-
公开(公告)号：CN107067037A
公开(公告)日：2017-08-18
申请号：CN201710263340.7
申请日：2017-04-21
Applicant: 河南科技大学
Abstract: 本发明涉及一种使用LLC准则定位图像前景的方法，从标准测试集中选取大量随机图像，结合其显著区域真值标注图，提取图像前景的先验知识、形成LLC码本，使用LLC准则对待测图像的各个区域是否属于前景进行粗分类，并给出相应的显著性概率值；使用距图像中心的质心距离、局部Lab颜色对比值和全局Lab颜色对比值等基于对比的特征描述图像超像素区域，并用来学习前景\背景的典型特征作为指导图像超像素区域分类的先验知识，从经验角度获取高层知识只需学习一次即可多次指导区域分类，与仅从当前图像提取高层知识的方法相比不仅大大加快了前景定位的速度，而且用来提取的优势查询可使基于流形排序所获得的显著图中前景边界更加清晰、噪声更少。
-
-
公开(公告)号：CN105761238A
公开(公告)日：2016-07-13
申请号：CN201511017690.2
申请日：2015-12-30
Applicant: 河南科技大学
IPC: G06T7/00
Abstract: 一种通过灰度统计数据深度信息提取显著目标的方法，通过改进FT算法获得基本符合人类视觉注意的CBP特征的显著图。通过挖掘该显著图的灰度概率分布特性的深度信息找到原图像中显著性分布的规律，并使用曲线拟合技术、灰度统计技术、曲线单调性分析、超像素分割等技术提取基于该显著性分布的显著目标区域。最后结合图流形排序技术，实现接近测试集标准的显著图。本发明提出的检测算法比大多数显著目标检测方法的执行速度快、算法复杂度低，却保证较高的检测精度。
-
公开(公告)号：CN102682276B
公开(公告)日：2016-03-30
申请号：CN201110432094.6
申请日：2011-12-20
Applicant: 河南科技大学
Abstract: 本发明涉及一种光照变化条件下的人脸识别方法及基图像合成方法，人脸识别方法首先计算商图像；根据公式分别合成对应对象的九个基图像；计算出待识别图像的光照参数η；合成每一对象的一幅与待识别图像光照条件一致的新图像；由主成分分析方法分别计算出合成图像与待识别图像在PCA空间的投影系数向量ρi和ρ；计算两向量之间的欧氏距离，用最近邻方法完成分类识别。本发明的方法仅用每一对象在正常光照条件下的一幅图像作为训练集，就可以达到较高的识别率，且能够较好的克服光照变化的影响，从而有效地解决了复杂光照条件下的人脸识别及基图像合成问题。
-
公开(公告)号：CN104715476A
公开(公告)日：2015-06-17
申请号：CN201510078176.3
申请日：2015-02-13
Applicant: 河南科技大学
IPC: G06T7/00
Abstract: 一种基于直方图幂函数拟合的显著目标检测方法，包括直方图幂函数拟合、超像素分类、显著区域问题和显著目标检测四步。本发明有益效果：使用FT显著图、图流形排序法、SLIC法超像素分类、直方图幂函数拟合求灰度阈值在图像多目标且场景复杂的情况下，检测效率高，性能好，精度高，解决了显著目标检测领域的一大难题，且本发明所提供的方法执行速度快、算法复杂度低，同时能保证较高的检测精度。
-
Patent Agency Ranking
-
公开(公告)号：CN109657611B
公开(公告)日：2022-09-23
申请号：CN201811555125.5
申请日：2018-12-19
Applicant: 河南科技大学
IPC: G06V40/16 , G06V10/762 , G06V10/77
Abstract: 为了解决现有技术中针对人脸识别准确率低的问题，本发明提供一种用于人脸识别的自适应图正则化非负矩阵分解方法，包括以下步骤：先向量化处理人脸照片，再将数据矩阵X分解成基矩阵和系数矩阵的乘积，并对基矩阵和系数矩阵中的每个元素加上非负约束，然后对数据矩阵X的系数矩阵进行约束，得到处理后的相似矩阵，再利用对角矩阵与拉普拉斯矩阵对相似矩阵S进行处理，引入权重约束项λ，得到自适应图，最后将自适应图作为正则化约束项引入到数据矩阵X的非负矩阵分解目标函数中，对人脸照片进行识别。本发明通过引入权重约束项，权重矩阵不再保持不变，去除了大量噪声和离群值，使局部邻域结构信息完整，提升了识别准确率。
-
公开(公告)号：CN108256486B
公开(公告)日：2022-02-22
申请号：CN201810050720.7
申请日：2018-01-18
Applicant: 河南科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种基于非负低秩和半监督学习的图像识别方法及装置，首先获取图像数据集，数据集包括标记数据和未标记的数据，然后根据高斯场和调和函数与低秩表示函数得到目标函数，且对低秩表示函数的系数进行非负约束，将目标函数转化为拉格朗日函数，对拉格朗日函数中的各变量及拉格朗日乘数、惩罚因子进行更新；不断进行迭代更新直至结束，输出图像数据集的标签矩阵，根据标签矩阵对测试数据进行分类识别。本发明将半监督学习和低秩表示相结合，能够将全局结构信息和局部结构信息都得到很好的利用，且可以有效地消除或减轻样本的腐败，并且对噪声具有很好的鲁棒性，无论训练样本或测试样本是否被损坏，均可以获得很好的分类性能。
-
公开(公告)号：CN111860637A
公开(公告)日：2020-10-30
申请号：CN202010689129.3
申请日：2020-07-17
Applicant: 河南科技大学
Abstract: 一种单发多框红外目标检测方法，从特征金字塔网络出发，基于可学习的权值刻画各特征层对融合输出贡献的不平等性，实现低分辨率、强语义的特征层与高分辨率、弱语义特征层间的双向多尺度特征加权融合，构造出辅助网络；从交并比出发，同时考虑重叠区域与非重叠区域对目标函数的影响，构造对目标尺度变化保持不变性的检测器定位损失，构造出目标检测器，提高检测模型对小目标定位误差的敏感性。以VGG16卷积神经网络作为特征提取网络并与辅助网络、目标检测器集成，形成融合多尺度特征加权融合与尺度不变性定位损失的单发多框红外目标检测模型。本发明具备自主学习能力且检测率高，是解决复杂环境下红外成像制导目标检测问题的有效途径。
-
公开(公告)号：CN109657611A
公开(公告)日：2019-04-19
申请号：CN201811555125.5
申请日：2018-12-19
Applicant: 河南科技大学
Abstract: 为了解决现有技术中针对人脸识别准确率低的问题，本发明提供一种用于人脸识别的自适应图正则化非负矩阵分解方法，包括以下步骤：先向量化处理人脸照片，再将数据矩阵X分解成基矩阵和系数矩阵的乘积，并对基矩阵和系数矩阵中的每个元素加上非负约束，然后对数据矩阵X的系数矩阵进行约束，得到处理后的相似矩阵，再利用对角矩阵与拉普拉斯矩阵对相似矩阵S进行处理，引入权重约束项λ，得到自适应图，最后将自适应图作为正则化约束项引入到数据矩阵X的非负矩阵分解目标函数中，对人脸照片进行识别。本发明通过引入权重约束项，权重矩阵不再保持不变，去除了大量噪声和离群值，使局部邻域结构信息完整，提升了识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.024 seconds)
