-
公开(公告)号：CN106056131A
公开(公告)日：2016-10-26
申请号：CN201610334078.6
申请日：2016-05-19
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6267
Abstract: 本发明提出了一种基于LRR‑LDA的图像特征提取方法，用于解决现有方法SRC‑DP中存在的所提取样本特征信息不完整和在样本类别数目较大的情况下，识别的有效性差的技术问题。包括如下步骤：1.输入训练样本，给定迭代步长，初始化投影矩阵；2.对训练样本进行投影，分别计算投影样本的类内、类间离散度矩阵；3.求解投影样本的低秩表示系数矩阵，分别计算投影样本的类内、类间重构残差离散度矩阵；4.构造目标函数求解新的投影矩阵；5.对步骤2‑4进行迭代，直至循环次数等于迭代步长，输出最终投影矩阵。本发明具有图像分类准确性高的特点,可用于警务系统中人物身份的判别或影像拍摄中物体的查找。
-
Patent Agency Ranking
公开(公告)号：CN104794498A
公开(公告)日：2015-07-22
申请号：CN201510230206.8
申请日：2015-05-07
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于SRC与MFA相结合的图像分类方法，主要解决现有特征提取方法因为仅考虑重构关系或局部判别结构，无法准确描述样本信息导致图片分类结果不理想的问题。其实现步骤是：1.输入训练样本和测试样本，构造同类和不同类样本矩阵，并初始化投影矩阵；2.对训练样本进行投影，分别以同类和不同类样本做字典，求解样本的稀疏表示系数，构造同类和不同类样本的稀疏权重矩阵；3.构造目标函数求解新的投影矩阵；4.对步骤2-3进行迭代，直至循环次数大于给定初始值，输出最终投影矩阵，对测试样本投影；5.利用稀疏表示分类器对测试样本分类。本发明增强了图像分类的准确性，可用于警务系统中人物身份的判别或影像拍摄中物体的查找。
-
公开(公告)号：CN117853899A
公开(公告)日：2024-04-09
申请号：CN202311605997.9
申请日：2023-11-28
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多特征融合的葡萄病害图片识别方法，步骤是：1)收集葡萄正常图片和病害图片，标注并整理成数据集，构建深度学习网络模型；2)进行模型训练；3)多特征融合识别模型训练完成后，将多特征融合识别模型及相关参数集成到软件中，得到葡萄病害识别软件操作系统，实现可视化操作；4)输入待检测样本，软件操作系统输出识别结果。本发明还公开了一种基于多特征融合的葡萄病害图片识别系统，依次为数据预处理模块、特征转化模块、三路特征提取网络模块、多路径融合变换器模块及特征金字塔模块，该五个模块从前到后依次对接实施。本发明的葡萄病害图片识别方法及系统，全面利用各个特征提供的信息，提高了识别准确率。
-
公开(公告)号：CN104715266A
公开(公告)日：2015-06-17
申请号：CN201510109065.4
申请日：2015-03-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于SRC-DP与LDA相结合的图像特征提取方法，主要解决现有特征提取方法因为仅考虑重构关系或判别关系，导致无法更加准确描述样本信息从而使得图片分类结果不理想的问题。其实现步骤是：1.输入训练样本，计算样本的类内、类间离散度矩阵，初始化投影矩阵，2.对训练样本进行投影，并依次求解投影样本的稀疏表示系数；3.分别计算投影样本的类内、类间重构离散度矩阵；4.构造目标函数求解新的投影矩阵；5.对步骤2-4进行迭代，直至循环次数大于给定初始值，输出最终投影矩阵。本发明增强了图像分类的准确性，提高了分类识别率,可用于警务系统中人物身份的判别或影像拍摄中物体的查找。
-
公开(公告)号：CN104794498B
公开(公告)日：2018-08-03
申请号：CN201510230206.8
申请日：2015-05-07
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了种基于SRC与MFA相结合的图像分类方法,主要解决现有特征提取方法因为仅考虑重构关系或局部判别结构,无法准确描述样本信息导致图片分类结果不理想的问题。其实现步骤是:1.输入训练样本和测试样本,构造同类和不同类样本矩阵,并初始化投影矩阵;2.对训练样本进行投影,分别以同类和不同类样本做字典,求解样本的稀疏表示系数,构造同类和不同类样本的稀疏权重矩阵;3.构造目标函数求解新的投影矩阵;4.对步骤2‑3进行迭代,直至循环次数大于给定初始值,输出最终投影矩阵,对测试样本投影;5.利用稀疏表示分类器对测试样本分类。本发明增强了图像分类的准确性,可用于警务系统中人物身份的判别或影像拍摄中物体的查找。
-
公开(公告)号：CN104715266B
公开(公告)日：2018-03-27
申请号：CN201510109065.4
申请日：2015-03-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于SRC‑DP与LDA相结合的图像特征提取方法，主要解决现有特征提取方法因为仅考虑重构关系或判别关系，导致无法更加准确描述样本信息从而使得图片分类结果不理想的问题。其实现步骤是：1.输入训练样本，计算样本的类内、类间离散度矩阵，初始化投影矩阵，2.对训练样本进行投影，并依次求解投影样本的稀疏表示系数；3.分别计算投影样本的类内、类间重构离散度矩阵；4.构造目标函数求解新的投影矩阵；5.对步骤2‑4进行迭代，直至循环次数大于给定初始值，输出最终投影矩阵。本发明增强了图像分类的准确性，提高了分类识别率,可用于警务系统中人物身份的判别或影像拍摄中物体的查找。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
