-
公开(公告)号：CN115619639A
公开(公告)日：2023-01-17
申请号：CN202211256497.4
申请日：2022-10-14
Applicant: 河北工业大学
Abstract: 本发明为一种小目标复制‑粘贴篡改图像的盲取证方法，阶段一，对输入图像进行预处理，利用残差超分网络提取预处理的输入图像的残差特征，并将残差特征进行超分，得到超分图像；阶段二，首先对篡改图像进行预处理，将预处理的篡改图像输入到训练后的残差超分网络中，得到残差特征和超分图像；接着提取超分图像的频域特征，再对频域特征与残差特征进行融合，得到跨域特征，并从跨域特征中提取多尺度特征；最后，通过卷积操作和上采样操作得到多尺度特征的预测掩膜，各个预测掩膜分别经过卷积操作变为同一维度后再逐点相加，得到预测分割图，完成盲取证。将篡改图像超分为高分辨率图像，提高网络对小目标的识别能力；充分利用篡改图像中的频域信息获取篡改伪影，提高网络对篡改区域的检测能力。
-
公开(公告)号：CN110909673B
公开(公告)日：2022-09-16
申请号：CN201911148055.6
申请日：2019-11-21
Applicant: 河北工业大学
Abstract: 本发明一种基于自然语言描述的行人再识别方法，涉及用于识别图形记录载体的处理，具体说是设计图像和自然语言描述双分支网络结构，图像分支网络结构采用MobileNet卷积网络进行图像特征提取，自然语言描述分支网络结构通过BiLSTM网络进行文本特征提取，对于图像特征和文本特征之间的相似性度量部分进行构建堆叠损失函数并进行网络训练，用训练好的网络在待测图像集中搜索所包含的对应的行人图像，实现基于堆叠损失函数的自然语言描述的行人再识别，克服了现有技术中所存在的特征提取部分文本特征表征性不高，损失函数部分训练网络困难训练时间长及训练过程要消耗大量内存的缺陷。
-
公开(公告)号：CN113496217B
公开(公告)日：2022-06-21
申请号：CN202110773121.X
申请日：2021-07-08
Applicant: 河北工业大学
Abstract: 本发明为视频图像序列中人脸微表情识别方法，该识别方法包括以下内容：在微表情视频图像序列预处理之后，根据微表情的实际发生机理划分图像分块并获得微表情的浅层运动信息和深层形状信息融合特征，通过光流的共现关系和AU的发生机制构建自注意力图卷积网络的邻接矩阵A，以分块为节点、以邻接矩阵为边，构建自注意力图卷积网络，最后利用自注意力图卷积网络完成微表情的分类识别。本方法克服了现有微表情识别方法对光照噪声的鲁棒性差，特征信息提取的不充分，对微表情实际发生机理研究不深入而导致的微表情识别率低的缺陷。
-
公开(公告)号：CN109770932B
公开(公告)日：2022-04-29
申请号：CN201910128235.1
申请日：2019-02-21
Applicant: 河北工业大学
IPC: A61B6/00
Abstract: 本发明多模态脑部神经影像特征的处理方法，涉及用于识别图形的图像特征或特性的抽取的图像预处理，先采用样本权重和低秩约束的多模态神经影像特征选择方法对多模态的数据进行特征选择，得到低维特征矩阵，计算每个模态的核矩阵，得到低维特征矩阵，计算每个模态的核矩阵，然后将不同模态的核矩阵融合成一个核矩阵，由此选择出更具有判别性的生物标志物特征，并使用多核支持向量机对阿尔茨海默病新样本病例进行预测分类，克服了现有技术中，所存在的利用的生物标志物特征会对受试者造成伤害，只利用一种脑部影像特征数据或利用不充分的多模态脑部神经影像特征数据不能找出患者的患病脑区，并且所利用的脑部影像中的特征没有医学上的解释性的缺陷。
-
公开(公告)号：CN111476181B
公开(公告)日：2022-03-04
申请号：CN202010282867.6
申请日：2020-04-13
Applicant: 河北工业大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/80 , G06K9/62 , G06V10/82 , G06N3/04 , G06V10/62
Abstract: 本发明一种人体骨架动作的识别方法，涉及用于识别图形的方法，是一种结合时空注意力与图卷积网络的人体骨架动作的识别方法，充分挖掘不同特征信息的多样性和互补性，利用注意力机制自适应地调整空间结构各关节点的权重值和视频序列各帧的重要性，使用图卷积网络进行人体骨架的动作识别，克服了人体骨架的动作识别方法的现有技术，均存在无法更好地捕获时空特征信息，容易对人体较难动作的识别出现错误的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN113947530A
公开(公告)日：2022-01-18
申请号：CN202111228342.5
申请日：2021-10-21
Applicant: 河北工业大学
IPC: G06T3/40 , G06T7/00 , G06T7/13 , G06V10/40 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明为一种基于相对显著性检测的图像重定向方法，包括相对显著图提取、图像边缘检测以及基于重要度图的重定向操作；通过多特征聚合的相对显著性分层监督模块以及显著等级引导的优化模块提取相对显著图，相对显著性分层监督模块以监督的方式对每阶段的特征进行加权，而显著等级引导的优化模块通过逐层优化，利用卷积模块生成每类显著等级的类别概率，再经过卷积层和激活函数生成每一个像素的注意力掩码，得到优化特征；将边缘图与相对显著图进行线性融合得到重要度图；最后学习输入图像到目标图像的位移映射，在输入图像上通过移位图实现图像重定向。本发明能够有效克服现有技术重定向后图像存在变形、扭曲的问题，获得更好的视觉效果。
-
公开(公告)号：CN111080629B
公开(公告)日：2021-10-22
申请号：CN201911325087.9
申请日：2019-12-20
Applicant: 河北工业大学
Abstract: 本发明一种图像拼接篡改的检测方法，涉及图像分析领域，是基于混合域注意力机制和空洞空间金字塔池化模块的图像拼接篡改的检测方法，步骤是：提取输入图像的深度特征图F；采用混合域注意力机制获得篡改区域的特征图Ffinal；采用空洞空间金字塔池化模块获得最终的定位掩码M；基于混合域注意力机制和空洞空间金字塔池化模块的拼接篡改检测方法的训练；基于混合域注意力机制和空洞空间金字塔池化模块的图像拼接篡改检测的度量，克服了现有技术基于某一特定假设，无法准确定位拼接图像的篡改区域，检测中容易忽略区域较小的篡改目标的缺陷。
-
公开(公告)号：CN109447970B
公开(公告)日：2020-12-29
申请号：CN201811274899.0
申请日：2018-10-30
Applicant: 河北工业大学
Abstract: 本发明基于能量转移和均匀缩放的图像重定向方法，涉及整个或部分图形的定标的图像数据处理，步骤是：输入图像进行预处理； ：提取彩色RGB图像Icolor的重要度图，根据累积能量矩阵确定最佳接缝，重要度更新，移除最佳接缝，评价缝裁剪后图像的变形程度； ：对完成上述“A.对图像进行水平方向缩放”的图像数据进行转置，重复上述第二步到第六步的操作进行并完成对图像进行垂直方向上的缩放；本发明克服了现有技术存在的在图像缩放中原图像主体目标会发生明显变形、图像全局信息丢失以及留有明显的人工处理痕迹以及时间复杂度高的缺陷。
-
公开(公告)号：CN111563554A
公开(公告)日：2020-08-21
申请号：CN202010390223.9
申请日：2020-05-08
Applicant: 河北工业大学
Abstract: 本发明基于回归变分自编码器的零样本图像分类方法，涉及用于应用电子设备进行识别图形的方法，通过训练对齐交叉重建变分自编码器，计算回归网络损失，计算整个模型网络的全局损失L，对分类器进行训练，计算分类正确率，完成基于回归变分自编码器的零样本图像分类，克服了对广义零样本分类的现有技术存在训练样本匮乏，生成样本缺少语义性和生成对抗网络易于崩溃的缺陷。
-
公开(公告)号：CN111080629A
公开(公告)日：2020-04-28
申请号：CN201911325087.9
申请日：2019-12-20
Applicant: 河北工业大学
Abstract: 本发明一种图像拼接篡改的检测方法，涉及图像分析领域，是基于混合域注意力机制和空洞空间金字塔池化模块的图像拼接篡改的检测方法，步骤是：提取输入图像的深度特征图F；采用混合域注意力机制获得篡改区域的特征图Ffinal；采用空洞空间金字塔池化模块获得最终的定位掩码M；基于混合域注意力机制和空洞空间金字塔池化模块的拼接篡改检测方法的训练；基于混合域注意力机制和空洞空间金字塔池化模块的图像拼接篡改检测的度量，克服了现有技术基于某一特定假设，无法准确定位拼接图像的篡改区域，检测中容易忽略区域较小的篡改目标的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.04 seconds)
