-
公开(公告)号：CN106097250B
公开(公告)日：2019-04-16
申请号：CN201610455106.X
申请日：2016-06-22
Applicant: 江南大学
IPC: G06T3/40
Abstract: 本发明提出一种基于监督典型相关的稀疏人脸超分辨率重建方法，利用监督典型相关分析将提取出的高低分辨率的图像特征投影至相关子空间中，并在相关子空间中采用稀疏选择近邻进行邻域重构。本发明充分考虑样本类内与类间的相关性，加入监督信息，从而使得提取出的特征更具有鉴别性，能够更好地重构出测试样本对应的高分辨率图像。同时，在重构选择近邻时，采用稀疏选择的方法，根据不同的训练样本与测试样本相关性，自适应地选择出适合的近邻进行重构，得到恢复出的全局脸图像。利用上述的方法以及两步法邻域重建的思想补偿细节信息，重建高分辨率残差图像,将全局脸图像与残差图像相加得到最终的高分辨率人脸图像。
-
公开(公告)号：CN106778522B
公开(公告)日：2020-08-04
申请号：CN201611059543.6
申请日：2016-11-25
Applicant: 江南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Gabor特征提取和空间变换的单样本人脸识别方法，主要解决在只有单张训练样本图像的条件下，由于类内散布矩阵是零而导致的传统面部识别方法不能够应用的问题。该方法采用Gabor小波从原始的单样本图像中提取空间特征向量，然后融合所提取的空间特征向量和原始的光谱特征向量，利用特征空间变换方法对融合特征矩阵进行低维特征空间变换，将其变换到一个低维子空间中，最后，利用最近邻分类器完成识别。本发明方法能够准确地完成单样本人脸的识别，提高了识别精度、降低了计算的代价。与现有技术相比，本发明提出的人脸识别方法更具有效性和鲁棒性。
-
公开(公告)号：CN104640073B
公开(公告)日：2018-07-24
申请号：CN201510065667.4
申请日：2015-02-09
Applicant: 江南大学
Abstract: 本发明涉及wifi无线定位技术领域，具体为一种基于逆向同步感知的wifi无线定位方法及系统，实现精确定位，定位方法包括训练和定位两大步骤，所述训练步骤只需执行一次，所述训练步骤完成后，所述的定位步骤可以执行任意次，定位系统包括：一个同步控制器，至少三个wifi信号感知器，以及被定位的移动终端，与传统的通过被定位移动终端对各个位置固定的wifi信号源的感知而达到对移动终端定位的方法不同，本发明让被定位移动终端充当wifi信号源，通过若干个位置固定的wifi信号感知器对被定位移动终端信号源的同步感知来定位移动终端。
-
公开(公告)号：CN105117015B
公开(公告)日：2018-01-23
申请号：CN201510543114.5
申请日：2015-08-28
Applicant: 江南大学
IPC: G06F3/01
Abstract: 本发明涉及物联网技术领域，具体为一种显示屏中不规则多边形区域的切换方法和系统，其可以方便地识别用户手势含义并根据用户手势的不同含义无线遥控切换到指定的显示屏中不规则多边形区域，种显示屏中不规则多边形区域的切换方法，其特征在于，手持移动智能设备识别手势含义并生成相应信号后由无线传输方式将所述信号发送至非触摸大屏控制设备，非触摸大屏控制设备接收到手势含义信号后将显示屏中当前选中区域切换至指定的不规则多边形区域；一种显示屏中不规则多边形区域的切换系统，其特征在于，其包括无线路由器、手持移动智能设备和非触摸大屏控制设备，所述手持移动智能设备通过无线路由器无线连接所述非触摸大屏控制设备。
-
公开(公告)号：CN106557786A
公开(公告)日：2017-04-05
申请号：CN201611061909.3
申请日：2016-11-25
Applicant: 江南大学
IPC: G06K9/62
CPC classification number: G06K9/6221
Abstract: 本发明公开了一种自动确定聚类中心的势能聚类算法，主要解决基于势能的快速层次聚类算法(PHA)需人为设置聚类数目，且其分配机制仅依据距离大小，削弱了势能影响这两个缺陷。该方法首先求出每个数据点的势能，将各数据点势能从小到大排列起来，然后找到每个数据点的父节点并计算数据点到父节点的距离，接着计算各点的γi值，根据各点的γi值，在一维空间中使用K‑means算法对数据点进行聚类(K恒为2)，选取数据点少的一类作为聚类中心集。确定聚类中心后，每个聚类中心各代表一类，将剩余数据点归入势能比其小且与其距离最近的样本所在类簇。本发明不仅能够自动确定聚类数目，而且具有更高的准确率,实用性更强。
-
Patent Agency Ranking
公开(公告)号：CN106022373A
公开(公告)日：2016-10-12
申请号：CN201610331173.0
申请日：2016-05-18
Applicant: 江南大学
IPC: G06K9/62
CPC classification number: G06K9/6215
Abstract: 本发明公开了一种基于广义均值的鲁棒典型相关分析算法，主要解决基于欧氏距离的传统典型相关分析算法对野值点非鲁棒的问题，以及高维小样本引起样本协方差奇异问题。实现过程为：(1)输入必要的参数，并且对训练样本进行中心化处理；(2)求解传统典型相关分析的两组投影集；(3)基于广义均值重构模型的目标优化函数，以抑制野值点对目标函数的影响；(4)用线性迭代方法求解目标函数，其中使用传统典型相关分析的两组投影集进行初始化；(5)将求得基于广义均值的典型相关分析的两组投影集用于样本的特征抽取和降维。在多特征手写体数据库(MFD)、人脸数据库(ORL)和对象图像数据库(COIL‑20)上的实验结果验证了该算法的有效性。
-
公开(公告)号：CN105117015A
公开(公告)日：2015-12-02
申请号：CN201510543114.5
申请日：2015-08-28
Applicant: 江南大学
IPC: G06F3/01
Abstract: 本发明涉及物联网技术领域，具体为一种显示屏中不规则多边形区域的切换方法和系统，其可以方便地识别用户手势含义并根据用户手势的不同含义无线遥控切换到指定的显示屏中不规则多边形区域，种显示屏中不规则多边形区域的切换方法，其特征在于，手持移动智能设备识别手势含义并生成相应信号后由无线传输方式将所述信号发送至非触摸大屏控制设备，非触摸大屏控制设备接收到手势含义信号后将显示屏中当前选中区域切换至指定的不规则多边形区域；一种显示屏中不规则多边形区域的切换系统，其特征在于，其包括无线路由器、手持移动智能设备和非触摸大屏控制设备，所述手持移动智能设备通过无线路由器无线连接所述非触摸大屏控制设备。
-
公开(公告)号：CN105893947B
公开(公告)日：2019-12-03
申请号：CN201610188792.9
申请日：2016-03-29
Applicant: 江南大学
Abstract: 本发明公布了一种基于多局部相关特征学习的双视角人脸识别方法，主要在相关特征学习中使用多种局部信息来更好地掌握数据间真实的非线性结构，从而提高人脸识别的准确性。其实现过程为：确定每个训练样本的多种局部块；构建一个相关特征学习和多局部融合的统一优化框架，然后交替迭代求解相关投影方向和多局部融合系数；最后对训练和测试样本进行特征提取和特征融合，并使用最近邻分类器进行识别。与现有技术相比，本发明提出的人脸识别方法更具有效性和鲁棒性。
-
公开(公告)号：CN106022373B
公开(公告)日：2019-04-23
申请号：CN201610331173.0
申请日：2016-05-18
Applicant: 江南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于广义均值的鲁棒典型相关分析算法，主要解决基于欧氏距离的传统典型相关分析算法对野值点非鲁棒的问题，以及高维小样本引起样本协方差奇异问题。实现过程为：(1)输入必要的参数，并且对训练样本进行中心化处理；(2)求解传统典型相关分析的两组投影集；(3)基于广义均值重构模型的目标优化函数，以抑制野值点对目标函数的影响；(4)用线性迭代方法求解目标函数，其中使用传统典型相关分析的两组投影集进行初始化；(5)将求得基于广义均值的典型相关分析的两组投影集用于样本的特征抽取和降维。在多特征手写体数据库(MFD)、人脸数据库(ORL)和对象图像数据库(COIL‑20)上的实验结果验证了该算法的有效性。
-
公开(公告)号：CN105893947A
公开(公告)日：2016-08-24
申请号：CN201610188792.9
申请日：2016-03-29
Applicant: 江南大学
Abstract: 本发明公布了一种基于多局部相关特征学习的双视角人脸识别方法，主要在相关特征学习中使用多种局部信息来更好地掌握数据间真实的非线性结构，从而提高人脸识别的准确性。其实现过程为：确定每个训练样本的多种局部块；构建一个相关特征学习和多局部融合的统一优化框架，然后交替迭代求解相关投影方向和多局部融合系数；最后对训练和测试样本进行特征提取和特征融合，并使用最近邻分类器进行识别。与现有技术相比，本发明提出的人脸识别方法更具有效性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.017 seconds)
