-
公开(公告)号：CN109978854A
公开(公告)日：2019-07-05
申请号：CN201910229783.3
申请日：2019-03-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于边缘和结构特征的屏幕内容图像质量评估方法，包括以下步骤：步骤S1：将输入的图像从RGB颜色空间转换到LMN颜色空间，然后将Gabor滤波器的虚部作用在L分量上，提取图像的边缘特征；步骤S2：将输入的图像转换成灰度图，利用Scharr滤波器在灰度图上计算梯度图，然后在梯度图上使用局部二值模式（LBP）算子计算LBP图，再根据LBP图在梯度图上计算得到图像的结构特征；步骤S3：根据步骤S1和步骤S2中的两种特征，利用随机森林训练图像评估模型，利用训练好的模型预测所有测试图像的质量分数。本发明通过考虑人类视觉系统的特点，结合图像的边缘和结构特征来评估图像的质量，能显著提高无参照图像质量评估性能。
-
公开(公告)号：CN109685772A
公开(公告)日：2019-04-26
申请号：CN201811502584.7
申请日：2018-12-10
Applicant: 福州大学
CPC classification number: G06T7/0002 , G06N3/0454 , G06N3/08 , G06T7/32 , G06T2207/10012 , G06T2207/20021 , G06T2207/30168
Abstract: 本发明涉及一种基于配准失真表示的无参照立体图像质量评估方法。包括：对训练图像和待预测图像集合中的图像，计算配准图和左视图的差分图像作为图像的配准失真表示；对训练图像和待预测图像集合中的左视图和右视图进行局部归一化处理，左视图、右视图和配准失真表示划分成有重叠的图像块；训练图像集合中的左视图、右视图和配准失真表示的特征，并输入到全连接层来学习图像块的质量评估分数和失真类型识别；预测待预测图像的所有图像块的质量评估分数，计算待预测图像块的最多数投票失真类型作为图像最终的失真类型和加权平均质量分数作为最终的质量评估分数。本发明方法解决了左右视图的场景差异问题，能显著提高无参照立体图像质量评估的性能。
-
公开(公告)号：CN109461128A
公开(公告)日：2019-03-12
申请号：CN201811235870.1
申请日：2018-10-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度保持的结构一致立体图像颜色校正方法，首先利用SIFT特征提取和匹配分别对参考图像和目标图像进行特征提取和像素匹配，获取结构图像和匹配图像；然后利用结构相似性算法生成匹配图像和目标图像的置信度图，对图像置信度较低的区域进行局部映射，生成初始颜色校正结果图像；最后利用梯度保持算法对初始颜色校正结果图像的颜色和结构进行有参考的优化，得到最终的结果图像。本发明解决了局部颜色校正算法的结构一致问题和全局颜色校正算的区域颜色混乱问题，而且还保留了图像的梯度信息，提升了图像的保真度。
-
公开(公告)号：CN109460767A
公开(公告)日：2019-03-12
申请号：CN201811233474.5
申请日：2018-10-23
Applicant: 福州大学
Abstract: 本发明提出了一种基于规则的凸印银行卡卡号分割与识别方法。定位方面通过对国内凸印银行卡卡号的形状、颜色进行分析和总结，提出了使用形态学梯度和数值匹配的方法进行卡号分割；提高了银行卡卡号字符定位的准确度，减少了银行卡卡号行的定位时间。针对凸印银行卡卡号的特点，通过形态学方法处理卡号图像，使其特征突出易于识别。识别方面通过大量凸印银行卡卡号图像对3个浅层卷积网络进行训练，卡号识别的结果由3个网络的结果投票得出，保证了卡号识别的准确率。本发明构建的方法具有准确率高，速度快的优点，可以非常迅速准确地确定卡号宽度，分割卡号。使用的3个浅层神经网络比单个神经网络的识别模型准确率更高。
-
公开(公告)号：CN109190668A
公开(公告)日：2019-01-11
申请号：CN201810860574.4
申请日：2018-08-01
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于Faster-RCNN的多类证件检测与分类方法。首先人工选取适量的多类证件图片作为训练图片，制作训练数据集；然后基于Faster-RCNN模型进行学习，根据学习的结果调整参数、做数据增强处理，重新训练直到得到一个较好的多类证件图像检测与分类模型；最后，对测试图像进行预处理，利用训练好的模型对图像进行检测分类。本发明方法对较模糊、角度众多的证件图像同样能够取得较好的检测分类结果；本方法具有较强的实用性，良好的发展前景。
-
Patent Agency Ranking
公开(公告)号：CN108537816A
公开(公告)日：2018-09-14
申请号：CN201810342791.4
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于超像素和背景连接先验的显著物体分割方法，包括以下步骤：1、将输入图像分割为N个超像素，然后计算出每个超像素的显著值；2、通过背景连接先验在伪前景区域标记出前景超像素种子点和可能前景超像素种子点，在非伪前景区域中标记出背景超像素种子点和可能背景超像素种子点；3、利用四种超像素种子点和原图的所有超像素，求得原图中显著物体的超像素尺度分割结果；4、在包含显著物体的矩形区域中利用超像素尺度分割结果得到一个像素尺度的标记图，采用像素尺度GrabCut，计算得到显著物体分割结果。该方法能够快速、准确地利用显著图得出显著物体，为图像压缩、图像重定向、图像超分辨率提供快速有效的预处理结果。
-
公开(公告)号：CN108510485A
公开(公告)日：2018-09-07
申请号：CN201810261969.2
申请日：2018-03-27
Applicant: 福州大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于卷积神经网络的无参照图像质量评估方法，包括以下步骤：步骤S1：对训练图像集合中的训练图像进行局部归一化处理；步骤S2：将所述训练图像有重叠的划分成不同尺度的图块；步骤S3：使用卷积神经网络学习不同尺度图块的特征，并将多个不同尺度上生成的特征输入到三个全连接层来学习图块的质量评估分数；步骤S4：利用训练好的卷积神经网络预测待预测图像的所有图块的质量评估分数，计算待预测图像所有图块的平均质量评估分数作为图像最终的质量评估分数。该算法综合考虑了图像在不同尺度上的特征，能显著提高基于卷积神经网络的无参照图像质量评估性能。
-
公开(公告)号：CN108388920A
公开(公告)日：2018-08-10
申请号：CN201810172048.9
申请日：2018-03-01
Applicant: 福州大学
Abstract: 本发明公开了一种融合HOG和LBPH特征的身份证复印件检测方法，包括：首先选取大量身份证和非身份证图片作为训练样本集的正、负样本，分别对训练样本集提取HOG特征和LBPH特征，并训练SVM，得到第一分类器和第二分类器，利用第一分类器对测试图像进行目标检测，获取目标检测结果的LBPH特征；利用第二分类器根据目标检测结果的LBPH特征进行判断，保留判断结果为真的目标。本发明先利用HOG分类器进行检测，然后利用LBPH分类器对HOG检测结果进行再次检测，方法简单、快速、高效，检测准确率高。
-
公开(公告)号：CN104700311B
公开(公告)日：2018-02-06
申请号：CN201510046397.2
申请日：2015-01-30
Applicant: 福州大学
IPC: G06Q50/00
Abstract: 本发明涉及社会网络技术领域，特别是一种社会网络中的邻域跟随社区发现方法，包括以下步骤：步骤A：读取社会网络数据，构造以社会网络用户为节点，用户关系为边的社会网络图；步骤B：根据社会网络图，遍历社会网络图中的节点，确定节点间的跟随关系；步骤C：根据节点间的跟随关系，遍历社会网络图中的节点，将跟随同一节点的节点划分至同一社区，得到社会网络的社区结构。该方法可提高社区检测的精度和效率，且具有接近线性的时间复杂度，能够快速有效地挖掘社会网络中的社区结构，可应用于目标群体挖掘、精确营销等领域。
-
公开(公告)号：CN107609982A
公开(公告)日：2018-01-19
申请号：CN201710829612.5
申请日：2017-09-14
Applicant: 福州大学
Abstract: 本发明涉及一种考虑社区结构稳定度和增量相关节点进行社区发现的方法，包括以下步骤：1、生成初始社区集，设置社区的初始权重，并初始化迭代时刻；2、计算增量相关节点集合IVt；3、遍历每个社区，解散社区集NSt中社区权重和社区规模小于阈值的社区；4、对集合IVt中的节点进行社区划分，生成新社区；5、遍历每个新社区，解散社区规模小于阈值的新社区；6、遍历剩余相关节点集合IVt-rm中各节点，计算节点与相邻社区的相似度，将其加入相似度最高的社区，生成社区集NSt；7、更新每个社区的稳定度和权重；8、计算NSt的社区结构稳定度；9、判断是否满足迭代停止条件，以结束计算。该方法可以高效、准确地进行社区发现。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.024 seconds)
