-
-
Patent Agency Ranking
公开(公告)号：CN109598218A
公开(公告)日：2019-04-09
申请号：CN201811410036.1
申请日：2018-11-23
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明提出了一种车型的快速识别方法，主要解决车型识别中的精确度和实时性问题，该方法首先采用颜色空间转换和多通道HOG特征提取算法相结合，减少光照环境影响的同时提取车辆前脸特征；使用PCA降维操作，降低样本特征维度，减少计算复杂度；然后对样本特征进行稀疏表示和非线性映射，减少特征之间的相关性；最后建立样本特征与样本标签之间的关系并求出二者之间权重系数，实现快速车型识别效果。在BIT-Vehicle数据库上的实验结果表明，本发明方法的识别精度为96.69%，识别速度为70.3fps，不仅提高了车型识别精度同时也保证了实时性。
-
公开(公告)号：CN109544477A
公开(公告)日：2019-03-29
申请号：CN201811410032.3
申请日：2018-11-23
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明提出了一种基于自适应字典学习稀疏表示的图像去噪算法，该算法首先根据图像结构相似性选择图像块，并构建各图像块的字典原子；然后计算不同图像块中原子的灰色关联，从而聚类并选择能够适应噪声的字典原子；最后建立自适应字典稀疏表示实现图像去噪。通过在大规模标准数据库上进行测试，本发明算法能够很好地去除噪声，有效地捕捉图像细节。本发明将灰色关联应用于字典学习稀疏表示中，解决了字典原子的自动选择问题，提高稀疏表示的性能；能够准确地分辨出图像中的噪声并去除。
-
公开(公告)号：CN103136719B
公开(公告)日：2015-12-23
申请号：CN201310094700.7
申请日：2013-03-22
Applicant: 南通大学
IPC: G06T1/00
Abstract: 本发明涉及一种图像字典构造方法。所述图像字典构造方法，包括：从测试图像中获取字典原子的灰色关联度；建立所述灰色关联度与所述图像结构特征的联系，从而得到字典原子的灰聚类；对字典原子进行优化处理，得到具有结构特征的图像字典。本发明将灰色理论引入到图像字典设计中，通过提供一种有效的字典原子相关度的表示来更好地表征字典原子特性，解决向量相关性分析存在的问题，同时通过提高原子的表征，优化字典的设计，使图像稀疏表示的复杂度降低，便于算法的实际应用，从而得到一种更符合非确定性问题的最优逼近的图像字典构造方法，较好地解决了现有稀疏表示所存在的问题，具有实际应用价值。
-
公开(公告)号：CN106372650A
公开(公告)日：2017-02-01
申请号：CN201610701199.X
申请日：2016-08-19
Applicant: 南通大学
IPC: G06K9/62
CPC classification number: G06K9/6278
Abstract: 本发明的基于运动预测的压缩跟踪方法，根据当前帧对视频目标进行运动预测，得到目标的运动方向；依据运动矢量，计算前两帧目标运动的距离，根据这个距离自动调整搜索范围，减少候选样本的采集；使用自适应跟踪窗口优化，再次采集正负样本集合，提取两个样本集合的特征，进行朴素贝叶斯分类器的更新，并记录当前帧目标位置，跟踪到的目标位置，更新参数。有益效果为：大大减少了搜索时间，减少候选样本的采集，从而提高了压缩跟踪方法在一些复杂场景下的实时性和鲁棒性。
-
公开(公告)号：CN103136719A
公开(公告)日：2013-06-05
申请号：CN201310094700.7
申请日：2013-03-22
Applicant: 南通大学
IPC: G06T1/00
Abstract: 本发明涉及一种图像字典构造方法。所述图像字典构造方法，包括：从测试图像中获取字典原子的灰色关联度；建立所述灰色关联度与所述图像结构特征的联系，从而得到字典原子的灰聚类；对字典原子进行优化处理，得到具有结构特征的图像字典。本发明将灰色理论引入到图像字典设计中，通过提供一种有效的字典原子相关度的表示来更好地表征字典原子特性，解决向量相关性分析存在的问题，同时通过提高原子的表征，优化字典的设计，使图像稀疏表示的复杂度降低，便于算法的实际应用，从而得到一种更符合非确定性问题的最优逼近的图像字典构造方法，较好地解决了现有稀疏表示所存在的问题，具有实际应用价值。
-
-
-
-
-
Search Results
16
records
(took 0.03 seconds)
