-
公开(公告)号：CN104077319B
公开(公告)日：2018-03-06
申请号：CN201310107209.3
申请日：2013-03-29
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 社会媒体共享网站上数字图像数量的飞速发展，极大地促进了人们对图像语义检索的研究热情。然而，由于图像低层特征和高层语义模式间的鸿沟，使得许多现有的自动图像标注技术不能达到令人满意的检索效果。因此，本发明提出一种基于非欧空间差异性度量的图像标注方法。该方法首先使用高阶统计法计算图像的三阶差异性特征，以达到更好描述图像间相关性的目的；然后，使用基于高斯混合模型和差异性增量扩散的最大后验概率算法，来估计每个标签与图像内容的相关值。
-
Patent Agency Ranking
-
公开(公告)号：CN102750385B
公开(公告)日：2014-05-07
申请号：CN201210219899.7
申请日：2012-06-29
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于标签检索的相关性—质量排序图像检索方法，首先，根据图像和标签的相关性对社会图像自动排序，用一个归一化框架融合图像之间的视觉一致性和图像与标签之间的语义相关性，然后用一种迭代算法来求解这个最优化问题，这样将会得到一个相关性排序；接下来，选择图像的明亮度、对比度和颜色多样性作为图像的质量特征来衡量上一步返回的图像，然后我们通过一个线性模型将相关性分值和质量分值叠加起来，再根据最后的总分值对图像进行重排序，由此便实现了相关性—质量排序算法。
-
公开(公告)号：CN102750385A
公开(公告)日：2012-10-24
申请号：CN201210219899.7
申请日：2012-06-29
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于标签检索的相关性—质量排序图像检索方法，首先，根据图像和标签的相关性对社会图像自动排序，用一个归一化框架融合图像之间的视觉一致性和图像与标签之间的语义相关性，然后用一种迭代算法来求解这个最优化问题，这样将会得到一个相关性排序；接下来，选择图像的明亮度、对比度和颜色多样性作为图像的质量特征来衡量上一步返回的图像，然后我们通过一个线性模型将相关性分值和质量分值叠加起来，再根据最后的总分值对图像进行重排序，由此便实现了相关性—质量排序算法。
-
公开(公告)号：CN104077319A
公开(公告)日：2014-10-01
申请号：CN201310107209.3
申请日：2013-03-29
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30268
Abstract: 社会媒体共享网站上数字图像数量的飞速发展，极大地促进了人们对图像语义检索的研究热情。然而，由于图像低层特征和高层语义模式间的鸿沟，使得许多现有的自动图像标注技术不能达到令人满意的检索效果。因此，本发明提出一种基于非欧空间差异性度量的图像标注方法。该方法首先使用高阶统计法计算图像的三阶差异性特征，以达到更好描述图像间相关性的目的；然后，使用基于高斯混合模型和差异性增量扩散的最大后验概率算法，来估计每个标签与图像内容的相关值。
-
公开(公告)号：CN103942779A
公开(公告)日：2014-07-23
申请号：CN201410118303.3
申请日：2014-03-27
Applicant: 南京邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于图论和半监督学习相结合的图像分割方法，该方法包括：首先将图像粗分割成一定数量的区域块，并将其映射成加权图；然后，利用半监督学习方法构造关联性矩阵；最后，采用归一化分割方法对图像进行语义分割。该方法是基于图论和半监督学习来进行图像分割，能提高图像分割的精度，不仅能够有助于图像分割与目标提取的完善解决，而且还能够有助于推动模式识别、计算机视觉、人工智能等领域的发展。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
