-
公开(公告)号：CN102522082A
公开(公告)日：2012-06-27
申请号：CN201110444850.7
申请日：2011-12-27
Applicant: 重庆大学
Abstract: 本发明是用于公共场所异常声音识别及定位方法，属于音频信号处理技术领域。该方法通过双阈值算法和Welch法估计功率谱来判定公共场所是否存在异常声音；然后将异常声音特征时序信号转换为时频域的谱图，利用听觉感知的稀疏编码声音识别技术解决异常声音的特征提取及分类识别问题。为了抑制公共场所背景噪声中脉冲噪声对异常声音定位的影响，引入非线性变换，增强异常声音的互相关函数峰值能力。对传统的HB加权函数进行改进，降低由低信噪比带来的权值变化。引入一种多帧数据加权处理，使新的HB加权广义互相关算法更加适合于处理公共场所复杂声学环境中的异常声音定位能力。由于该方法结合基于听觉感知的稀疏编码声音识别技术和改进的到达时间差的声源定位技术，可以更好的利用异常事件所伴随的声音信息，可以提高公共场所监控系统的智能化水平。
-
公开(公告)号：CN102147915A
公开(公告)日：2011-08-10
申请号：CN201110116829.4
申请日：2011-05-06
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种权重的稀疏边缘正则化图像复原方法，（1）运用差分算子得到模糊噪声图像各个方向的梯度信息，并进行方向随机的组合，得到图像边缘的矩阵数学模型；（2）根据图像稀疏性原理以及不确定方程最佳稀疏解的定义，针对步骤（1）中得到的图像边缘模型，采用一种权重的稀疏性约束，约束图像的边缘，结合已知的退化函数，推导出图像复原的代价函数；（3）根据步骤（1）和步骤（2），利用一种改进的上界最小化方法对代价函数进行最优化求解，得到清晰的复原图像。本发明方法极大地丰富了图像边缘的信息量；采用一种权重的稀疏性边缘约束，有效地保护了图像的边缘特性；利用一种改进的上界最小化数学方法，得到高质量的复原图像。
-
公开(公告)号：CN108711141B
公开(公告)日：2022-02-15
申请号：CN201810475368.1
申请日：2018-05-17
Applicant: 重庆大学
Abstract: 本发明提出利用改进的生成式对抗网络的运动模糊图像盲复原方法，通过生成网络和判别网络对抗训练获得清晰图像，它的特点是不需要估计模糊核，可实现端对端图像盲复原。生成网络是与残差网络结合的全卷积神经网络，可加深网络层，同时降低训练时间。判别网络是由卷积层，池化层和全连接层组成的二分类网络，用于判定生成网络复原出的图像或原始清晰图像。损失函数采用平滑及非饱和梯度的最小均方差，可优化网络训练，避免梯度消失。同时在生成网络的损失函数中增加图像保真项，用于约束复原图像的分布更接近于清晰图像。
-
公开(公告)号：CN109919871A
公开(公告)日：2019-06-21
申请号：CN201910164437.1
申请日：2019-03-05
Applicant: 重庆大学
Abstract: 本发明提出一种基于图像和模糊核混合约束的模糊核估计方法，包括在模糊核估计模型中的使用图像L0混合约束和模糊核L2混合约束，利用图像梯度L0正则项作为全局先验来保护图像边缘，图像梯度暗通道L0正则项作为局部先验来保护清晰图像暗通道稀疏性；对模糊核及其梯度施加L2正则项来保护模糊核的稀疏性和连续性；然后在求解过程中引入凸性近似和线性近似来解决L0正则项和暗通道约束带来的非凸非线性问题，基于半二次分裂算法对提出的模糊核估计模型实现求解。本发明针对模糊图像能够估计出较为准确的模糊核，尤其是当处理丰富场景模糊图像时，由本发明方法估计出的模糊核可复原出比传统方法更为清晰的图像。
-
公开(公告)号：CN104657948B
公开(公告)日：2018-03-13
申请号：CN201510066567.3
申请日：2015-02-09
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明提出一种用于海洋探测的激光水下成像图像去噪和增强方法，属于图像处理、模式识别领域，其核心在于首先在空域运用奇异值分解(SVD)和重构对激光水下成像图像进行噪声处理；其次，针对SVD处理后图像仍有部分噪声存在的问题，在小波域对图像进行小波分解和重构，实现小波去噪和增强的目的；最后，在频域对图像进行FFT增强，提高图像对比度并有效保持图像清晰度。实验表明本发明方法能有效克服局部直方图均衡化所引起的块效应，实现图像增强的同时有效抑制图像噪声并保持图像清晰度。
-
Patent Agency Ranking
公开(公告)号：CN106228979A
公开(公告)日：2016-12-14
申请号：CN201610674982.1
申请日：2016-08-16
Applicant: 重庆大学
Abstract: 本发明涉及一种公共场所异常声音的提取及识别方法，对极点对称模态分解(ESMD)进行改进，简称D-ESMD，其特点是：在公共场所异常声音中加入随机T分布序列信号，减小公共场所背景噪声对异常声音特征提取的影响；针对原始ESMD在分解异常声音时，分解效果欠佳的问题，提出对称中点插值替代极值中点奇偶插值方法，提高异常声音分解效率与识别率；针对原始ESMD在有效分解模态选择上的缺陷，提出基于排列熵算法对ESMD分解得到的模态进行复杂性检测，自适应得到异常声音有效模态分量。利用本发明可以充分描述异常声音的特征，并得到较好的分类识别结果，更能够准确提取异常声音的特征，并且对环境背景噪声具有较好的鲁棒性。
-
公开(公告)号：CN106204502A
公开(公告)日：2016-12-07
申请号：CN201610682501.1
申请日：2016-08-17
Applicant: 重庆大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20056
Abstract: 本发明提出一种混合阶L0正则化模糊核估计方法，特点为对模糊核估计模型中的中间清晰图像进行混合阶L0正则化约束，利用一阶约束保护图像边缘，二阶约束抑制一阶约束产生的振铃效应，复原出清晰的中间图像；然后在模糊核估计模型中增加改进的自适应调整因子，从中间清晰图像中提取出更多的有利于模糊核估计的显著边缘信息。根据半二次性的变量分裂技术则可求解提出的模糊核估计模型。本发明在人造模糊图像和真实模糊图像进行的实验证明：提出的模糊核估计方法是有效的，复原出的图像与近几年极具代表性的方法相比，主观视觉效果和客观评价指标都有明显提高。
-
公开(公告)号：CN105894478A
公开(公告)日：2016-08-24
申请号：CN201610435536.5
申请日：2016-06-17
Applicant: 重庆大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于统计局部秩特征的图像去噪方法，首先利用局部秩算子，在不同参数条件下对图像进行局部秩变换，得到图像的正局部秩变换和负局部秩变换；接着将所述正局部秩变换和负局部秩变换相加得到参数连续变化的统计局部秩特征；之后在稀疏表示的图像去噪方法的基础上，将所述统计局部秩特征作为约束条件对图像进行初次去噪；最后通过控制去噪前与去噪后图像之间所述统计局部秩特征的差异对图像进行二次去噪，实现图像噪声的去除，获得最终的清晰图像。其显著效果是：与传统的基于稀疏表示的去噪方法相比，具有更佳的去噪效果，能够获得质量更高的去噪图像，进而能有效保障后续图像处理和分析的可靠性。
-
公开(公告)号：CN103730109B
公开(公告)日：2016-02-03
申请号：CN201410016150.1
申请日：2014-01-14
Applicant: 重庆大学
Abstract: 本发明涉及公共场所异常声音特征提取方法，属音频信号处理技术领域。方法采用基于T分布的随机噪声代替原始的总体局部均值分解模型中的高斯白噪声，推导出基于T分布的总体局部均值分解模型（TD-ELMD）。并利用TD-ELMD模型分解公共场所异常声音信号，得到一系列从低频到高频的乘积函数（PFi）。并将各阶PFi的能量与原始信号的总能量之比作为公共场所异常声音特征向量。最后输入支持向量机（SVM）分类器进行分类识别。本发明提出的TD-ELMD模型更能够反映公共场所异常声音信号的特点，与目前常用的提取方法相比，其特征描述能力更强，对公共场所异常声音的识别具有更好的鲁棒性。
-
公开(公告)号：CN104902178A
公开(公告)日：2015-09-09
申请号：CN201510278383.3
申请日：2015-05-27
Applicant: 重庆大学
Abstract: 本发明公开了一种原数据分析与成像并行处理方法，步骤包括：S1：获取原数据；S2：由独立的算法处理单元进行原数据分析，得到分析结果；S3：由独立的成像处理单元进行图像成像，得到数字图像成像结果；S4：将所述分析结果与成像结果进行信息融合，得到最终的处理结果。步骤S2与S3同时进行。本发明提供直接针对图像传感器输出的原数据进行分析，避免了数字图像成像过程中为适应人类感官进行转换所造成的信息损失，有效提高了图像处理算法的鲁棒性和处理精度。本发明有效利用了并行计算和多核化处理设计的优势，实现了图像分析与成像的并行处理，摆脱了当前数字图像分析必须在成像环节之后进行的限制，极大提高了图像处理算法的实时性。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.023 seconds)
