基于深监督学习的图像显著性目标检测方法

    公开(公告)号:CN113139431A

    公开(公告)日:2021-07-20

    申请号:CN202110312130.9

    申请日:2021-03-24

    Abstract: 本发明公开了一种基于深监督学习的图像显著性目标检测方法,首先,修改VGG‑16网络以适应显著性检测任务,去除网络的最后一层池化层和所有全联接层,利用修改后的VGG‑16网络来提取图像的多尺度特征信息,递归融合多尺度特征,得到显著性图像;为了加强图像的边界,将真值图像依次下采样到特征图像同样的大小,来自像素级的信息监督每一层的显著性图像预测,促进预测中的互补效应,递归指导每一层的显著性特征图像,优化边界信息,增强最后的显著性图像效果。本发明解决了现有技术多尺度显著性检测存在的边界模糊等问题。

    基于图像DCT域的SVD分解的模糊检测方法

    公开(公告)号:CN108510496B

    公开(公告)日:2020-09-22

    申请号:CN201810313311.1

    申请日:2018-04-09

    Abstract: 本发明提出了一种基于图像DCT域的SVD分解的模糊检测方法。首先计算待测图像的梯度图,图像的边缘信息可以从梯度图中得到,然后把梯度图进行分块,并进行DCT变换,因为DCT域的交流系数反映了图像的边缘和清晰度,接着差分矩阵来分析DCT域的交流系数信息,通过计算差分矩阵的奇异值,并构造响应函数来表示块的图像的模糊程度,最终用均值和方差去归一化图像块响应之和,来消除图像内容的影响。实验表明该方法得到的模糊分数与人眼对图像的主观评价分数高度一致。本发明的检测模型考虑到图像变模糊过程中的边缘变宽,清晰度变弱等特点,并有效的消除图像内容的影响,因此检测准确率很高,而且检测效率快,整体性能优于前人的方法。

    基于PCA和FCM聚类算法的三维模型可逆水印嵌入及提取方法

    公开(公告)号:CN110544196A

    公开(公告)日:2019-12-06

    申请号:CN201910815066.9

    申请日:2019-08-30

    Abstract: 本发明涉及一种基于PCA和FCM聚类算法的三维模型可逆水印嵌入及提取方法。本发明在结合传统的嵌入水印方法,并在此基础上进行创新优化,使其效率大大提高。本发明通过传统的PCA算法对三维模型进行坐标系重构,再通过FCM聚类对顶点进行分块处理,通过分组多次嵌入水印,来达到发明目的。实验结果证明该方法能有效地对三维模型进行水印的嵌入和提取。另外,本发明相比较于传统方法,在可逆性上有了较好处理,并且在三维模型的抗平移,旋转,缩放和剪裁方面有了较大改进,大大优于之前的算法,并且在数据容量上提高了近一个数量级。

    一种基于高阶奇异值分解的多曝光图像融合方法

    公开(公告)号:CN110211077A

    公开(公告)日:2019-09-06

    申请号:CN201910396691.4

    申请日:2019-05-13

    Abstract: 本发明公开了一种基于高阶奇异值分解的多曝光图像融合方法,其将曝光图像的亮度通道图像分成重叠的亮度块,利用高阶奇异值分解获取亮度块的核张量和第三模式因子矩阵,进而获得亮度块的特征系数和活动等级测度,根据亮度块的第一和第二模式因子矩阵及特征系数和活动等级测度获得融合后的亮度块,对得到的亮度通道图像进行线性变换,得到融合后的亮度通道图像;通过计算曝光图像的第一色度通道图像中的像素点的融合系数,得到融合后的第一色度通道图像;通过计算曝光图像的第二色度通道图像中的像素点的融合系数,得到融合后的第二色度通道图像;根据融合后的三个通道的图像得到融合图像;优点是能获得较好的细节纹理和丰富的颜色信息。

    3D食品模型打印机
    46.
    发明公开

    公开(公告)号:CN109170994A

    公开(公告)日:2019-01-11

    申请号:CN201810899314.8

    申请日:2018-08-08

    Abstract: 本发明提供了一种3D食品模型打印机,属于机械技术领域。它解决了现有技术存在着适用性差的问题。本3D食品模型打印机,包括机架,包括连接在机架上的打印装置、清洗装置和搅拌装置,上述搅拌装置能将多种打印原料混合搅拌,上述搅拌装置与打印装置相连通且混合后的打印原料能进入打印装置处,上述打印装置能利用上述的混合打印原料进行3D食品模型打印,上述清洗装置能对搅拌装置进行清洗。本3D食品模型打印机适用性高。

    一种基于深度学习的视频摘要在线生成方法

    公开(公告)号:CN104113789B

    公开(公告)日:2017-04-12

    申请号:CN201410326406.9

    申请日:2014-07-10

    Abstract: 本发明涉及一种基于深度学习的视频摘要在线生成方法。本发明对原始视频做如下操作:1)将视频均匀切分成一组小帧块,提取各帧图像的统计特征,形成相应的向量化表示;2)预训练视频帧多层深度网络,获得各帧的非线性表示;3)选取前m帧块为初始精简视频,并通过组稀疏编码算法对其进行重构,获得初始词典和重构系数;4)根据下一帧块更新深度网络参数,并对该帧块进行重构和计算重构误差,若误差大于设定阈值,则将其加入精简视频中并更新词典;5)按照步骤4)依次在线处理新的帧块直到结束,更新的精简视频即为生成的视频摘要。本发明能够深度挖掘视频的潜在高层语义信息,快速地在线生成视频摘要,节省了用户时间,提升了视觉体验。

    基于球面参数化的三维网格模型数字水印方法

    公开(公告)号:CN101833742A

    公开(公告)日:2010-09-15

    申请号:CN201010135889.6

    申请日:2010-03-30

    Inventor: 李黎

    Abstract: 本发明涉及一种基于球面参数化的三维网格模型数字水印方法。当前数字水印技术大都是针对静止图像、视频流和音频流这些媒体数据类型的,而对三维几何模型数据的水印技术的研究工作相对较少。本发明的三维网格模型水印方法利用网格全局球面参数化的方法得到网格的球面调和分析系数,将水印嵌入调和分析系数中,然后进行相应的逆变换得到嵌入水印的网格。本方法还解决了由于采样和嵌入水印而造成的网格变形问题,而且在提取水印过程中将网格水印信息进行放大和对水印的特殊编码策略以利于水印的提取。本发明方法提取水印不需要原始网格,不需要预处理,可以抵抗很多攻击,攻击包括加噪、光滑、增强、旋转、平移、缩放、重采样、裁剪和一些组合攻击。

Patent Agency Ranking