-
公开(公告)号：CN111950376A
公开(公告)日：2020-11-17
申请号：CN202010679988.4
申请日：2020-07-15
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了强方向加权边缘检测及RNL拟合优度的眼睑定位方法。现有的直线拟合定位方法定位速度快，但定位精度低；抛物线拟合定位方法拟合定位精度高，但定位速度慢。本发明方法首先根据虹膜圆心位置分割上下眼睑，确定上、下眼睑区域；然后利用强方向加权的保边去噪平滑滤波算子对眼睑检测前图像预处理；再利用强方向加权的边缘检测算子抑制睫毛干扰，根据虹膜图像中睑缘以上和以下区域的灰度对比值，动态选择边缘检测算子参数，获得待拟合的候选眼睑边缘；最后采用最小二乘法抛物线拟合眼睑边缘，以RNL拟合优度为指标筛选眼睑候边缘选点，完成眼睑定位。本发明方法具有良好的鲁棒性，即使对于受睫毛遮挡严重的上眼睑，也能得到理想的定位结果。
-
公开(公告)号：CN111259940A
公开(公告)日：2020-06-09
申请号：CN202010024750.8
申请日：2020-01-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于空间注意力地图的目标检测方法，包括：将测试图像输入预先训练好的Faster RCNN网络，自下向上逐层进行特征提取、自上向下逐层进行高层语义信息传播，得到目标的空间特征信息和特征梯度信息；对目标的空间特征信息和特征梯度信息进行加权得到目标高层语义信息引导的注意力地图；对目标空间特征信息进行数据预处理，得到目标感兴趣区域图；叠加目标感兴趣区域图和注意力地图，得到目标注意力地图；将目标注意力地图与通道特征权重进行计算得到多通道空间注意力地图；将多通道空间注意力地图与目标空间特征信息结合得到新的目标空间特征信息；将新的目标空间特征信息联合RPN网络的目标候选框提取出进行目标分类和边界框回归的特征。
-
公开(公告)号：CN111242906A
公开(公告)日：2020-06-05
申请号：CN202010011696.3
申请日：2020-01-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种支持向量数据描述的胸部影像异常检测方法。本发明方法包括训练阶段和测试阶段。在训练阶段，构建并训练深度稀疏变分自编码器，获得训练数据集的隐藏层特征的均值，然后在稀疏变分自编码器基础上构建并训练深度支持向量数据描述网络，将均值作为超球体中心；在测试阶段，将测试数据集输入到训练好的深度支持向量数据描述网络中，计算得到异常分数和对应的ROC曲线并以此得到最佳阈值，当异常分数小于等于阈值则判为正常，否则判为异常。本发明方法采用了变分稀疏自编码器来进行特征学习，通过深度支持向量数据描述网络分离特征数据，具有较高的特征提取能力和较高的检测准确性。
-
公开(公告)号：CN110245620A
公开(公告)日：2019-09-17
申请号：CN201910524163.2
申请日：2019-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于注意力的非最大化抑制方法，包括：步骤S1、将测试图像输入预先训练好的Faster RCNN网络，提取所述图像的特征信息，Region of Interest网络部分输出各个建议区域上不同类别目标的分类置信度；步骤S2、将所述分类置信度作为注意力驱动信号进行自上而下的反向传播，生成目标注意力地图；步骤S3、根据所述注意力地图计算每一检测边界框的感兴趣概率，并将所述感兴趣概率与所述分类置信度的加权和作为感兴趣分数，优化NMS边界框检测。本发明能够充分利用网络中图像的特征信息，以有效解决目标分类置信度的空间信息缺失问题，调节分类置信度与定位精度的不一致性；并且在不用修改网络或者额外的网络训练情况下，改进了NMS，提高了目标检测的精度。
-
公开(公告)号：CN109035149A
公开(公告)日：2018-12-18
申请号：CN201810205661.6
申请日：2018-03-13
Applicant: 杭州电子科技大学
CPC classification number: G06K9/2054 , G06K9/342 , G06K9/6256 , G06K2209/15 , G06T5/003 , G06T2207/20081 , G06T2207/20084
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN104866815B
公开(公告)日：2018-11-30
申请号：CN201510196807.1
申请日：2015-04-23
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于图像空域特征的指纹核点精确定位方法。本发明具体步骤如下：用梯度法求出指纹图像的像素级方向场；用庞加莱索引法在方向场中提取出每一个粗核点位置；用短时傅里叶变换法计算出指纹图像的二值化图像；将方向场、粗核点位置和二值化图像输入分叉聚合提取模块，提取出粗核点位置附近矩形范围内的所有分叉点和聚合点，并存储在矩阵中；将矩阵输入到去噪模块以除去矩阵所有的伪分叉点、伪聚合点，得到矩阵；将去噪后得到的矩阵输入至弧提取模块得到所有的弧,并将得到的弧存储于矩阵中；将矩阵输入到精确定位模块得到核点定位的最终结果。本发明利用了纹图像的空域信息，保持核点检测一致性的同时提高了检测的精度。
-
公开(公告)号：CN108509949A
公开(公告)日：2018-09-07
申请号：CN201810110564.9
申请日：2018-02-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力地图的目标检测方法。本发明将自上而下的注意力引入当前主流的目标检测框架中，生成了可反映输入图像上各区域与待检测目标相关性的注意力地图，并基于生成的注意力地图对原先的候选框融合方案进行了优化，将自顶向下以及自底向上的信息结合进候选框的融合中，优化了目标检测的性能。本发明是一种更有效更接近生物视觉机制的目标检测方法。
-
公开(公告)号：CN103955880B
公开(公告)日：2018-03-13
申请号：CN201410146119.X
申请日：2014-04-11
Applicant: 杭州电子科技大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于Zernike矩的DWT‑SVD鲁棒盲水印方法。本发明方法包括水印嵌入方法和水印提取方法。水印嵌入方法是对原始图像进行离散小波变换，之后将其低频子带分块并对每小块进行奇异值分解，然后将待嵌入水印进行混沌加密，通过量化每小块的奇异值矩阵的欧式范数嵌入水印，保存水印图像的若干个Zernike矩作为密钥，通过密钥判断受到几何攻击类型并进行校正；水印提取方法是水印嵌入方法的逆过程，包括对受攻击图像进行校正、水印提取，水印解密和恢复。本发明方法结合DWT、SVD在数字水印方面的优势，并利用Zernike矩的旋转、缩放不变性，提高了对旋转、缩放攻击的鲁棒性，可以很好地抵抗常规信号处理。
-
公开(公告)号：CN104866815A
公开(公告)日：2015-08-26
申请号：CN201510196807.1
申请日：2015-04-23
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于图像空域特征的指纹核点精确定位方法。本发明具体步骤如下：用梯度法求出指纹图像的像素级方向场 ；用庞加莱索引法在方向场中提取出每一个粗核点位置；用短时傅里叶变换法计算出指纹图像的二值化图像；将方向场、粗核点位置和二值化图像输入分叉聚合提取模块，提取出粗核点位置附近矩形范围内的所有分叉点和聚合点，并存储在矩阵中；将矩阵输入到去噪模块以除去矩阵所有的伪分叉点、伪聚合点，得到矩阵；将去噪后得到的矩阵输入至弧提取模块得到所有的弧,并将得到的弧存储于矩阵中；将矩阵输入到精确定位模块得到核点定位的最终结果。本发明利用了纹图像的空域信息，保持核点检测一致性的同时提高了检测的精度。
-
公开(公告)号：CN104063886A
公开(公告)日：2014-09-24
申请号：CN201410112663.2
申请日：2014-03-24
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于稀疏表示和非局部相似的核磁共振图像重建方法，主要目的是提高核磁共振图像的重建质量。本发明的具体步骤是：首先，对磁共振图像对应的傅里叶变换系数，采用变密度随机下采样的方式采样，对采样数据进行傅里叶反变换得到用于重建的初始参考图像；其次，对参考图像进行分块，得到的每类图像子块具有相似的结构特征，并得到每类图像子块对应的字典和图像子块的稀疏表示系数；最后，利用图像子块的非局部相似性估计原始图像，对图像子块的稀疏系数进行约束，结合图像在小波域的稀疏性，通过混合正则项求解模型进行迭代重建。本发明充分利用图像的非局部相似性，能有效重建图像中的复杂纹理，提高重建图像质量。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.037 seconds)
