-
公开(公告)号：CN113283531A
公开(公告)日：2021-08-20
申请号：CN202110641141.1
申请日：2021-06-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种结合分歧融合决策的半监督分类方法，其特征在于，包括如下步骤：1）模型初始化；2）预测伪标签和置信度；3）基于分歧的融合决策规则，筛选出高置信伪标记样本并计算相应的权重；4）将高置信样本加入原始有标记样本集，扩充训练集；5）动态重加权；6）重复步骤2）至步骤5），直至模型收敛。这种方法在提升模型分类精度的同时，有效地缓解了过拟合问题，提升模型泛化性能。
-
公开(公告)号：CN112164011A
公开(公告)日：2021-01-01
申请号：CN202011085140.5
申请日：2020-10-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于自适应残差与递归交叉注意力的运动图像去模糊方法，其特征在于，包括：1）去模糊网络框架的建立；2）浅层特征提取；3）自适应残差过程；4）递归交叉注意力过程；5）图像重建；6）判别网络模型。这种方法能解决运动模糊图像的非均匀性问题，去除伪影且获取更多的图像高频特征，重建出纹理细节丰富的高质量图像。
-
公开(公告)号：CN108334816A
公开(公告)日：2018-07-27
申请号：CN201810033455.1
申请日：2018-01-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于轮廓对称约束生成式对抗网络的多姿态人脸识别方法，其特征是，包括如下步骤：1）数据预处理；2）轮廓约束生成网络；3）对称约束对抗网络；4）训练平衡网络；5）重建与识别。这种方法能有效解决人脸图像的姿态角度偏转影响、提取到人脸在多姿态下更具鲁棒性的特征，特别在大角度姿态重建下将全局质量和局部细节相互约束，保持了正脸的轮廓特征信息，能满足实际应用中对多姿态人脸识别的高精度需求。
-
公开(公告)号：CN104112286B
公开(公告)日：2017-06-09
申请号：CN201410376417.8
申请日：2014-08-01
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种基于几何结构特征和自相似性的图像压缩感知重构方法。包括判定图像块的结构类型；使用同步正交匹配追踪算法对每个图像块获得重构估计值；为每个图像块进行局部和非局部相似块匹配；产生初始解集，进行优化，得到候选解集，进而得到图像块的优化重构估计值；将图像块按顺序拼接起来；重构图像。本发明能够有效减少图像压缩感知重构的不确定性，获得对图像更准确的重构估计。
-
公开(公告)号：CN103442180B
公开(公告)日：2017-02-08
申请号：CN201310377399.0
申请日：2013-08-27
Applicant: 桂林电子科技大学
Abstract: 本发明的基于SOPC的双目视频拼接装置，包括以NiosII软核处理器为核心的SOPC系统，其一对CMOS图像传感器通过FPGA端口与一对双目视频采集模块分别连接；一对双目视频采集模块一起连接双目视频存储模块；双目视频存储模块输出端的一路经特征提取协处理器与双目视频输出模块相连接，另一路与双目视频显示模块相连接；双目视频输出模块还分别连接NiosII处理器和上位机，双目视频显示模块还连接VGA显示器。本发明的双目视频拼接方法，通过欧氏距离法对特征点进行粗匹配，然后使用KNN法提出部分误匹配点，最后采用RANSAC计算出单应性矩阵，再经由柱面空间转换及线型加权融合，实现一帧双
-
Patent Agency Ranking
公开(公告)号：CN104077761B
公开(公告)日：2017-01-11
申请号：CN201410293009.6
申请日：2014-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于自适应稀疏表示的多聚焦图像融合方法，根据原始图像中结构特征的不同将子块进行分类，使原始图像分为相同模型、平滑模型和细节模型。然后将相同模型直接放入融合结果图像中，对平滑模型和细节模型分别采用算术平均法和稀疏表示法进行图像块融合。本发明的有优点是能够分割出平滑模型和细节模型，减少稀疏编码的图像块数，从而在确保融合图像主观效果和客观性能指标均优的基础上，缩短了运算时间。
-
公开(公告)号：CN103868460B
公开(公告)日：2016-10-05
申请号：CN201410094119.X
申请日：2014-03-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于视差优化算法的双目立体视觉自动测量方法，1）得到校正后的双目视图；2）利用立体匹配算法以左视图为基图进行匹配，得到初步的视差图；3）对校正后的左视图，目标物体区域为彩色原图，其他非目标区域全为黑；4）根据目标物体区域，获得目标物体区域的完整视差图；5）对完整视差图，根据投影模型获得三维点云；6）对三维点云，进行坐标重投影，合成坐标关联像素图；7）利用形态学的方法，实现自动测量目标物体的长度和宽度。本发明简化了双目测量操作过程；减少了平滑表面的镜面反射、投影缩减、透视失真、低纹理和重复纹理影响；实现了自动化智能化测量，扩展了双目测量的应用范围，为后续的机器人双目视觉提供技术支持。
-
公开(公告)号：CN104182734A
公开(公告)日：2014-12-03
申请号：CN201410405891.9
申请日：2014-08-18
Applicant: 桂林电子科技大学
IPC: G06K9/00
Abstract: 本发明公开一种基于LRC和协同表示的两阶段人脸识别方法，第一阶段，运用LRC人脸识别算法计算测试样本与每类训练样本的误差，根据它们之间的相似度量与误差的关系对误差进行排序，并对数据库中的目标进行有效的筛选，筛选出S类训练样本用于下一阶段的识别。第二阶段，用筛选出的S类训练集作CRC人脸识别算法的编码字典，并利用其做精确的分类识别。这样可以在保证方法识别率较高，鲁棒性较好的同时，大大能降低了识别时间，当新目标加入数据库时，不用更新整个人脸数据模型，只需更新某一子类模型，从而减少训练时间；并且，通过第一阶段的训练样本的筛选，大大减小了第二阶段识别中数据字典的大小，节约了全局搜索的时间。
-
公开(公告)号：CN110866929B
公开(公告)日：2022-12-27
申请号：CN201911098771.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
IPC: G06T7/12
Abstract: 本发明提出了一种图像轮廓分割方法及系统。所述分割方法包括如下步骤：首先获取原始图像的边缘指示函数和梯度矢量流，在迭代获取水平集函数的过程中，利用边缘指示函数、梯度矢量流和第n‑1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，进而计算水平集函数。本发明在计算水平集函数的过程中引入局部边缘特征(边缘指示函数)，从而能更好的保留图像的细节特征，减小弱边界和强度不均匀图像的边界泄露。本发明在计算水平集函数的过程还引入测地边缘项，全面利用图像的边缘信息，增强模型的分割性能，减小复杂背景的干扰，提高了弱边界图像和强度分布不均匀的图像的分割精度。
-
公开(公告)号：CN109859106B
公开(公告)日：2022-07-05
申请号：CN201910079727.6
申请日：2019-01-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于自注意力的高阶融合网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）建立重建模型；2）CNN网络特征提取；3）自注意力模块中的自注意力支路特征提取；4）自注意力模块中的主干支路特征提取；5）特征的高阶融合；6）图像重建。这种方法能有效的解决因预处理带来的额外计算量，且能恢复出更多的纹理细节来重建出高质量的图像。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.055 seconds)
