-
公开(公告)号：CN111368875A
公开(公告)日：2020-07-03
申请号：CN202010086355.2
申请日：2020-02-11
Applicant: 西安工程大学
Abstract: 本发明公开了基于stacking无参考型超分辨图像质量评价方法，具体包括以下步骤：首先通过现有训练好的VGGnet模型提取超分辨图像的深度特征，用于量化超分辨图像的退化；然后，将包含SVR和k-NN算法的stacking回归算法用作第一层回归模型，以构建从VGGnet模型提取的深度特征到预测质量分数的映射模型，再采用线性回归算法得到第二层回归模型，从而形成stacking回归模型，以实现无参考评价超分辨图像的质量。本发明提出了利用SVR和k-NN的两种不同基础回归器的互补性优势，将线性回归作为元回归器，提高了预测准确性，本发明能够获得更为接近人眼主观评价的超分辨图像质量分数。
-
公开(公告)号：CN116452431A
公开(公告)日：2023-07-18
申请号：CN202310210922.4
申请日：2023-03-07
Applicant: 西安工程大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多分支渐进式的弱光图像增强方法，包括如下步骤：步骤1，准备数据；步骤2，搭建多分支渐进式增强模型；步骤3，根据步骤2搭建的结构对步骤1准备的数据进行训练，得到训练好的多分支渐进式增强模型；步骤4，基于步骤3得到的训练好的多分支渐进式增强模型进行数据测试。本发明通过不同尺度的多分支增强网络克服了弱光图像退化问题。
-
公开(公告)号：CN111695456A
公开(公告)日：2020-09-22
申请号：CN202010465593.4
申请日：2020-05-28
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于主动判别性跨域对齐的低分辨人脸识别方法，具体为：构造HR图像集、LR人脸图像集，从LR人脸图像集中挑选源域样本，形成源域样本集，剩余的LR人脸图像形成目标域样本集；同时减小源域与目标域样本之间的统计分布差异；构造判别对齐矩；建立源域与目标域样本的线性变换关系；构造并求解目标函数，计算源域及标域样本变换矩阵，用最近邻分类器推断出目标域人脸变换特征的类别标签。本发明通过线性变换将源域与目标域人脸特征空间变换到一个公共域子空间中实现LR人脸的匹配识别，采用主动学习选择具有代表性和多样性的源域样本训练分类器，提升算法的识别性能。
-
公开(公告)号：CN111340697A
公开(公告)日：2020-06-26
申请号：CN202010094638.1
申请日：2020-02-16
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于聚类回归的图像超分辨方法，具体按照以下步骤实施：步骤1、选取低分辨图像中能够反映像素相似结构的信息特征；步骤2、利用超像素分割算法将步骤1选取的信息特征进行聚类分割，将图像分割成K类；步骤3、分别学习步骤2得到的K类的每个类的字典；步骤4、确定最优基向量；步骤5、基于步骤4选出的最优基向量，通过非局部字典回归模型来估计高分辨像素；步骤6、将步骤5估计的高分辨像素回归转化成全局优化统一的正则项；步骤7、迭代优化高分辨图像，并输出该图像。本发明通过学习低分辨率图像一组局部字典的结构规律，使图像的细节和边缘更加清晰，再通过正则化项解决超分辨重建问题。
-
公开(公告)号：CN116309048A
公开(公告)日：2023-06-23
申请号：CN202310140757.X
申请日：2023-02-21
Applicant: 西安工程大学
IPC: G06T3/40 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于热图先验指导的人脸图像超分辨方法，该方法在网络模型结构上由超分辨主干分支和热图先验估计分支组成。超分辨主干分支接收低分辨输入图像，超分辨重建后输出得到高分辨图像；先验估计分支以超分辨主干分支的输出作为输入，估计出关键点，近而计算出热力图，然后将热力图作为结构先验信息反馈到超分辨主干中，指导超分辨重建。在训练阶段，这两个分支相互协作共同优化。为了最大化地发挥热图先验的指导作用，本发明从两个层次上对热图信息加以利用。最后再引入一个判别网络，监督重建网络的训练，进而重建出更高质量的SR结果。
-
Patent Agency Ranking
公开(公告)号：CN109211937B
公开(公告)日：2021-02-19
申请号：CN201810988126.2
申请日：2018-08-28
Applicant: 西安工程大学
IPC: G01N21/956 , G06T7/13
Abstract: 本发明一种内衣弹性织带弯带缺陷的检测系统，包括图像采集单元和图像处理单元，所述图像采集单元用于实时采集待测内衣弹性织带的样本图像，所述图像处理单元用于直线段提取并计算出直线的斜率。本发明还提供了一种内衣弹性织带弯带缺陷的检测系统的检测方法。本发明一种内衣弹性织带弯带缺陷的检测系统实现了内衣弹性织带的斜率的实时精确测量。
-
公开(公告)号：CN112270228A
公开(公告)日：2021-01-26
申请号：CN202011109621.5
申请日：2020-10-16
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于DCCA融合特征的行人重识别方法，具体按照如下步骤实施：对行人再识别数据集进行预处理，将图像大小调整至合适大小；对与处理后的行人数据集基于vgg16深度卷积神经网络和omni‑scale深度卷积神经网络分别进行深度特征提取；对提取的深度特征做典型相关性分析，求解各自的投影矩阵，将投影后的特征根据特征融合策略进行特征融合；用融合后的特征完成整个行人重识别过程。本发明的一种基于DCCA融合特征的行人重识别方法，结合vgg16和omni‑scale深度网络的优势，提高了特征鲁棒性，融合特征的同时，有效地消除了冗余信息，提高特征判别能力，提高行人重识别的准确率。
-
公开(公告)号：CN111275620A
公开(公告)日：2020-06-12
申请号：CN202010052099.5
申请日：2020-01-17
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于Stacking集成学习的图像超分辨方法，首先，对待处理图像进行特征提取，并用基模型估计高分辨图像块；然后，用元模型估计高分辨图像块；最后，将两种高分辨图像块依次添加至低分辨图像的插值图像上，以获得最终的高分辨图像。本发明一种基于Stacking集成学习的图像超分辨方法，解决了现有技术中存在的图像特征过于单一、超分辨模型泛化能力不强的问题。
-
公开(公告)号：CN109211937A
公开(公告)日：2019-01-15
申请号：CN201810988126.2
申请日：2018-08-28
Applicant: 西安工程大学
IPC: G01N21/956 , G06T7/13
CPC classification number: G01N21/95607 , G06T7/13 , G06T2207/30124
Abstract: 本发明一种内衣弹性织带弯带缺陷的检测系统，包括图像采集单元和图像处理单元，所述图像采集单元用于实时采集待测内衣弹性织带的样本图像，所述图像处理单元用于直线段提取并计算出直线的斜率。本发明还提供了一种内衣弹性织带弯带缺陷的检测系统的检测方法。本发明一种内衣弹性织带弯带缺陷的检测系统实现了内衣弹性织带的斜率的实时精确测量。
-
公开(公告)号：CN118781345A
公开(公告)日：2024-10-15
申请号：CN202410914942.4
申请日：2024-07-09
Applicant: 西安工程大学
IPC: G06V10/26 , G06V20/10 , G06N3/0464 , G06V10/82 , G06V10/40 , G06N3/045 , G06V10/80 , G06N3/048 , G06V10/764
Abstract: 本发明提供一种太阳黑子的自动检测和分割方法，涉及机器学习技术领域，该方法为对全日面图像进行预处理，得到全日面样本图像；利用视觉主干网络构建太阳黑子检测模型，利用可变形卷积块和注意力机制构建太阳黑子分割模型；将全日面样本图像输入太阳黑子检测模型，得到检测结果；将太阳黑子区域图像输入太阳黑子分割模型，得到分割结果，完成对太阳黑子的自动检测和分割。本发明解决了太阳黑子的自动定位检测和区域分割功能的实现问题。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.023 seconds)
