-
公开(公告)号：CN102142137A
公开(公告)日：2011-08-03
申请号：CN201110058174.X
申请日：2011-03-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高分辨率字典的稀疏表征图像超分辨重建方法。其步骤为：(1)构建高分辨率亮度图像库；(2)生成样本训练集；(3)学习过完备字典；(4)初始估计高分辨图像亮度空间；(5)建立图像样本测试集；(6)更新高分辨图像亮度空间；(7)计算权值稀疏矩阵；(8)再更新高分辨图像亮度空间；(9)判断是否重复执行；(10)输出高分辨图像。本发明学习的高分辨率过完备字典可适合不同放大倍数。本发明充分利用稀疏表示、非局部先验和数据保真约束，能够综合利用局部信息和全局信息。本发明具有较强的超分辨率能力，重建的图像更接近真实的图像。
-
Patent Agency Ranking
公开(公告)号：CN101996327A
公开(公告)日：2011-03-30
申请号：CN201010271523.1
申请日：2010-09-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于加权张量子空间背景建模的视频异常检测方法，主要解决现有方法中由于忽略图像空间结构信息，不能滤除图像中野值点的问题。其实现过程是：首先将训练数据及观测数据都看作二阶张量，采用张量分析的方法，计算每个模式上的投影矩阵，构造张量子空间；然后对观测数据进行鲁棒分析，对观测数据的每个元素进行加权，并更新张量子空间，再将加权的观测数据投影到子空间上，重构出背景图像；最后对参考背景和重构背景进行相似性度量，检测视频场景中是否发生异常事件。与现有方法相比，本方法能保持图像的空间结构信息，滤除图像中的野值点，具有鲁棒性。可用于安防、监控领域中固定场景、光照缓变条件下的异常事件检测。
-
公开(公告)号：CN102142137B
公开(公告)日：2012-10-24
申请号：CN201110058174.X
申请日：2011-03-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高分辨率字典的稀疏表征图像超分辨重建方法。其步骤为：(1)构建高分辨率亮度图像库；(2)生成样本训练集；(3)学习过完备字典；(4)初始估计高分辨图像亮度空间；(5)建立图像样本测试集；(6)更新高分辨图像亮度空间；(7)计算权值稀疏矩阵；(8)再更新高分辨图像亮度空间；(9)判断是否重复执行；(10)输出高分辨图像。本发明学习的高分辨率过完备字典可适合不同放大倍数。本发明充分利用稀疏表示、非局部先验和数据保真约束，能够综合利用局部信息和全局信息。本发明具有较强的超分辨率能力，重建的图像更接近真实的图像。
-
公开(公告)号：CN101976435B
公开(公告)日：2012-10-24
申请号：CN201010298564.X
申请日：2010-10-07
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于对偶约束的联合学习超分辨方法，主要解决现有邻域嵌入超分辨方法导致图像模糊的问题，其步骤是：(1)使用高分辨图像生成训练集，建立低分辨和高分辨图像块的成组块对；(2)提取低分辨图像块的特征向量，在训练集中查找最匹配的成组块对；(3)对成组块对中低分辨和高分辨块的特征向量，进行联合学习，构造投影矩阵，生成联合特征子空间；(4)在生成的联合特征子空间中使用邻域嵌入估计高分辨图像块；(5)将所有估计的高分辨图像块合成高分辨图像；(6)对合成的高分辨图像，利用全局重构约束和反向投影算法改善图像质量。实验结果表明，本发明具有更强的超分辨能力，可用于低分辨自然图像的放大。
-
公开(公告)号：CN101996327B
公开(公告)日：2012-08-08
申请号：CN201010271523.1
申请日：2010-09-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于加权张量子空间背景建模的视频异常检测方法，主要解决现有方法中由于忽略图像空间结构信息，不能滤除图像中野值点的问题。其实现过程是：首先将训练数据及观测数据都看作二阶张量，采用张量分析的方法，计算每个模式上的投影矩阵，构造张量子空间；然后对观测数据进行鲁棒分析，对观测数据的每个元素进行加权，并更新张量子空间，再将加权的观测数据投影到子空间上，重构出背景图像；最后对参考背景和重构背景进行相似性度量，检测视频场景中是否发生异常事件。与现有方法相比，本方法能保持图像的空间结构信息，滤除图像中的野值点，具有鲁棒性。可用于安防、监控领域中固定场景、光照缓变条件下的异常事件检测。
-
公开(公告)号：CN101976435A
公开(公告)日：2011-02-16
申请号：CN201010298564.X
申请日：2010-10-07
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于对偶约束的联合学习超分辨方法，主要解决现有邻域嵌入超分辨方法导致图像模糊的问题，其步骤是：(1)使用高分辨图像生成训练集，建立低分辨和高分辨图像块的成组块对；(2)提取低分辨图像块的特征向量，在训练集中查找最匹配的成组块对；(3)对成组块对中低分辨和高分辨块的特征向量，进行联合学习，构造投影矩阵，生成联合特征子空间；(4)在生成的联合特征子空间中使用邻域嵌入估计高分辨图像块；(5)将所有估计的高分辨图像块合成高分辨图像；(6)对合成的高分辨图像，利用全局重构约束和反向投影算法改善图像质量。实验结果表明，本发明具有更强的超分辨能力，可用于低分辨自然图像的放大。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
