带通子带轮廓图像序列与原低通子带图像序列结合，进行Contourlet逆变换，得到增强的亮度分量I'；S5对所述饱和度分量S进行饱和度的调整，得到新的饱和度分量S’；S6将上述HIS颜色空间的色调分量H、新的亮度分量I’和新的饱和度分量S’转换至RGB颜色空间，得到增强后的图像。
-
Patent Agency Ranking
公开(公告)号：CN103236050B
公开(公告)日：2015-08-12
申请号：CN201310162278.4
申请日：2013-05-06
Applicant: 电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于图聚类的辅助钞票残币重建方法，其将残币碎片扫描到计算机中进行处理：使用ORB算法提取残币碎片图像中的特征点和特征向量；使用MSAC算法进行碎片图像匹配；接着对碎片边缘进行距离变换，然后判断两两碎片间的关系；使用基于图论的方法对残币碎片进行聚类，得到聚类结果；根据聚类结果即可指示相关人员如何将实际的残币碎片拼接重建。本发明弥补了相关技术领域对处理“大量图案碎片全部来自于同样一个完整图案”这样一个问题的缺失，操作简单，算法快速有效，可用于将大量残币碎片及其它类似情况的图片碎片拼接复原。
-
公开(公告)号：CN103400471A
公开(公告)日：2013-11-20
申请号：CN201310349114.2
申请日：2013-08-12
Applicant: 电子科技大学
IPC: G08B21/06
Abstract: 本发明公开了一种驾驶员疲劳驾驶检测系统及检测方法，其属于图像处理与模式识别技术领域，该系统包括人脸定位模块、人眼状态判别模块、嘴部状态判别模块和疲劳判定模块；所述人脸定位模块同人眼状态判别模块和嘴部状态判别模块连接通信，判定结果传输至所述疲劳判定模块。该检测方法包括以下步骤：①人脸定位检测、②人眼的状态判断、③驾驶员嘴部状态判断、④驾驶员精神状态判断。发明结合了人眼和人嘴两个驾驶员面部的显著特征进行复合的判断，比单一方法进行识别检测，识别准确率更高；通过对驾驶员的精神状态进行判别，提醒驾驶员在疲劳状态下时进行停车休息，可以有效减少交通事故的发生，为人民的生命财产安全提供有力保障。
-
公开(公告)号：CN103400154A
公开(公告)日：2013-11-20
申请号：CN201310346596.6
申请日：2013-08-09
Applicant: 电子科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种基于有监督等距映射的人体动作识别方法，其属于模式识别与计算机视觉领域，包括以下步骤：S1.对视频通过码书codebook方法进行前景提取，得到二值化人体前景图像；S2.对人体前景图像进行形态学处理并归一化，得到人体剪影图像；S3.对人体剪影图像序列进行周期化分析，对每个视频，通过包含一个完整动作周期的关键帧来表示该视频；S4.对人体剪影图像的关键帧进行向量化，通过有监督的等距映射进行特征降维；S5.将降维后的特征通过基于Hausdorff距离的最近邻分类器进行识别。本发明突破了现有算法的局限性，在提高分类精度的同时降低了算法复杂度，使得在实际的工程应用中更容易实现。
-
公开(公告)号：CN103336960A
公开(公告)日：2013-10-02
申请号：CN201310320237.3
申请日：2013-07-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于流形学习的人脸识别方法，属于图像处理技术领域，解决了传统方法中直接对高维图像进行处理所消耗资源过多的问题。本发明结合最近特征子空间分类器和局部线性嵌入两种方法用于人脸图像的降维处理，然后采用最近邻分类器对降维后的数据进行识别，首先构建人脸图像高维数据，将人脸图像样本按行拉伸为一维向量；然后对构建的人脸图像高维数据进行降维处理，获得所有人脸图像在同一低维空间的低维表示；最后在低维嵌入空间。本发明通过对图像进行训练，实时采集待测试图像，进行人脸识别，比采用基于欧氏距离的局部线性嵌入方法更为合理，识别准确率更高，也比直接采用高维数据进行识别的运算复杂度更低，更加简便。
-
公开(公告)号：CN103324944A
公开(公告)日：2013-09-25
申请号：CN201310259382.5
申请日：2013-06-26
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于SVM和稀疏表示的假指纹检测方法。采集数百张真、假指纹图像，对其提取统计特性、频域特性等特征数据，对特征数据归一化并进行支持向量机(SVM)训练得到SVM的分类模型，对需要进行检测的指纹提取图像，提取同样的特征数据并归一化，使用上述SVM的分类模型进行分类，得到“真”或“假”的SVM分类结果；同时对指纹图像随机提取子图像，训练稀疏表示字典，对需要进行检测的指纹图像随机提取子图像，进行稀疏表示，判断子图像为“真子图”或“假子图”；最后使用上述分类和判断结果进行综合决策。本发明不需要对采集指纹的硬件进行改造，计算速度快且正确率高，对提高指纹识别系统的安全性有重要应用价值。
-
-
-
-
-
Search Results
116
records
(took 0.027 seconds)
