-
公开(公告)号：CN108985320A
公开(公告)日：2018-12-11
申请号：CN201810546687.7
申请日：2018-05-31
Applicant: 昆明理工大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于判别字典学习和形态成分分解的多源图像融合方法。为能将源图像中不同形态结构的卡通-纹理成分分离，我们把图像的分解问题转化为图像的分类问题，并设计了卡通纹理判别字典学习模型。考虑到图像分解不仅与字典有关，还与分解的策略有关的事实，设计了一种新的图像分解模型。在该模型中，纹理成分看成是叠加在源图像卡通成分上的噪声，并引入非局部均值相似性的一致性正则项，来约束稀疏编码系数的解空间。最后，根据对应成分的编码系数l1范数值最大来选取融合图像的编码系数。结果表明，无论在视觉效果还是在客观指标上，本发明都具有更好的融合性能。
-
公开(公告)号：CN108985320B
公开(公告)日：2021-11-23
申请号：CN201810546687.7
申请日：2018-05-31
Applicant: 昆明理工大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于判别字典学习和形态成分分解的多源图像融合方法。为能将源图像中不同形态结构的卡通‑纹理成分分离，我们把图像的分解问题转化为图像的分类问题，并设计了卡通纹理判别字典学习模型。考虑到图像分解不仅与字典有关，还与分解的策略有关的事实，设计了一种新的图像分解模型。在该模型中，纹理成分看成是叠加在源图像卡通成分上的噪声，并引入非局部均值相似性的一致性正则项，来约束稀疏编码系数的解空间。最后，根据对应成分的编码系数l1范数值最大来选取融合图像的编码系数。结果表明，无论在视觉效果还是在客观指标上，本发明都具有更好的融合性能。
-
公开(公告)号：CN111783526B
公开(公告)日：2022-08-05
申请号：CN202010434344.9
申请日：2020-05-21
Applicant: 昆明理工大学
IPC: G06V40/20 , G06V10/74 , G06V10/772
Abstract: 本发明提出了一种利用姿势不变和图结构对齐的跨域行人重识别方法，属于计算机视觉领域。本发明提出了一个基于矩阵分解的字典学习算法来消除数据集间的域信息以及行人姿态信息对跨域行人重识别的影响。具体来说，将方法分为两部分：(1)基于矩阵分解的思想，将原始的视觉特征分解为姿态不变成分、域信息成分及干扰信息成分，目的是为了提取到不受域信息和行人姿态信息影响的视觉成分；(2)为了进一步提高模型泛化能力，通过引入超图结构对齐约束来建立姿态不变特征和语义属性的关系，以便后期能精确预测目标数据集的行人属性，最终能联合行人的姿态不变特征和语义属性来进行行人相似性度量，进一步提高识别性能。
-
公开(公告)号：CN111783526A
公开(公告)日：2020-10-16
申请号：CN202010434344.9
申请日：2020-05-21
Applicant: 昆明理工大学
Abstract: 本发明提出了一种利用姿势不变和图结构对齐的跨域行人重识别方法，属于计算机视觉领域。本发明提出了一个基于矩阵分解的字典学习算法来消除数据集间的域信息以及行人姿态信息对跨域行人重识别的影响。具体来说，将方法分为两部分：(1)基于矩阵分解的思想，将原始的视觉特征分解为姿态不变成分、域信息成分及干扰信息成分，目的是为了提取到不受域信息和行人姿态信息影响的视觉成分；(2)为了进一步提高模型泛化能力，通过引入超图结构对齐约束来建立姿态不变特征和语义属性的关系，以便后期能精确预测目标数据集的行人属性，最终能联合行人的姿态不变特征和语义属性来进行行人相似性度量，进一步提高识别性能。
-
-
-
Search Results
4
records
(took 0.015 seconds)
