-
Patent Agency Ranking
公开(公告)号：CN107392128A
公开(公告)日：2017-11-24
申请号：CN201710569014.9
申请日：2017-07-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双低秩表示和局部约束矩阵回归的鲁棒图像识别方法，属于图像识别领域。本方法首先运用双核范数正则的低秩表示方法对训练样本进行去噪处理，以获取干净的训练样本集；其次，通过局部约束块矩阵回归方法求得测试样本在去噪后的训练样本上某一尺度下的分类结果；最后，运用多尺度融合技术，输出待识别测试样本的类别。
-
公开(公告)号：CN107194873B
公开(公告)日：2020-12-08
申请号：CN201710328907.4
申请日：2017-05-11
Applicant: 南京邮电大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
公开(公告)号：CN107103592A
公开(公告)日：2017-08-29
申请号：CN201710223815.X
申请日：2017-04-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双核范数正则的多姿态人脸图像质量增强方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和高低分辨率训练样本图像各个像素位置的图像块；其次，对低质量测试图像中的每个图像块，运用局部约束双核范数正则回归方法获得其在低质量训练样本图像中对应位置上的图像块集合的线性表示；再次，在保持表示系数不变的情况下，用高质量训练样本图像块替换低质量训练样本图像块，从而获得低质量测试图像块对应的高质量测试图像块；最后，对步骤3中的高质量测试图像块进行串联和整合，从而获得高质量的测试图像。
-
公开(公告)号：CN107103592B
公开(公告)日：2020-04-28
申请号：CN201710223815.X
申请日：2017-04-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双核范数正则的多姿态人脸图像质量增强方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和高低分辨率训练样本图像各个像素位置的图像块；其次，对低质量测试图像中的每个图像块，运用局部约束双核范数正则回归方法获得其在低质量训练样本图像中对应位置上的图像块集合的线性表示；再次，在保持表示系数不变的情况下，用高质量训练样本图像块替换低质量训练样本图像块，从而获得低质量测试图像块对应的高质量测试图像块；最后，对步骤3中的高质量测试图像块进行串联和整合，从而获得高质量的测试图像。
-
公开(公告)号：CN107194873A
公开(公告)日：2017-09-22
申请号：CN201710328907.4
申请日：2017-05-11
Applicant: 南京邮电大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
