一种异构图像压缩感知的阶数自适应多假设重构方法

    公开(公告)号:CN116996684A

    公开(公告)日:2023-11-03

    申请号:CN202310814110.0

    申请日:2023-07-05

    Applicant: 东华大学

    Abstract: 本发明面向泛化性较高的多假设预测压缩感知重构机制,提出一种阶数自适应多假设压缩感知重构方法。所提方法首先通过自适应线性预测器对各块进行预处理,根据预处理获得的相关性指标来改变多假设预测窗口大小,并依据块相似度对多假设窗口内的候选预测块进行排序,结合变换后的搜索窗口挑选不同数量的高相似候选预测块,进行多假设预测压缩感知重构的图像生成。本发明在异构图像集以及不同采样率下,对比传统多假设压缩感知重构方法以及现有基于多假设压缩感知的先进方法都具有良好的性能提升。本发明所提方法具有较低的时间复杂度与较高的恢复质量,综合性能更佳。

    一种基于双补偿和对比调节的水下图像处理方法

    公开(公告)号:CN116862794A

    公开(公告)日:2023-10-10

    申请号:CN202310814112.X

    申请日:2023-07-05

    Applicant: 东华大学

    Abstract: 本发明提出一种基于双补偿和对比调节的水下图像处理方法,首先将图像的R、G、B通道按照灰度值均值进行分类,根据中均值通道对小均值通道进行补偿,根据大均值通道对中均值通道进行补偿;之后采用分段灰度值拉伸的方法对图像通道的灰度值进行调整,以增强图像的对比度和整体亮度;然后,根据大均值通道对小均值通道和中均值通道进行颜色补偿,解决部分像素灰度值增强不足的问题并得到颜色矫正图像;最后通过计算原始图像和颜色矫正图像S和V通道的均值和标准差,将两者的均值和标准差作为限制对比度自适应直方图均衡化的参数,自适应地调节颜色矫正图像的S和V通道,得到最终的增强图像。本发明具有良好的颜色矫正能力和较低的算法复杂度。

    一种面向图像组分块压缩感知的测量端观测效能调控方法

    公开(公告)号:CN110087078B

    公开(公告)日:2023-06-02

    申请号:CN201910387957.9

    申请日:2019-05-10

    Applicant: 东华大学

    Abstract: 难控的观测效能是制约视频观测编码技术发展的主要难题。基于图像组分块压缩感知架构,本发明提供了一种模型引导的观测效能调控方法,测量端根据当前图像组的观测结果与GOP帧间相关模型,在功耗约束下为后一图像组预先分配关键帧/非关键帧的采样率和量化深度。当前图像组执行完观测编码,若当前功耗满足功耗约束,后一图像组仍然采用当前图像组的观测参数;否则,后一图像组进入递减模式或递增模式,根据GOP帧间相关模型更新观测参数。由于邻近的图像组具有近似的统计特性,所提方法为视频观测编码提供了一种在功耗约束下观测参数的预设机制,能够快速地为关键帧/非关键帧分配采样率和量化深度,为连续图像组提供优化的观测效能。

    面向水下图像集指导一致性增强评价的子集置信比例动态选取方法

    公开(公告)号:CN111179238B

    公开(公告)日:2022-12-20

    申请号:CN201911344138.2

    申请日:2019-12-24

    Applicant: 东华大学

    Abstract: 本发明提出了一种面向水下图像集指导一致性增强评价(CEQA)的子集置信比例动态选取方法,所提方法将现有CEQA体系的固定抽样比例进一步划分为若干份抽样子集,按照不放回抽样策略进行多次抽样,依次得到抽样子集Xi,然后利用某一水下图像增强算法对子集Xi进行逐幅图像的增强,得到增强后的图像子集Yi,接着使用图像质量度量准则分别对Xi与Yi中的每一幅图像进行打分,计算图像增强前后的质量得分差,统计Xi与Yi所对应的增强图像所占比例,并计算增强占比的均值与标准偏差。根据一定置信水平条件下的学生‑t分布,所提方法能够动态地确定子集选取比例,对该水下图像增强算法给出最终的一致性增强评价。

    一种面向图像集的置信度一致性增强质量评价方法

    公开(公告)号:CN108550140B

    公开(公告)日:2021-11-12

    申请号:CN201810267694.3

    申请日:2018-03-28

    Applicant: 东华大学

    Abstract: 本发明涉及一种面向图像集的置信度一致性增强质量评价准则,包括以下步骤:将原始图像集通过图像质量增强算法得到增强后的图像集;再使用现有的质量评价方法对原始图像集以及增强后的图像集中的全部图像进行质量评价,得到每幅图像增强前后的质量分数;算出各幅图像增强前后的质量分数差值,并求出质量分数差值的平均值U与标准差S;选取置信区间,对质量分数差值进行筛选;在筛选后的有效测试数据中求出一致性增强质量评价分数有效值,并判断该图像质量增强算法的一致性与稳定性。本发明可以在不同的质量评价方法下,为具体应用与特定参数标准找出适当的图像质量增强算法,并为所有的图像质量增强算法提供一个可靠性更高的质量评价体系。

    一种基于训练集样本低秩筛选的图像特征鉴别方法

    公开(公告)号:CN111275100A

    公开(公告)日:2020-06-12

    申请号:CN202010057887.3

    申请日:2020-01-16

    Applicant: 东华大学

    Abstract: 本发明公开了一种基于训练集样本低秩筛选的图像特征鉴别方法,基于2D LDA特征提取的最近邻分类器对噪声比较敏感,为此本发明将2D PCA低秩技术和2D LDA方法结合起来,所提方法通过进行训练集样本图像的有效信息择决操作,在一定置信度下获取不同类别的可靠样本,从而找到一个能够体现原始样本信息的容错训练子集。在图像特征鉴别中引入2D PCA预处理,可使筛选后的容错训练子集对噪声不敏感,使得后续的最近邻分类模型更加精确可靠,从而提高图像特征鉴别的鲁棒性和分类正确率,是大规模图像信息归类的一种有效方式。

    一种标签缺失情况下的低秩投影特征提取方法

    公开(公告)号:CN111259916A

    公开(公告)日:2020-06-09

    申请号:CN202010089419.4

    申请日:2020-02-12

    Applicant: 东华大学

    Abstract: 本发明公开了一种标签缺失情况下的低秩投影特征提取方法,所提方法逐一对样本数据和标签进行检测,获得当前样本和对应的标签。若当前样本标签属于正常范围,则继续检测下一个样本,若当前样本标签为缺失时,则计算每个样本在原始空间中距离该样本的欧氏距离,通过k近邻原则求得可能性最大的标签,并把对应于该样本的标签写入原始数据集中。在标签补偿后,构造最近邻图矩阵,通过PCA算法学习投影矩阵,并将投影矩阵应用到测试集上,用分类器执行归类。所提方法能够自适应地为各种归类模型提供更准确合理的训练数据,以帮助分类器生成更好的归类模型,提高图像分类的准确度和鲁棒性。

Patent Agency Ranking