-
公开(公告)号：CN105303546B
公开(公告)日：2018-08-17
申请号：CN201410280957.6
申请日：2014-06-20
Applicant: 江南大学
Abstract: 本发明公开一种基于模糊连接度的近邻传播聚类图像分割方法，主要用于解决其他同类方法由于目标跨度较大而出现过分割、分割精度低的问题。其实现步骤为：(1)对图像进行超像素分割；(2)提取超像素的空间特征和密度特征；(3)根据超像素的空间特征计算邻近关系；(4)根据超像素的密度特征和邻近关系计算亲和关系；(5)根据亲和关系计算所有超像素间的模糊连接度；(6)根据模糊连接度和空间特征关系计算超像素间的相似度；(7)用近邻传播聚类完成超像素的聚类，并生成分割结果。本发明是一种全自动分割方法，分割的目标一致性好，分割精度高，解决了现有AP聚类图像分割方法偏向参数难确定的问题，对自然彩色图像有很好的分割能力。
-
公开(公告)号：CN105303546A
公开(公告)日：2016-02-03
申请号：CN201410280957.6
申请日：2014-06-20
Applicant: 江南大学
Abstract: 本发明公开一种基于模糊连接度的近邻传播聚类图像分割方法，主要用于解决其他同类方法由于目标跨度较大而出现过分割、分割精度低的问题。其实现步骤为：(1)对图像进行超像素分割；(2)提取超像素的空间特征和密度特征；(3)根据超像素的空间特征计算邻近关系；(4)根据超像素的密度特征和邻近关系计算亲和关系；(5)根据亲和关系计算所有超像素间的模糊连接度；(6)根据模糊连接度和空间特征关系计算超像素间的相似度；(7)用近邻传播聚类完成超像素的聚类，并生成分割结果。本发明是一种全自动分割方法，分割的目标一致性好，分割精度高，解决了现有AP聚类图像分割方法偏向参数难确定的问题，对自然彩色图像有很好的分割能力。
-
公开(公告)号：CN105279748A
公开(公告)日：2016-01-27
申请号：CN201410274737.2
申请日：2014-06-18
Applicant: 江南大学
IPC: G06T7/00
Abstract: 本发明公开了一种图像中像素尺度快速的计算方法，对一副图像中每个像素的尺度实现过程为：(1)对待处理图像应用Canny算子进行边缘检测，得到边缘矩阵；(2)对当前像素点，若为边缘点，则令其尺度为1，若不为边缘点，则以当前点为中心建立一个自适应正方形模版；(3)在模版内采用8点式找距离当前点最近的边缘点，两点的距离即为当前点的尺度；(4)对图像中所有的像素点执行(2)和(3)得到整幅图像的尺度。该方法以图像的边缘作为判断准则，与现有的技术相比计算速度更快，更容易实现，抗噪性更好。所得图像的尺度可用于医学图像的精确分割与目标提取。
-
公开(公告)号：CN104778480A
公开(公告)日：2015-07-15
申请号：CN201510233619.1
申请日：2015-05-08
Applicant: 江南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于局部密度和测地距离的分层谱聚类方法。主要解决已有聚类技术很难对粘连数据集进行准确聚类的问题。实现过程为：(1)计算样本的局部密度，选择最近高密度点构造有向图；(2)对有向图进行剪枝并生成边缘点集合；(3)构造无向连通图：边缘点与其最近高密度点构造边，非边缘点之间的K个近邻点构造边；(4)根据无向连通图计算测地距离和相似度矩阵(5)计算度矩阵和规范化的拉普拉斯矩阵；(6)单位化谱矩阵，并采用K-means算法得出聚类结果。本发明与现有的聚类技术相比，在粘连数据集上能够获得更加真实的相似度矩阵，使得聚类结果更加准确。
-
Patent Agency Ranking
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：CN105279748B
公开(公告)日：2017-11-17
申请号：CN201410274737.2
申请日：2014-06-18
Applicant: 江南大学
Abstract: 本发明公开了一种图像中像素尺度快速的计算方法，对一副图像中每个像素的尺度实现过程为：(1)对待处理图像应用Canny算子进行边缘检测，得到边缘矩阵；(2)对当前像素点，若为边缘点，则令其尺度为1，若不为边缘点，则以当前点为中心建立一个自适应正方形模版；(3)在模版内采用8点式找距离当前点最近的边缘点，两点的距离即为当前点的尺度；(4)对图像中所有的像素点执行(2)和(3)得到整幅图像的尺度。该方法以图像的边缘作为判断准则，与现有的技术相比计算速度更快，更容易实现，抗噪性更好。所得图像的尺度可用于医学图像的精确分割与目标提取。
-
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。
-
公开(公告)号：CN104899607B
公开(公告)日：2018-01-16
申请号：CN201510342071.4
申请日：2015-06-18
Applicant: 江南大学
Abstract: 本发明提出一种传统云纹图案的自动分类算法。主要解决云纹图案人工分类效率低下的问题，通过云纹图案预处理、特征提取、聚类处理实现云纹图案自动分类。实现过程为：(1)将云纹图像进行预处理，包括统一图像尺寸、去除背景噪声、细化云纹图像线条三个步骤；(2)针对云纹图像间主要特征为线条的形状，采用形状上下文描述子(SC)算法来提取云纹图像的特征，通过形状上下文距离获得云纹图像间的初始相似度；(3)经由改进的近邻关系传递算法对相似度矩阵进行优化；(4)将优化之后的相似度矩阵作为MEAP算法的输入矩阵，进行MEAP聚类处理，实现自动分类。聚类结果显示本发明相比于SIFT‑MEAP与ED‑MEAP算法聚类准确性更高，聚类效果更加理想。同时本发明所提出的云纹图案自动分类算法，对于其他传统艺术图案的聚类分析具有很好的借鉴意义。
-
公开(公告)号：CN104899607A
公开(公告)日：2015-09-09
申请号：CN201510342071.4
申请日：2015-06-18
Applicant: 江南大学
Abstract: 本发明提出一种传统云纹图案的自动分类算法。主要解决云纹图案人工分类效率低下的问题，通过云纹图案预处理、特征提取、聚类处理实现云纹图案自动分类。实现过程为：(1)将云纹图像进行预处理，包括统一图像尺寸、去除背景噪声、细化云纹图像线条三个步骤；(2)针对云纹图像间主要特征为线条的形状，采用形状上下文描述子(SC)算法来提取云纹图像的特征，通过形状上下文距离获得云纹图像间的初始相似度；(3)经由改进的近邻关系传递算法对相似度矩阵进行优化；(4)将优化之后的相似度矩阵作为MEAP算法的输入矩阵，进行MEAP聚类处理，实现自动分类。聚类结果显示本发明相比于SIFT-MEAP与ED-MEAP算法聚类准确性更高，聚类效果更加理想。同时本发明所提出的云纹图案自动分类算法，对于其他传统艺术图案的聚类分析具有很好的借鉴意义。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
