-
公开(公告)号：CN115546326A
公开(公告)日：2022-12-30
申请号：CN202211312093.2
申请日：2022-10-25
Abstract: 本发明公开了一种基于元学习的云图像集编码方法，包括：将云存储的图像划分为多个类别；将每一类别下的图像聚类为多个云图像集；针对每一类别，利用该类别下的部分云图像集生成第一隐变量集合；利用第一隐变量集合学习部分云图像集的基本参数和微调参数；为该类别下的任一新云图像集生成第二隐变量集合；将第一隐变量集合学习到的基本参数和微调参数迁移给新云图像集，并基于第二隐变量集合为新云图像集仅学习相应的微调参数，得到新云图像集的基本参数和最终学习到的微调参数，完成新云图像集的编码。本发明无需重新生成全新编码参数，只在现有云图像集学习到的基本参数和微调参数基础上为同一类新云图像集学习微调参数，因此计算复杂度较低。
-
公开(公告)号：CN115588125A
公开(公告)日：2023-01-10
申请号：CN202211122923.5
申请日：2022-09-15
IPC: G06V10/774 , G06V10/764 , G06T9/40
Abstract: 本发明公开了一种用于多个图像插入的图像集构建方法，包括：获取现有图像集的树形图及待插入图像；建立待插入图像的第一有权有向图；生成不受任何约束的第一最小树形图；确定每个待插入图像和现有图像的层级；建立针对所有图像的有权有向图并连接满足节点要求的新的有向边及计算其权重得到第二有权有向图，将第二有权有向图中每个图像对应节点的层级改为不超过插入后图像集对应树形图的目标深度；根据目标深度、第二有权有向图及每个待插入图像和现有图像的层级，生成深度和节点层约束的第二最小树形图；根据第二最小树形图确定每个待插入图像的参考图像并对待插入图像编码得到插入后图像集。本发明能减少插入后图像集的存储空间，提升编码效率。
-
公开(公告)号：CN115604480B
公开(公告)日：2023-06-20
申请号：CN202211138215.0
申请日：2022-09-19
IPC: H04N19/172 , H04N19/37 , H04N19/423 , H04N19/96
Abstract: 本发明公开了一种用于多优先级相似图像的云图像集编码方法，包括：获取含有相似图像的云图像集；为云图像集建立第一有权有向图；利用第一有权有向图生成不受任何约束的第一最小树形图；基于预设的多种情况确定云图像集中每个图像的多优先级区间；其中，每种情况均表征多分类问题；预设的多种情况包括图像冷热门情况和用户缴费情况；利用第一最小树形图和每个图像的多优先级区间，为云图像集构建多优先级约束的第二最小树形图；利用第二最小树形图对云图像集中的图像进行编码。本发明能够实现压缩具有多优先级的相似图像，构建相应图像集的目的，并且可以减少图像集所需的存储空间，提高编码效率。
-
Patent Agency Ranking
公开(公告)号：CN115546326B
公开(公告)日：2023-05-02
申请号：CN202211312093.2
申请日：2022-10-25
IPC: G06T9/00 , G06F16/55 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于元学习的云图像集编码方法，包括：将云存储的图像划分为多个类别；将每一类别下的图像聚类为多个云图像集；针对每一类别，利用该类别下的部分云图像集生成第一隐变量集合；利用第一隐变量集合学习部分云图像集的基本参数和微调参数；为该类别下的任一新云图像集生成第二隐变量集合；将第一隐变量集合学习到的基本参数和微调参数迁移给新云图像集，并基于第二隐变量集合为新云图像集仅学习相应的微调参数，得到新云图像集的基本参数和最终学习到的微调参数，完成新云图像集的编码。本发明无需重新生成全新编码参数，只在现有云图像集学习到的基本参数和微调参数基础上为同一类新云图像集学习微调参数，因此计算复杂度较低。
-
公开(公告)号：CN115604480A
公开(公告)日：2023-01-13
申请号：CN202211138215.0
申请日：2022-09-19
Applicant: 杨凌职业技术学院(CN) , 西安电子科技大学(CN)
IPC: H04N19/172 , H04N19/37 , H04N19/423 , H04N19/96
Abstract: 本发明公开了一种用于多优先级相似图像的云图像集编码方法，包括：获取含有相似图像的云图像集；为云图像集建立第一有权有向图；利用第一有权有向图生成不受任何约束的第一最小树形图；基于预设的多种情况确定云图像集中每个图像的多优先级区间；其中，每种情况均表征多分类问题；预设的多种情况包括图像冷热门情况和用户缴费情况；利用第一最小树形图和每个图像的多优先级区间，为云图像集构建多优先级约束的第二最小树形图；利用第二最小树形图对云图像集中的图像进行编码。本发明能够实现压缩具有多优先级的相似图像，构建相应图像集的目的，并且可以减少图像集所需的存储空间，提高编码效率。
-
公开(公告)号：CN107610190A
公开(公告)日：2018-01-19
申请号：CN201710828654.7
申请日：2017-09-14
Applicant: 西安电子科技大学
IPC: G06T9/00
Abstract: 本发明公开了一种用于大视角差异相似图像的压缩编码方法，主要解决现有技术无法有效地对大视角差异相似图像进行压缩编码的问题。其实现方案是：用仿射-尺度不变特征变换图像匹配法对大视角差异的参考图像与目标图像进行匹配，得到准确的特征点匹配对；根据特征点匹配对，产生变形模型；用能量最优化法筛选修正变形模型；用筛选修正后的变形模型对参考图像进行透视变换；对参考图像经透视变换所得的图像进行光度转换，得到预测图像；将预测图像作为预测参考，用高效视频编码方法对目标图像进行压缩编码，得到压缩数据。本发明能有效完成大视角差异相似图像间的几何变形，提高了大视角差异相似图像的压缩编码效果，可用于云空间的相似图像压缩。
-
公开(公告)号：CN107256262B
公开(公告)日：2020-04-14
申请号：CN201710444684.8
申请日：2017-06-13
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于物体检测的图像检索方法，解决图像检索时未对图像中多个物体分别检索的问题。其实现为：对图像数据库中的图像进行物体检测，检出图像中一个或多个物体；提取被检出物体的SIFT和MSER特征并将其结合生成特征束；采用K均值和k‑d树把特征束生成视觉单词；倒排索引建立图像数据库中物体的视觉单词索引，生成图像特征库；用物体检测方法，将查询图像中的物体生成视觉单词，将查询图像与图像特征库的视觉单词进行相似性对比，输出得分最高的作为图像检索的结果。本发明能对图像的多个物体分别检索，减少了背景干扰和图像语义鸿沟，提高了准确度，检索速度和效率；用于图像中某个具体物体，包括人物的图像检索。
-
公开(公告)号：CN107256262A
公开(公告)日：2017-10-17
申请号：CN201710444684.8
申请日：2017-06-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于物体检测的图像检索方法，解决图像检索时未对图像中多个物体分别检索的问题。其实现为：对图像数据库中的图像进行物体检测，检出图像中一个或多个物体；提取被检出物体的SIFT和MSER特征并将其结合生成特征束；采用K均值和k‑d树把特征束生成视觉单词；倒排索引建立图像数据库中物体的视觉单词索引，生成图像特征库；用物体检测方法，将查询图像中的物体生成视觉单词，将查询图像与图像特征库的视觉单词进行相似性对比，输出得分最高的作为图像检索的结果。本发明能对图像的多个物体分别检索，减少了背景干扰和图像语义鸿沟，提高了准确度，检索速度和效率；用于图像中某个具体物体，包括人物的图像检索。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
