-
公开(公告)号：CN103247051A
公开(公告)日：2013-08-14
申请号：CN201310181065.6
申请日：2013-05-16
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于期望步数的图像显著程度检测方法，包括：将输入图像切分成不重叠的图像块，提取每个图像块的初级视觉特征；构造全连通图和k规则图。对于每个图像块计算这个图像块与其他所有图像块的不相似度，利用图像块间的不相似度计算两个图模型中各结点的初始转移概率，得到平稳分布的概率，然后求得求的关键结点；将全连通图和k规则图进行融合，计算到达关键结点的期望步数，然后计算出每个结点的显著值，得到显著图。通过二维高斯平滑算子进行平滑，得到最终反映图像各个区域显著程度的结果图像。与传统方法相比，本发明通过图像库测试对比证明了其有效性以及在效果上明显的优势。
-
公开(公告)号：CN101894295B
公开(公告)日：2014-07-23
申请号：CN201010199227.5
申请日：2010-06-04
Applicant: 北京工业大学
IPC: G06N3/02
Abstract: 本发明公开了一种用神经网络模拟注意转移的方法，包括视觉图像输入层，神经元振子网络振荡层，注意转移实现层。视觉图像输入层将灰度图像的灰度值输入到神经动力网络中，神经元振子网络振荡层，将神经网络中的每个振子根据FitzHugh-Nagumo模型建立起来的动力学系统模型耦合形成神经动力网络，注意转移实现层通过改变参数实现在已经同步的不同物体间实现注意转移，当前受到关注的物体神经发放的频率会增大。本发明立足于神经动力学系统，通过对FitzHugh-Nagumo模型的分析和改造形成对人眼注意转移视觉处理的简单模拟，对进一步研究人的视觉处理机制有重要的理论和现实意义。
-
公开(公告)号：CN102499676B
公开(公告)日：2014-01-29
申请号：CN201110344311.6
申请日：2011-11-03
Applicant: 北京工业大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于有效时间序列和电极重组的脑电信号分类系统和方法，实现了通过采集分析人脑的脑电信号来实现对三类人物表情(高兴、中性和悲伤)的识别。主要包括脑电信号的采集过程和脑电信号的分析处理过程。通过对被试者进行不同表情刺激，采集不同的脑电信号；首先根据脑电信号全场强的能量分布来确定有效的脑电信号的特征空间，之后将对应特征空间的原始脑电信号进行PCA降维，并对具有分类优势的脑电信号进行重组，最后选择线性判别函数分类器进行分类。表情识别时，只需将采集的脑电信号提取出目标特征，进行分类，即可确定识别结果。能够实现基于人物表情刺激的脑电信号的识别。本发明引入人的认知，具有客观、高效的优点。
-
公开(公告)号：CN101984452B
公开(公告)日：2012-07-04
申请号：CN201010532357.6
申请日：2010-10-29
Applicant: 北京工业大学
IPC: G06K9/00
Abstract: 一种灰度图中视觉注意区域转移预测方法，包括四个步骤：确定领导者，寻找追随者，计算显著值，显著值排序。确定领导者是指计算所有像素的侧电位，并根据得到的侧电位和阈值确定像素中的领导者。寻找追随者是指对每一个领导者在所有像素中依据连通性和相似性确定其追随者，形成不同区域，一个区域可能包括多于一个的领导者，但是在实际计算机实施过程中如果一个领导者追随其他领导者则判为追随者。计算显著值是指把已经得到区域分别进行计算，一个区域对应一个显著值。显著值排序是指按照显著值的大小对所有的区域排序并取前三个区域。本发明把人类视觉系统的选择性注意功能成功的引入到计算机视觉系统中，能够模拟和预测人眼视点在不同区域间进行注意转移。
-
公开(公告)号：CN101984464A
公开(公告)日：2011-03-09
申请号：CN201010522415.7
申请日：2010-10-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种图像中不同区域视觉显著程度的检测方法，包括：将输入图像切分成不重叠的图像块，并将每个图像块向量化；为了降低图像中的噪声和冗余信息，对步骤1所得到的所有向量通过PCA主成分分析方法进行降维；对于每个图像块，利用降维后的向量计算这个图像块与其他所有图像块的不相似度，再结合图像块之间的距离计算得到每个图像块的视觉显著性程度，得到显著图；对于显著图施加中央偏置，得到施加中央偏置后的显著图；对于施加中央偏置后的显著图通过二维高斯平滑算子进行平滑，得到最终反映图像各个区域显著程度的结果图像。与传统方法相比，本发明不用提取颜色、朝向、纹理等视觉特征，避免了特征选择的步骤。具有简单、高效的优点。
-
Patent Agency Ranking
公开(公告)号：CN101814180A
公开(公告)日：2010-08-25
申请号：CN200910236276.9
申请日：2009-10-23
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于局部耦合神经振子网络的简单灰度图像分割方法，包括：建立视觉图像输入层，建立神经元振子网络振荡层，建立目标之间分离层。视觉图像输入层负责将视觉图像与神经元振子网络振荡层上神经网络中的神经元振子建立一一对应关系；神经元振子网络振荡层负责通过模拟人脑视觉皮层中功能柱对视觉图像处理的功能来对每个神经元振子建立动力学系统模型，使得每个振子产生振荡，并在相邻振子的局部耦合作用下产生同步振荡；目标之间分离层负责根据同步振荡结果通过采取去同步机制实现视觉图像上目标区域之间的分离。本发明分析了神经元振子产生振荡以及同步振荡的参数设置要求，对于认识和理解图像分割具有指导作用和理论意义。
-
公开(公告)号：CN103793925B
公开(公告)日：2016-05-18
申请号：CN201410061301.5
申请日：2014-02-24
Applicant: 北京工业大学
CPC classification number: G06K9/4671 , G06K9/00711 , G06K9/00744 , G06K9/4652 , G06K9/52
Abstract: 本发明涉及一种融合时空特征的视频图像视觉显著程度检测方法，包括：将输入图像切分成图像块，并进行向量化；对所有向量通过主成分分析进行降维；计算每个图像块与其它所有图像块的不相似度，再结合图像块之间的距离计算得到每个图像块的视觉显著性程度，得到空间特征显著图；对空间特征显著图施加中央偏置；计算每个图像块的运动矢量，并结合前两帧的运动矢量提取当前图像块的运动特征，得到时间特征显著图；融合空间和时间特征显著图得到时空特征显著图，进行平滑后得到最终反映图像上各个区域显著程度的结果图像。本发明采用融合时空特征的显著图，能够更准确地预测视频中不同区域的显著程度。
-
公开(公告)号：CN103093236B
公开(公告)日：2015-11-04
申请号：CN201310013947.1
申请日：2013-01-15
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种在移动设备上基于图像语义分析的敏感区域检测方法，实现了在训练分类器的预处理阶段加入自顶向下的视觉注意机制来增强分类器训练的性能和效果，用训练好的分类器对图像进行分类。包括：输入训练图像；提取输入训练图像的特征；将提取的特征训练多个弱分类器，并级联形成最终需要的强分类器；输入测试图像，对测试图像进行预处理，通过视觉注意机制对图像中敏感区域可能的位置进行标定；进行敏感图像检测；输出敏感图像检测结果。在敏感图像检测前进行自顶向下注意机制的显著图提取，可以提高运算效率，缩短运算时间，显著提高检测速度；也使正检率明显提高，误检率明显降低。
-
公开(公告)号：CN102499676A
公开(公告)日：2012-06-20
申请号：CN201110344311.6
申请日：2011-11-03
Applicant: 北京工业大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于有效时间序列和电极重组的脑电信号分类系统和方法，实现了通过采集分析人脑的脑电信号来实现对三类人物表情(高兴、中性和悲伤)的识别。主要包括脑电信号的采集过程和脑电信号的分析处理过程。通过对被试者进行不同表情刺激，采集不同的脑电信号；首先根据脑电信号全场强的能量分布来确定有效的脑电信号的特征空间，之后将对应特征空间的原始脑电信号进行PCA降维，并对具有分类优势的脑电信号进行重组，最后选择线性判别函数分类器进行分类。表情识别时，只需将采集的脑电信号提取出目标特征，进行分类，即可确定识别结果。能够实现基于人物表情刺激的脑电信号的识别。本发明引入人的认知，具有客观、高效的优点。
-
公开(公告)号：CN101814180B
公开(公告)日：2011-11-16
申请号：CN200910236276.9
申请日：2009-10-23
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于局部耦合神经振子网络的简单灰度图像分割方法，包括：建立视觉图像输入层，建立神经元振子网络振荡层，建立目标之间分离层。视觉图像输入层负责将视觉图像与神经元振子网络振荡层上神经网络中的神经元振子建立一一对应关系；神经元振子网络振荡层负责通过模拟人脑视觉皮层中功能柱对视觉图像处理的功能来对每个神经元振子建立动力学系统模型，使得每个振子产生振荡，并在相邻振子的局部耦合作用下产生同步振荡；目标之间分离层负责根据同步振荡结果通过采取去同步机制实现视觉图像上目标区域之间的分离。本发明分析了神经元振子产生振荡以及同步振荡的参数设置要求，对于认识和理解图像分割具有指导作用和理论意义。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.028 seconds)
