-
公开(公告)号：CN107103592B
公开(公告)日：2020-04-28
申请号：CN201710223815.X
申请日：2017-04-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双核范数正则的多姿态人脸图像质量增强方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和高低分辨率训练样本图像各个像素位置的图像块；其次，对低质量测试图像中的每个图像块，运用局部约束双核范数正则回归方法获得其在低质量训练样本图像中对应位置上的图像块集合的线性表示；再次，在保持表示系数不变的情况下，用高质量训练样本图像块替换低质量训练样本图像块，从而获得低质量测试图像块对应的高质量测试图像块；最后，对步骤3中的高质量测试图像块进行串联和整合，从而获得高质量的测试图像。
-
公开(公告)号：CN107133268B
公开(公告)日：2020-03-31
申请号：CN201710211954.0
申请日：2017-04-01
Applicant: 南京邮电大学
IPC: G06F16/9535
Abstract: 本发明涉及一种用于Web服务推荐的协同过滤方法，首先从原QoS数据中提取出用户偏好数据，将其作为相似邻居近似度计算的源数据；其次从原QoS数据中提取出服务可信度数据，将其作为服务的个性化比重融入用户邻居相似度计算的过程中；然后使用top‑k算法确定目标用户的相似邻居集合；最后联合用户邻居的偏好相似度比重使用调和的皮尔逊相关系数算法(pcc)预测目标用户各未知服务的QoS值。通过WSDREAM库上197万条真实Web服务QoS数据集进行的实验，证明了所提算法相比于目前基于协同过滤的Web服务推荐算法，能有效提高QoS预测准确率从而提高Web服务推荐质量。
-
公开(公告)号：CN110909623A
公开(公告)日：2020-03-24
申请号：CN201911052349.9
申请日：2019-10-31
Applicant: 南京邮电大学
Abstract: 本发明提出了一种三维目标检测方法及三维目标检测器。所述三维目标检测方法主要包括以下步骤：对三维目标检测数据集的图像数据进行语义分割，得到语义预测；将语义预测投影到点云空间中，并筛选特定类别的点形成视锥；构建三维目标检测网络，并将视锥作为三维目标检测网络的输入；通过损失函数强化三维目标检测网络对目标的敏感程度；优化三维目标检测网络。本发明大大减少了三维检测的时间并且降低了计算需求，使得输入更加简单，具有很好的实时目标检测性能，在保持实时检测的同时也能获得很好的检测效果。
-
公开(公告)号：CN105809716B
公开(公告)日：2019-12-24
申请号：CN201610128869.3
申请日：2016-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开了融合超像素与三维自组织背景减除法的前景提取方法，该方法包括以下步骤：首先，使用超像素分割方法，将所有区域进行分割迭代；然后，使用三维自组织背景减除算法，图像背景建模；最后，通过最佳权重策略，实现前景运动目标提取。本发明提出的融合超像素分割的三维自组织背景减除算法，能有效检测缓慢运动的目标与进入场景后暂时静止的目标，在一定程度上提高了检测精度和处理速度。本发明结合超像素算法与三维自组织背景减除算法结合的框架，实现运动目标检测，加快了处理速度和处理效果。
-
公开(公告)号：CN109815889A
公开(公告)日：2019-05-28
申请号：CN201910055693.7
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于特征表示集的跨分辨率人脸识别方法，包括以下步骤：先获取高分辨率训练样本图像、低分辨率测试样本图像和高低分辨率训练字典图像各个像素位置的图像块；然后对低质量测试图像中的每个图像块，运用图像块的约束P范数正则回归方法获得其在低质量训练字典图像中对应位置上的图像块集合的线性表示，运用同样方法对高分辨率训练样本图像获得其在高分辨率字典对应位置上图像块集合的线性表示；再对低分辨率测试图像块特征表示集合和高分辨率训练图像特征表示集进行相似性度量；最后测试图像类别。本发明的优点是：能对分辨率不一致的人脸图像进行准确身份识别，有效解决了因人脸图像分辨率不一致难以识别的问题。
-
Patent Agency Ranking
公开(公告)号：CN109618400A
公开(公告)日：2019-04-12
申请号：CN201910083764.4
申请日：2019-01-28
Applicant: 南京邮电大学
Abstract: 一种无线传感器网络数据传输方法、可读存储介质和终端，所述无线传感器网路包括多个分簇，每个分簇包括簇头节点和多个其他传感器节点，所述分簇内的其他传感器节点基于自身与簇头节点之间的距离被划入一个以上的分簇，所述方法包括：分簇内的簇头节点在预设的时间周期内轮流唤醒自身分簇内的其他无线传感器节点；被唤醒的其他无线传感器节点在对应的唤醒周期内采集监测数据并将采集到的监测数据发送至所述簇头节点；所述簇头节点接收对应时间周期中自身分簇内的被唤醒的其他无线传感器节点发送的监测数据并将所接收的监测数据进行数据融合后发送至对应的基站节点。上述的方案，可以降低网络能耗，延长无线传感器网络的生命周期。
-
公开(公告)号：CN108665482A
公开(公告)日：2018-10-16
申请号：CN201810346647.8
申请日：2018-04-18
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于VGG深度网络的视觉目标跟踪方法，包括如下步骤：S1、编译MatConvNet的运行环境；S2、构建VGG深度神经网络；S3、进行视频帧输入，并判断输入帧是否为初始帧，若输入帧为非初始帧，则进入S4，若输入帧为初始帧，则跳过S4、进入S5；S4、进行目标新状态估计，随后进入S5；S5、进行滤波器模型的在线更新。本发明与传统的视觉目标跟踪方法相比，在特征上包含了更多的语义信息，可以有更高的跟踪精度。而与利用高层深度特征的视觉目标跟踪方法相比，本发明所使用的低层数据既可以节约计算损耗，而又不缺失语义信息。因此，本发明在跟踪精度和跟踪速度上做了权衡，获得了优异的跟踪性能。
-
公开(公告)号：CN108615052A
公开(公告)日：2018-10-02
申请号：CN201810335966.9
申请日：2018-04-13
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种无同类训练样本情形下的图像识别方法，本方法能有效减少在无同类训练样本情形下图像识别过程中语义迁移和已知类别训练样本属性噪声问题带来的影响。我们采用正太分布虚拟出已知类别训练样本的真实属性来减少其属性噪声问题带来的影响，其次基于已知类别训练样本特征和其虚拟的真实属性利用编码器—解码器模型学习一个属性预测器来达到有效减少语义迁移问题影响的目的，最后通过最近邻分类器获得待测试未知类别样本的标签。与现有的其他方法相比，我们的方法在识别率和识别速率上均取得显著提高。
-
公开(公告)号：CN108447102A
公开(公告)日：2018-08-24
申请号：CN201810141334.9
申请日：2018-02-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种低秩与稀疏矩阵分解的动态磁共振成像方法，涉及磁共振成像领域。本发明将低秩与稀疏模型引入动态磁共振成像；令低秩与稀疏分解通过非相关性要求分析，并完成改进；将改进的低秩与稀疏分解应用到欠采样动态磁共振成像的图像重建。采用本发明能够保证图像重建的质量和成像速度；在相同的欠采样率的情况下，改善了图像重建质量。
-
公开(公告)号：CN107194873A
公开(公告)日：2017-09-22
申请号：CN201710328907.4
申请日：2017-05-11
Applicant: 南京邮电大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.024 seconds)
