-
公开(公告)号：CN105281890A
公开(公告)日：2016-01-27
申请号：CN201410349798.0
申请日：2014-07-22
Applicant: 华中科技大学
IPC: H04L9/06
Abstract: 本发明公开了一种折叠结构的SM3杂凑密码压缩运算电路，包括11个寄存器、5个与门、4个异或门、2个或门，1个非门、8个加法器、6个循环移位单元和21个选择器；折叠结构的SM3杂凑密码压缩运算电路将一轮压缩运算分为5个时钟周期进行，每个时钟周期中各32位寄存器参与执行一次模232加法或者循环左移或者按位异或操作，并且最多只进行一次模232加法操作。与普通迭代方式压缩运算电路一个时钟周期完成一轮压缩运算不同，折叠结构SM3压缩运算电路以每轮压缩运算增加4个时钟周期为代价，换取了电路规模的减小和压缩运算电路关键路径延时的大幅减小。
-
公开(公告)号：CN101866484B
公开(公告)日：2012-07-04
申请号：CN201010193853.3
申请日：2010-06-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种图像中像素显著程度的计算方法，针对图像中的每个像素设计了一组多尺度范围内的邻域区域，通过采用L*a*b*颜色特征，分别计算出每个邻域区域内与该像素具有特征差异的像素，然后将这些具有差异性的像素在邻域区域内所占数量的比重当作该像素的显著程度。该方法考虑了像素在多个尺度上的计算，而且计算简单，容易实现。所得到的图像显著程度分布图不但与原图像具有相同的分辨率，而且在视觉上更具合理性，从而为基于显著程度的计算视觉应用提供鲁棒性良好的输入。
-
公开(公告)号：CN101770583B
公开(公告)日：2012-06-13
申请号：CN201010028992.0
申请日：2010-01-15
Applicant: 华中科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种基于场景全局特征的模板匹配方法，用于根据目标模板检测图像中同类目标。该方法对场景图像逐像素点遍历提取与模板图像相同区域范围的搜索子图，计算每个搜索子图与模板图像的相关性，依据搜索子图与模板图像的相关性越大，该搜索子图对应的遍历像素点成为目标点可能性越大的准则选取候选目标像素点，在候选目标像素点中确定最终目标点。本发明关键之处在于利用全局特征来度量搜索子图与模板图像的相关性，全局特征是通过把模板和子图的相关性放到场景后计算整个场景的特征得到的，全局特征是整个场景的特征，带有一定的语义信息，使得目标检测的准确性提高。
-
公开(公告)号：CN101799875A
公开(公告)日：2010-08-11
申请号：CN201010114137.1
申请日：2010-02-10
Applicant: 华中科技大学
Abstract: 本发明公开了基于维数递增弱线性回归树的目标检测方法，其步骤为：①准备训练样本集(xi，yi)，i＝1，……，N，xi表示训练样本的特征值集合，yi为样本类别，N为训练样本数，N为自然数；②初始化训练样本权重为其中t为自然数，初始化时t＝1；③对样本集合进行循环计算，选定循环次数T，T为自然数每次循环都得到一个线性回归树作为弱分类器。等到T次循环完成后，再将T个弱分类器合成一个强分类器；④使用该强分类器对数字图像中的各个区域进行分类，从而判断是否为目标区域，完成目标检测。本发明方法提出采用线性回归树作为弱分类器，即每个弱分类器不再只含有一个特征，而是用线性回归树将多个特征进行有机的组合，提高了分类器的分类能力，当训练出的分类器用于图像中的目标检测时可以获得较高的检测率及较快的检测速度。
-
公开(公告)号：CN101799925B
公开(公告)日：2011-08-24
申请号：CN201010120808.5
申请日：2010-03-05
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种图像自动分割结果的性能分析方法，本发明通过计算多个手工标注的分割结果之间在像素上的感知一致程度，赋予每个像素不同的权重，感知一致程度越高，像素的对应权重就越高，最后计算出加权后的评价指数，作为待评价的分割结果的最终评价指数。采用本发明方法得到的性能分析指标，由于定义了能够定量的反应出由某种计算机算法所处理的图像自动分割结果与人工标注的分割结果的符合程度，从而，客观的反应出某种计算机图像自动分割算法与人类视觉感知在图像自动分割上的接近程度。
-
Patent Agency Ranking
公开(公告)号：CN101814149A
公开(公告)日：2010-08-25
申请号：CN201010166225.6
申请日：2010-05-10
Applicant: 华中科技大学
IPC: G06K9/66
Abstract: 本发明公开了基于在线学习的自适应级联分类器训练方法，其步骤为：①准备一个含有少量样本的训练样本集，采用级联分类器算法训练一个初始的级联分类器HC(x)；②使用HC(x)遍历待检测的图像帧，逐一提取与上述训练样本同样大小的区域计算其特征值集合，从而可用初始的级联分类器对其进行分类，判断是否为目标区域，即完成目标检测；③对检测到的目标采用粒子滤波算法进行跟踪，通过跟踪对目标检测结果进行验证，将错误的检测标注为在线学习的负样本。此外，通过跟踪获取真实目标的不同姿态，从中提取在线学习的正样本；④每获得一个在线学习样本，采用自适应级联分类器算法对初始级联分类器HC(x)进行在线训练和更新，从而逐步提高分类器的目标检测精度。
-
公开(公告)号：CN101794394A
公开(公告)日：2010-08-04
申请号：CN201010111147.X
申请日：2010-02-05
Applicant: 华中科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种基于邻域上下文的模板匹配方法，对场景图像逐像素点遍历提取与模板图像相同区域范围的搜索子图，对于满足邻域上下文约束的搜索子图，计算其与模板的相关性，依据相关性越大，该搜索子图对应的遍历像素点成为目标点可能性越大的准则选取目标像素点。本发明关键之处在利用了邻域上下文的约束，并不是在所有的位置都计算子图与模板的相关性，而是只在满足邻域上下文约束的位置计算。在目标部件检测中加入该约束，提高了检测的准确性，由于该约束去除了很多位置点，因此还提高了检测速度。
-
公开(公告)号：CN101770583A
公开(公告)日：2010-07-07
申请号：CN201010028992.0
申请日：2010-01-15
Applicant: 华中科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种基于场景全局特征的模板匹配方法，用于根据目标模板检测图像中同类目标。该方法对场景图像逐像素点遍历提取与模板图像相同区域范围的搜索子图，计算每个搜索子图与模板图像的相关性，依据搜索子图与模板图像的相关性越大，该搜索子图对应的遍历像素点成为目标点可能性越大的准则选取候选目标像素点，在候选目标像素点中确定最终目标点。本发明关键之处在于利用全局特征来度量搜索子图与模板图像的相关性，全局特征是通过把模板和子图的相关性放到场景后计算整个场景的特征得到的，全局特征是整个场景的特征，带有一定的语义信息，使得目标检测的准确性提高。
-
公开(公告)号：CN100587708C
公开(公告)日：2010-02-03
申请号：CN200810046789.9
申请日：2008-01-25
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 一种分类器集成方法，包括：(1)初始化训练样本权值；(2)对训练样本进行分类器训练，采用错误程度和泛化能力描述的分类器性能评价准则选出多个最佳子分类器；(3)组合最佳子分类器。本发明采用的分类器性能评价准则能够准确地选出性能好的子分类器，子分类器性能越好，组合得到相同性能的分类器需要的子分类器数量就越少，即训练循环的次数和时间均越少。另外本发明还通过反馈调整组合分类器，进一步增强分类器性能。
-
公开(公告)号：CN105281890B
公开(公告)日：2018-04-03
申请号：CN201410349798.0
申请日：2014-07-22
Applicant: 华中科技大学
IPC: H04L9/06
Abstract: 本发明公开了一种折叠结构的SM3杂凑密码压缩运算电路，包括11个寄存器、5个与门、4个异或门、2个或门，1个非门、8个加法器、6个循环移位单元和21个选择器；折叠结构的SM3杂凑密码压缩运算电路将一轮压缩运算分为5个时钟周期进行，每个时钟周期中各32位寄存器参与执行一次模232加法或者循环左移或者按位异或操作，并且最多只进行一次模232加法操作。与普通迭代方式压缩运算电路一个时钟周期完成一轮压缩运算不同，折叠结构SM3压缩运算电路以每轮压缩运算增加4个时钟周期为代价，换取了电路规模的减小和压缩运算电路关键路径延时的大幅减小。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.032 seconds)
