-
公开(公告)号：CN110490210B
公开(公告)日：2022-09-30
申请号：CN201910782708.X
申请日：2019-08-23
Applicant: 河南科技大学
IPC: G06V10/56 , G06V10/77 , G06V10/764
Abstract: 本发明公开了一种基于紧致通道间t采样差分的彩色纹理分类方法，包括划分图像块，生成满足t分布的采样点；在每个图像块中，提取通道间t分布差分描述子；通过Fisher‑PCA方法构建基于紧致通道间t采样差分的描述子(CITDD)；将最终得到的基于紧致通道间t采样差分的描述子(CITDD)通过线性SVM分类器进行分类的步骤。本发明中，首先通过t分布在图像块中采样微块，通过微块差分对不同颜色通道间的关系进行建模构建通道间t采样差分描述子(InterTDD)；随后将通道间t采样差分描述子(InterTDD)通过Fisher‑PCA方法得到基于紧致通道间t采样差分的描述子；在五个公开的标准纹理数据集上的分类实验结果表示表明，与现有的具有代表性的彩色纹理分类方法相比，更加有效、实用、高效。
-
公开(公告)号：CN109271997B
公开(公告)日：2022-01-28
申请号：CN201810987350.X
申请日：2018-08-28
Applicant: 河南科技大学
IPC: G06V10/44 , G06V10/50 , G06V10/30 , G06K9/62 , G06V10/764
Abstract: 一种基于跳跃细分局部模式的图像纹理分类方法，首先通过二阶差分计数特征和对角差分计数特征提取跳跃性局部差分计数特征(JLDCP)信息，然后通过细分化完整局部二值特征中的符号信息和大小信息提取细分化完整局部二值特征(RCLBP)，最后，通过连接跳跃性局部差分计数特征(JLDCP)和细分化完整局部二值特征(RCLBP)，得到跳跃性和细分化局部模式的纹理的描述符(JRLP)。本发明有益效果：本发明对图像噪声，旋转，尺度和光照变化等具有鲁棒性。
-
公开(公告)号：CN108021950B
公开(公告)日：2021-05-25
申请号：CN201711465846.2
申请日：2017-12-28
Applicant: 河南科技大学
IPC: G06K9/62
Abstract: 基于低秩稀疏表示的图像分类方法，包括以下步骤：将训练样本A和测试样本Y的每一列分别归一化为单位L2范数；计算投影矩阵P；计算训练样本A的投影矩阵A'；计算测试样本Y的投影矩阵Y'；使用最近邻分类器完成分类任务。本发明有益效果：本发明将稀疏表示、低秩表示和判别投影集成到一个框架中，并考虑了观测数据的局部和全局结构信息，与其他降维方法相比，该方法对离群点和噪声具有更强的鲁棒性。
-
公开(公告)号：CN107085725B
公开(公告)日：2020-08-14
申请号：CN201710263353.4
申请日：2017-04-21
Applicant: 河南科技大学
Abstract: 本发明涉及一种通过基于自适应码本的LLC聚类图像区域的方法，从已分割的超像素中提取颜色、纹理、Gabor、质心等特征后，通过融合的特征聚类邻近区域，以相似性结构图的形式提高邻近的多个区域间的可辩度，为减少甚至消除生成的显著图中前景边界附近的噪声提供非常有价值的线索，使前景边界更加清晰；使用多个特征作为计算显著图的依据，在复杂场景下，当颜色特征无法有效提取显著目标时，多特征信息作为有益补充可有效提高检测效果；扩展的LLC编码方案，将原始LLC中多个特征描述子分别编码再融入目标函数的方法扩展为先融合多个特征描述再一次性编码，简化了编码过程，强调了多个特征的整体性。
-
公开(公告)号：CN107067037B
公开(公告)日：2020-08-04
申请号：CN201710263340.7
申请日：2017-04-21
Applicant: 河南科技大学
Abstract: 本发明涉及一种使用LLC准则定位图像前景的方法，从标准测试集中选取大量随机图像，结合其显著区域真值标注图，提取图像前景的先验知识、形成LLC码本，使用LLC准则对待测图像的各个区域是否属于前景进行粗分类，并给出相应的显著性概率值；使用距图像中心的质心距离、局部Lab颜色对比值和全局Lab颜色对比值等基于对比的特征描述图像超像素区域，并用来学习前景\背景的典型特征作为指导图像超像素区域分类的先验知识，从经验角度获取高层知识只需学习一次即可多次指导区域分类，与仅从当前图像提取高层知识的方法相比不仅大大加快了前景定位的速度，而且用来提取的优势查询可使基于流形排序所获得的显著图中前景边界更加清晰、噪声更少。
-
Patent Agency Ranking
公开(公告)号：CN110310340A
公开(公告)日：2019-10-08
申请号：CN201910606459.9
申请日：2019-07-05
Applicant: 河南科技大学
IPC: G06T7/80
Abstract: 一种基于共线特性的单线阵畸变标定方法，包括如下步骤：S1、根据单线阵相机畸变模型，得到畸变方程u＝u'+k1(u'-u0)3+k2(u'-u0)5；其中u'为畸变像素的坐标点，u为对应的无畸变像素坐标点，u0为畸变中心点，k1和k2为畸变参数；S2、根据单线阵相机成像模型，成像特征点映射到标定板的点共线特性，建立优化方程F(u0*,k1*,k2*)＝minF(u0,k1,k2)；S3、对u0，k1和k2初始化，代入优化方程F(u0*,k1*,k2*)＝minF(u0,k1,k2)，运用Levenberg-Marquardt非线性优化算法求解得到最终的畸变中心u0*和畸变参数k1*和k2*。本发明提供一种基于共线特性的单线阵畸变标定方法，能够有效降低标定过程的复杂度。
-
公开(公告)号：CN110298892A
公开(公告)日：2019-10-01
申请号：CN201910605979.8
申请日：2019-07-05
Applicant: 河南科技大学
IPC: G06T7/80
Abstract: 一种单线阵相机内外参数标定方法，包括如下步骤：S1、根据单线阵相机成像模型得到单线阵相机的理论内参数矩阵、理论外参数矩阵和理论单应性矩阵，其中理论外参数矩阵包括理论旋转参数矩阵；S2、根据单线阵相机成像模型得到理论单应性矩阵与理论内参数矩阵的关系；S3、基于理论旋转参数矩阵确定理论内参数矩阵与理论单应性矩阵的约束关系；S4、利用标定板上目标点的坐标到成像点的坐标求出多个目标点到成像点之间的实际单应性矩阵；S5、根据实际单应性矩阵求解实际内参数矩阵；S6、根据实际内参数矩阵求解实际外参数矩阵。本发明提供一种单线阵相机内外参数标定方法，简化了标定流程，能够提高标定效率。
-
公开(公告)号：CN108171678A
公开(公告)日：2018-06-15
申请号：CN201711408096.5
申请日：2017-12-22
Applicant: 河南科技大学
Abstract: 本发明首先运用方向权值经验模式分解方法对采集到的源图像进行多尺度分解，获得每幅源图像的多级尺度的高频内蕴模式分量，对各级分量按照权值规则进行融合处理，保留了所有源图像的细节信息和能量分布，最后反向重构获取融合图像。本发明有益效果：与传统经验模式分解相比，克服了运算速度慢和分解结果有暗斑和边缘重叠的问题。获得各级分量按照权值规则进行融合处理，可最大化的融合细节信息，减少非细节信息的影响，保留各分量的能量分布。
-
公开(公告)号：CN107622280A
公开(公告)日：2018-01-23
申请号：CN201710827725.1
申请日：2017-09-14
Applicant: 河南科技大学
Abstract: 基于场景分类的模块化处方式图像显著性检测方法，根据图像的FP显著图和bpGMR显著图构成图像场景色调复杂度表示模型；罗列在显著性检测过程中可能会使用到的所有检测模块，按照不同的简单色调场景结构类别和复杂色调场景结构类别选取适用的检测模块构成整体的检测流程对待测图像检测,得到最终的显著图。解决图像场景的“简单色调复杂结构”造成的前景目标误检问题与“复杂色调”场景中的天空区域引起的前景目标误检问题，借鉴医生给病人根据不同病情、按照不同药品或检查手段的治疗目标而开具不同处方的方式，提出不同的场景特征应使用不同的显著性检测方案，使得检测更具针对性，从而提高图像显著性检测的效果和效率。
-
公开(公告)号：CN107085725A
公开(公告)日：2017-08-22
申请号：CN201710263353.4
申请日：2017-04-21
Applicant: 河南科技大学
Abstract: 本发明涉及一种通过基于自适应码本的LLC聚类图像区域的方法，从已分割的超像素中提取颜色、纹理、Gabor、质心等特征后，通过融合的特征聚类邻近区域，以相似性结构图的形式提高邻近的多个区域间的可辩度，为减少甚至消除生成的显著图中前景边界附近的噪声提供非常有价值的线索，使前景边界更加清晰；使用多个特征作为计算显著图的依据，在复杂场景下，当颜色特征无法有效提取显著目标时，多特征信息作为有益补充可有效提高检测效果；扩展的LLC编码方案，将原始LLC中多个特征描述子分别编码再融入目标函数的方法扩展为先融合多个特征描述再一次性编码，简化了编码过程，强调了多个特征的整体性。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.032 seconds)
