-
公开(公告)号：CN110264482B
公开(公告)日：2022-09-09
申请号：CN201910388494.8
申请日：2019-05-10
Applicant: 河南科技大学
Abstract: 本发明公开了基于中智集变换矩阵因子分解的活动轮廓分割方法，逻辑紧密、高效，具有很好的强鲁棒性，分别从空间、小波和光谱三重域中提取特征，使用中智集（NS）变换和相应操作来减少图像中的不确定性，继而得到NS特征，然后根据得到的NS特征矩阵，利用基于因子分解的活动轮廓模型（ACM）来完成图像分割过程，最后在各种复杂彩色自然图像上与其它几种分割算法进行比较实验，实验结果表明，我们的NSTMF‑AC方法对于复杂的两相自然纹理图像更加高效、稳健，可以实现自动分割自然彩色纹理图像，并对噪声具有强鲁棒性。
-
公开(公告)号：CN110264482A
公开(公告)日：2019-09-20
申请号：CN201910388494.8
申请日：2019-05-10
Applicant: 河南科技大学
Abstract: 本发明公开了基于中智集变换矩阵因子分解的活动轮廓分割方法，逻辑紧密、高效，具有很好的强鲁棒性，分别从空间、小波和光谱三重域中提取特征，使用中智集（NS）变换和相应操作来减少图像中的不确定性，继而得到NS特征，然后根据得到的NS特征矩阵，利用基于因子分解的活动轮廓模型（ACM）来完成图像分割过程，最后在各种复杂彩色自然图像上与其它几种分割算法进行比较实验，实验结果表明，我们的NSTMF-AC方法对于复杂的两相自然纹理图像更加高效、稳健，可以实现自动分割自然彩色纹理图像，并对噪声具有强鲁棒性。
-
公开(公告)号：CN108256486B
公开(公告)日：2022-02-22
申请号：CN201810050720.7
申请日：2018-01-18
Applicant: 河南科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种基于非负低秩和半监督学习的图像识别方法及装置，首先获取图像数据集，数据集包括标记数据和未标记的数据，然后根据高斯场和调和函数与低秩表示函数得到目标函数，且对低秩表示函数的系数进行非负约束，将目标函数转化为拉格朗日函数，对拉格朗日函数中的各变量及拉格朗日乘数、惩罚因子进行更新；不断进行迭代更新直至结束，输出图像数据集的标签矩阵，根据标签矩阵对测试数据进行分类识别。本发明将半监督学习和低秩表示相结合，能够将全局结构信息和局部结构信息都得到很好的利用，且可以有效地消除或减轻样本的腐败，并且对噪声具有很好的鲁棒性，无论训练样本或测试样本是否被损坏，均可以获得很好的分类性能。
-
公开(公告)号：CN109271997A
公开(公告)日：2019-01-25
申请号：CN201810987350.X
申请日：2018-08-28
Applicant: 河南科技大学
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：CN108256486A
公开(公告)日：2018-07-06
申请号：CN201810050720.7
申请日：2018-01-18
Applicant: 河南科技大学
Abstract: 本发明提供了一种基于非负低秩和半监督学习的图像识别方法及装置，首先获取图像数据集，数据集包括标记数据和未标记的数据，然后根据高斯场和调和函数与低秩表示函数得到目标函数，且对低秩表示函数的系数进行非负约束，将目标函数转化为拉格朗日函数，对拉格朗日函数中的各变量及拉格朗日乘数、惩罚因子进行更新；不断进行迭代更新直至结束，输出图像数据集的标签矩阵，根据标签矩阵对测试数据进行分类识别。本发明将半监督学习和低秩表示相结合，能够将全局结构信息和局部结构信息都得到很好的利用，且可以有效地消除或减轻样本的腐败，并且对噪声具有很好的鲁棒性，无论训练样本或测试样本是否被损坏，均可以获得很好的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN107622280B
公开(公告)日：2020-06-12
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：CN109816030A
公开(公告)日：2019-05-28
申请号：CN201910092833.8
申请日：2019-01-30
Applicant: 河南科技大学
IPC: G06K9/62
Abstract: 本发明提供一种基于受限玻尔兹曼机的图像分类方法及装置，该分类方法包括以下步骤：获取图像样本训练集；将训练集按照类别划分为C个数据集，对每个数据集进行受限玻尔兹曼机训练，得到C个受限玻尔兹曼机模型和对应的训练参数；将训练集中的图像样本输入到各受限玻尔兹曼机模型中，对训练集中的各图像样本进行特征提取；利用提取到的训练集中各图像样本的特征及其对应类别标签对分类模型进行训练；将待测图像样本输入到各受限玻尔兹曼机模型中进行特征提取，将提取出的待测图像样本特征输入到训练好的分类模型，实现对待测试图像样本的分类。本发明提供的技术方案，能够对待测试图像样本更高精度的分类，解决现有技术中图像分类精度低的问题。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
