-
Patent Agency Ranking
公开(公告)号：CN110097499A
公开(公告)日：2019-08-06
申请号：CN201910194123.6
申请日：2019-03-14
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明属于图像处理技术领域，公开了一种基于谱混合核高斯过程回归的单帧图像超分辨率重建方法及系统，选取高分辨率图像形成高分辨率训练图像集，对高分辨率训练图像集元素进行下采样和插值放大操作得到插值训练图像集；提取特征形成训练数据集，对训练数据集进行聚类得到训练数据子集；对每一个训练数据子集训练出基于谱混合核的高斯过程回归模型的最优超参数；读取低分辨率测试图像并构建低分辨率测试数据集；在聚类中心中寻找与低分辨率测试数据集内每一个特征最近的聚类中心，形成最近邻训练数据子集；进行高斯过程回归，得到高分辨率特征集，输出高分辨率图像。本发明使得重建图像包含更多高频细节，纹理结构清晰，重建效果得到提高。
-
公开(公告)号：CN110020986A
公开(公告)日：2019-07-16
申请号：CN201910123585.9
申请日：2019-02-18
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于欧氏子空间群两重映射的单帧图像超分辨率重建方法；首先，利用自然图像生成初始样本训练集，并对其进行精简和分类得到筛选样本训练集；然后，对筛选样本训练集提取特征，生成特征训练集，并对其聚类形成欧氏子空间群；利用线性回归模型依次在欧氏子空间群的每一个局部子空间内计算出由低分辨率图像块到高分辨率图像块的第一重映射系数；对欧氏子空间群中的每一个低分辨率图像块应用第一重映射系数重建出待选高分辨率图像块，计算出由待选高分辨率图像块到真实高分辨率图像块的第二重映射系数；最后，由测试图像生成测试样本集，应用两重映射系数，输出高分辨率重建图像。本发明的算法软件及硬件成本低廉；独立及移动图像处理平台同样适用。
-
公开(公告)号：CN110110467A
公开(公告)日：2019-08-09
申请号：CN201910409678.8
申请日：2019-05-17
Applicant: 电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于非线性规划的纯电动汽车车架轻量化方法，包括以下步骤：S1、建立车架的有限元模型；S2、确定优化的目标函数和设计变量，借助Hypermesh软件求出目标函数的数学表达式；S3、确定优化的约束条件，对各约束响应进行样本数据的采集；S4、对样本数据进行处理，利用二阶响应面模型对各个约束响应进行函数拟合，求出各个约束的近似代理模型；S5、利用各个约束的代理模型和目标函数的数学表达式构造非线性规划模型，求解该优化模型。本发明采用非线性规划模型，利用Lingo软件进行求解优化，使用了极短的时间就能求出最优解，极大的提高了优化效率。该优化方法具有原理简单、求解速率高、优化精度高等特点。
-
公开(公告)号：CN110020986B
公开(公告)日：2022-12-30
申请号：CN201910123585.9
申请日：2019-02-18
Applicant: 西安电子科技大学
IPC: G06T3/40 , G06V10/762 , G06V10/771 , G06V10/764
Abstract: 本发明属于图像处理技术领域，公开了一种基于欧氏子空间群两重映射的单帧图像超分辨率重建方法；首先，利用自然图像生成初始样本训练集，并对其进行精简和分类得到筛选样本训练集；然后，对筛选样本训练集提取特征，生成特征训练集，并对其聚类形成欧氏子空间群；利用线性回归模型依次在欧氏子空间群的每一个局部子空间内计算出由低分辨率图像块到高分辨率图像块的第一重映射系数；对欧氏子空间群中的每一个低分辨率图像块应用第一重映射系数重建出待选高分辨率图像块，计算出由待选高分辨率图像块到真实高分辨率图像块的第二重映射系数；最后，由测试图像生成测试样本集，应用两重映射系数，输出高分辨率重建图像。本发明的算法软件及硬件成本低廉；独立及移动图像处理平台同样适用。
-
公开(公告)号：CN110097499B
公开(公告)日：2023-05-05
申请号：CN201910194123.6
申请日：2019-03-14
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明属于图像处理技术领域，公开了一种基于谱混合核高斯过程回归的单帧图像超分辨率重建方法及系统，选取高分辨率图像形成高分辨率训练图像集，对高分辨率训练图像集元素进行下采样和插值放大操作得到插值训练图像集；提取特征形成训练数据集，对训练数据集进行聚类得到训练数据子集；对每一个训练数据子集训练出基于谱混合核的高斯过程回归模型的最优超参数；读取低分辨率测试图像并构建低分辨率测试数据集；在聚类中心中寻找与低分辨率测试数据集内每一个特征最近的聚类中心，形成最近邻训练数据子集；进行高斯过程回归，得到高分辨率特征集，输出高分辨率图像。本发明使得重建图像包含更多高频细节，纹理结构清晰，重建效果得到提高。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
