-
公开(公告)号:CN106530231B
公开(公告)日:2020-08-11
申请号:CN201610985891.X
申请日:2016-11-09
Applicant: 武汉工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于深层协作表达的超分辨率图像的重建方法及系统。其中,该方法包括:重建过程;重建过程包括:对初始图像、低分辨率图像训练集中的图像和高分辨率图像训练集中的图像在像素域中划分图像块;计算由低分辨率图像训练集划分的图像块训练集对由初始图像划分的图像块进行重建时的最优权值系数;将由初始图像划分的图像块替换为由高分辨率图像训练集划分的图像块,用最优权值系数合成高分辨率图像块;将高分辨率图像块融合,获得高分辨率图像;将获得的高分辨率图像作为新的初始图像,进行至少一次重建过程,得到最终的高分辨率图像,解决了重建精度低的技术问题,满足了实际的分辨率重建需求。
-
公开(公告)号:CN105550649A
公开(公告)日:2016-05-04
申请号:CN201510906586.2
申请日:2015-12-09
Applicant: 武汉工程大学
IPC: G06K9/00
CPC classification number: G06K9/00288
Abstract: 本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统,该方法包括以下两个阶段:训练阶段和测试阶段;训练阶段包括以下三个步骤:S1、对表达字典进行更新;S2、计算其在局部约束和线性重建条件下的最优权值系数;S3、确定最优的神经元个数;测试阶段包括以下三个步骤:S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数;S5、利用高分辨率表达系数作为图像耦合局部约束特征;S6、得出识别结果。本发明提升了极低分辨率图像的表达能力,提升了在极低人脸图像上的识别率;最后通过极限学习机完成人脸识别,使识别结果更加准确。
-
公开(公告)号:CN105469359B
公开(公告)日:2019-05-03
申请号:CN201510904054.5
申请日:2015-12-09
Applicant: 武汉工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于局部约束低秩表示的人脸超分辨率重建方法,包括以下步骤:S1、获取一张待重建的低分辨率人脸图像,将它与多张高分辨率人脸图像分别进行比对,找到互相重叠的图像块;S2、分别计算其在局部约束和低秩约束条件下的表达权重系数并对其求解,得到最优权重系数;S3、用其对应的高分辨率人脸图像上的重叠图像块,结合最优权重系数以及重叠次数进行合成,得到高分辨率的人脸图像块;S4、对合成得到的多个高分辨率的人脸图像块进行位置拼合,得到一张完整的高分辨率人脸图像。本发明能够获得更高质量的高分辨率人脸图像。
-
公开(公告)号:CN105894519A
公开(公告)日:2016-08-24
申请号:CN201610259261.4
申请日:2016-04-25
Applicant: 武汉工程大学
IPC: G06T7/00
CPC classification number: G06T2207/20021
Abstract: 本发明属于图像处理技术领域,公开了一种基于低秩恢复的鲁棒性图像分割算法,其特征在于:采用低秩空间分解得到特征空间图像,通过基于最小割/最大流的图割法,分割特征空间图像;包括以下步骤:将待处理图像划分成相互重叠的图像块,按照重叠分块时的位置将图像块转化成列向量矩阵;采用低秩矩阵恢复方法处理图像块的列向量矩阵,得到特征空间图像;通过基于最小割/最大流的图割法,分割特征空间图像。本发明通过低秩空间恢复,提取更多的图像边缘信息,使得图像标记更为准确,提高了图像的分割质量。克服了噪声点对分割质量的影响。
-
公开(公告)号:CN105787462A
公开(公告)日:2016-07-20
申请号:CN201610147824.0
申请日:2016-03-16
Applicant: 武汉工程大学
CPC classification number: G06K9/00221 , G06K9/6256 , G06K9/6262
Abstract: 本发明公开了一种基于半耦合判决性字典学习的极低分辨率人脸识别算法及系统,该方法包括以下两个阶段:训练阶段和测试阶段;训练阶段包括以下两个步骤:S1、构建初始高、低分辨率表达字典;S2、更新初始高、低分辨率表达字典,得到标准矩阵集;测试阶段包括以下三个步骤:S3、获取极低分辨率人脸图像,求出相应的极低分辨率局部表达系数矩阵;S4、得到新的待测试系数矩阵集;S5、根据标准矩阵集和待测试系数矩阵集,得出识别结果。本发明提升了极低分辨率人脸图像的表达能力,提升了对极低分辨率人脸图像的识别率,识别效率高,识别速度较快;另外本方法在极低分辨率人脸图像的重建中也取得了较好的效果。
-
公开(公告)号:CN105787462B
公开(公告)日:2019-05-03
申请号:CN201610147824.0
申请日:2016-03-16
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于半耦合判决性字典学习的极低分辨率人脸识别算法及系统,该方法包括以下两个阶段:训练阶段和测试阶段;训练阶段包括以下两个步骤:S1、构建初始高、低分辨率表达字典;S2、更新初始高、低分辨率表达字典,得到标准矩阵集;测试阶段包括以下三个步骤:S3、获取极低分辨率人脸图像,求出相应的极低分辨率局部表达系数矩阵;S4、得到新的待测试系数矩阵集;S5、根据标准矩阵集和待测试系数矩阵集,得出识别结果。本发明提升了极低分辨率人脸图像的表达能力,提升了对极低分辨率人脸图像的识别率,识别效率高,识别速度较快;另外本方法在极低分辨率人脸图像的重建中也取得了较好的效果。
-
公开(公告)号:CN105321178B
公开(公告)日:2018-05-01
申请号:CN201510657285.0
申请日:2015-10-12
Applicant: 武汉工程大学
IPC: G06T7/136
Abstract: 本发明公开了一种基于稀疏主成分分析的图像分割的方法及装置,通过对待处理图像中的每一点,获取该点的邻域,根据该邻域的灰度值获取相似图像块,组成样本训练集,通过对样本训练集中的与该点对应的样本块进行稀疏主成分分析,得到稀疏主成分表达基和稀疏主成分表达系数,根据稀疏主成分表达基和稀疏主成分表达系数计算以该点为中心的图像块不含噪声的像素值,根据待处理图像中的各点对应的不含噪声的像素值构造不含噪声的图像,并且对不含噪声的图像分别进行二维直方图的全局阈值分割和基于移动平均法局部阈值分割,将两种分割方法得到图像根据区域联通性,获取分割后的图像,以此保证分割后的图像不受噪声影响。
-
公开(公告)号:CN105321178A
公开(公告)日:2016-02-10
申请号:CN201510657285.0
申请日:2015-10-12
Applicant: 武汉工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于稀疏主成分分析的图像分割的方法及装置,通过对待处理图像中的每一点,获取该点的邻域,根据该邻域的灰度值获取相似图像块,组成样本训练集,通过对样本训练集中的与该点对应的样本块进行稀疏主成分分析,得到稀疏主成分表达基和稀疏主成分表达系数,根据稀疏主成分表达基和稀疏主成分表达系数计算以该点为中心的图像块不含噪声的像素值,根据待处理图像中的各点对应的不含噪声的像素值构造不含噪声的图像,并且对不含噪声的图像分别进行二维直方图的全局阈值分割和基于移动平均法局部阈值分割,将两种分割方法得到图像根据区域联通性,获取分割后的图像,以此保证分割后的图像不受噪声影响。
-
公开(公告)号:CN106326843B
公开(公告)日:2019-08-16
申请号:CN201610669093.6
申请日:2016-08-15
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别方法,在人脸集合中提取出p张人脸图像,将人脸集合中剩余的图像分为n类人脸图像并作为训练样本库,采用训练样本库中的类别均值信息对P张人脸图像进行预分类,在分类之后将P个人脸图像中的每张图像和对应类别的图像一并进行低秩恢复,获得低秩恢复图像和稀疏误差图像。依据低秩图像的低秩性对噪声鲁棒的原理,利用训练样本库训练极限学习机,最后将P个人脸图像对应的低秩恢复图像作为测试样本库,利用极限学习机作为标准,建立P个人脸图像和训练之后得到的人脸标签之间的映射关系,对P个人脸图像对应的低秩恢复图像进行人脸识别,不但提升了极限学习机的识别鲁棒性,还降低了计算复杂度。
-
公开(公告)号:CN105550649B
公开(公告)日:2019-03-08
申请号:CN201510906586.2
申请日:2015-12-09
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统,该方法包括以下两个阶段:训练阶段和测试阶段;训练阶段包括以下三个步骤:S1、对表达字典进行更新;S2、计算其在局部约束和线性重建条件下的最优权值系数;S3、确定最优的神经元个数;测试阶段包括以下三个步骤:S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数;S5、利用高分辨率表达系数作为图像耦合局部约束特征;S6、得出识别结果。本发明提升了极低分辨率图像的表达能力,提升了在极低人脸图像上的识别率;最后通过极限学习机完成人脸识别,使识别结果更加准确。
-
-
-
-
-
-
-
-
-