-
公开(公告)号：CN113361492A
公开(公告)日：2021-09-07
申请号：CN202110813505.X
申请日：2021-07-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于正交三角分解的光照不变特征提取方法，包括如下步骤：步骤1：采集人脸彩色图像，并转化为人脸灰度图像；步骤2：通过正交三角分解算法，获得局部邻域的上三角矩阵对角线元素，并对其进行非线性放大；步骤3：对步骤2获得的非线性放大后的上三角矩阵对角线元素，构造光照不变特征。本发明充分考虑了人脸灰度图像的光照特性，通过正交三角分解算法，能有效消除阴影边缘的影响。
-
公开(公告)号：CN113076994A
公开(公告)日：2021-07-06
申请号：CN202110349864.4
申请日：2021-03-31
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了图像识别技术领域的一种开集域自适应图像分类方法及系统，利用通道注意力机制，使网络更好地获取域不变特征，便于特征的迁移，同时使其更容易训练。包括将从源域中获取的带标签样本、从目标域中获取的无标签样本分别输入基于通道注意力模块的特征提取器中，获取加权后的多通道特征图；将加权后的多通道特征图送入标签分类器，将带标签样本划分为K个已知类别，将无标签样本划分为在源域中可见的K个已知类别和在源域中不可见的一个未知类别；将来自源域和目标域的已知类别送入域辨别器，并基于对抗生成网络强化域不变特征提取；基于协方差匹配，缩小源域与目标域之间的域间差异。
-
公开(公告)号：CN105808723B
公开(公告)日：2019-06-28
申请号：CN201610128827.X
申请日：2016-03-07
Applicant: 南京邮电大学
IPC: G06F16/583 , G06F16/53
Abstract: 本发明公开了基于图片语义和视觉散列的图片检索方法，该方法能同时表征图片语义相似性和视觉相似性的新颖的散列函数。本发明方法包括以下步骤：首先利用图片特性和视觉特性训练语义散列函数；然后，利用最大熵原则，获得紧凑的二进制码；最后，利用函数衰减原理，消除视觉特征的噪声。本发明能满足两方面的一致性：一是能满足散列二进制码和图片语义表示间的一致性，二是能满足散列二进制码和图片视觉表征的一致性。本发明可以方便人们在公共图片库中检索感兴趣的图片，在公共视频库中具有良好的检测性能。
-
公开(公告)号：CN104715480B
公开(公告)日：2018-07-17
申请号：CN201510107283.4
申请日：2015-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于统计背景模型的目标检测方法，该方法包括以下步骤：针对光照变化运用一种新的自适应高斯混合模型技术，构建基于全局信息的背景统计模型；针对动态变化，在对背景图像基于自整定谱聚类的基础上，通过核密度估计方式，构建基于局部信息的背景统计模型。本发明能在光照与动态扰动情况下，构建出一种稳健的背景模型，从而实现对前景目标的精确检测。
-
公开(公告)号：CN106951827A
公开(公告)日：2017-07-14
申请号：CN201710092206.5
申请日：2017-02-21
Applicant: 南京邮电大学
IPC: G06K9/00
CPC classification number: G06K9/00718 , G06K9/00744
Abstract: 本发明公开了一种基于目标运动特性的全局异常行为检测方法，属于视频行为检测的技术领域，包括以下步骤：提取视频中运动目标的运动特性；根据所提取运动特性对运动目标分别进行基于能量、基于色散和基于拉格朗日粒子动力学的异常行为模型学习和确立；依据确立的基于能量、基于色散和基于拉格朗日粒子动力学的异常行为模型进行运动目标的全局异常行为检测，确定异常区域并进行标记。本发明依据视频异常行为的固有特点，能有效提高全局异常行为检测的准确性和检测的效率，使用三个模型进行异常行为检测，进一步提高了检测精度。
-
Patent Agency Ranking
公开(公告)号：CN106874917A
公开(公告)日：2017-06-20
申请号：CN201710095034.7
申请日：2017-02-22
Applicant: 南京邮电大学
CPC classification number: G06K9/4671 , G06K9/6223 , G06K2209/21
Abstract: 本发明公开了一种基于Harris角点的显著性目标检测方法，包括步骤：利用Harris角点检测方法检测原始图像和滤波后图像中目标的特征点以生成凸包；将输入的原始图像超像素分割成N个超像素，及根据计算的基于凸包外和凸包内超像素的显著值分别生成背景线索显著图和前景线索显著图；基于凸包中心算法将所生成背景线索显著图和前景线索显著图结合，获得统一的显著图；利用贝叶斯公式对所得统一的显著图加强及计算获得后验概率图；利用K‑means聚类算法计算所得后验概率图中的超像素来扩散它们之间的显著性，以获得最终的显著图。本发明的方法可以使得显著目标在图像边界区域完整，提高了图像显著性效果。
-
公开(公告)号：CN104966058A
公开(公告)日：2015-10-07
申请号：CN201510325808.1
申请日：2015-06-12
Applicant: 南京邮电大学
CPC classification number: G06K9/00711 , G06K9/00342 , G06K9/6269 , G06K9/6282
Abstract: 本发明公开了一种基于分层二叉树的行为识别方法，该方法包括以下步骤：首先，基于运动机理将整个图像划分为5个子区域；然后，提取每个子区域的光流频域信息，用于表征各个区域的运动特性；最后，基于改进的平衡二叉决策树-支持向量机算法，实现运动目标的行为识别。基于KTH数据库的实验结果表明，本发明所提方法有助于提高行为识别的准确性。
-
-
公开(公告)号：CN104715238A
公开(公告)日：2015-06-17
申请号：CN201510106784.0
申请日：2015-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多特征融合的行人检测方法，该方法包括如下步骤：对获取的深度图像进行降噪处理；利用深度阈值实现感兴趣区域检测；在获取HOG-LBP联合特征的基础上，利用分类器实现目标检测。本发明依据一种基于多特征融合的行人检测方法，将HOG和LBP的融合特征用支持向量机分类进行分类。本发明具有更强的行人表征能力，在复杂背景下行人检测正确率明显提高。
-
公开(公告)号：CN104102647A
公开(公告)日：2014-10-15
申请号：CN201310117356.9
申请日：2013-04-07
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30277
Abstract: 本发明提供了一种全新的基于无参数量子估计的图像检索框架。在该框架中，我们将数据库图像看做光源产生的光子，检索过程看做通过查询偏振滤波器来估计数据库图像的相关性。该框架的基本思路是：首先，利用预滤波滤除掉数据库中那些相关度较低的图片，以降低计算花费；然后，利用半监督学习方法，计算相关度较高的那些图像与输入查询图像间的相关性概率；最后，通过无参数量子估计优化排名靠前那些图像的相关性，以得到满意的检索结果。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.034 seconds)
