-
公开(公告)号：CN118411356A
公开(公告)日：2024-07-30
申请号：CN202410611201.9
申请日：2024-05-16
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明公开了基于语义自适应融合的盲图像质量评价方法，包括以下步骤；步骤1：将动态激活函数ACON引入到ResNet50中，构建动态特征编码器；步骤2：将语义特征和质量特征融合；将得到的融合特征用于在质量特征编码器中继续进行前向推理；步骤3：利用二阶池化捕捉低级特征中的失真信息；将捕捉到的低级特征中的失真信息与质量特征编码器第四层池化后的全局特征向量拼接成多尺度特征，作为质量分数回归器的输入；步骤4：进行对比实验和消融实验。本发明利用动态激活函数ACON和局部失真模块与特征融合的操作，实现了具有参数自适应能力的动态网络ResNet50‑ACON，构建了低级特征与深度特征互补、语义信息与质量信息融合的多尺度融合特征。
-
公开(公告)号：CN117224149A
公开(公告)日：2023-12-15
申请号：CN202310698195.0
申请日：2023-06-13
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: A61B5/372 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , A61B5/378 , A61B5/00 , G06F123/02
Abstract: 本发明公开了基于时空卷积和残差连接的脑电信号解码方法，包括以下步骤；步骤1：构建视觉诱发脑电信号数据集，收集的脑电信号的时空特征，用于刺激被试者视觉产生脑电信号；步骤2：构建基于时空卷积和残差连接的脑电信号解码分类网络CR‑model，用于提取步骤1中所收集的脑电信号的时空特征，并将时空特征进行深度融合提取，充分利用脑电信号的高时间分辨率以及多信道所体现的空间上的联系，提高视觉刺激脑电信号的分类准确率。本发明用于解决现有方法针对脑电信号多通道信号之间空间信息利用不充分以及时间信息与空间信息联系不紧密的问题。
-
公开(公告)号：CN116596915A
公开(公告)日：2023-08-15
申请号：CN202310684778.8
申请日：2023-06-09
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G06T7/00 , G06V10/80 , G06V10/774 , G06V10/82
Abstract: 基于多尺度特征和长距离依赖的盲图像质量评价方法，包括以下步骤；步骤1，获取训练样本集和测试样本集；步骤2，构建基于多尺度特征和长距离依赖关系的无参考图像质量评价方法网络模型；用于提取和融合图像的多尺度特征和长距离依赖关系以回归到图像质量分数；步骤3，对基于多尺度特征和长距离依赖关系的无参考图像质量评价方法网络模型进行迭代训练；步骤4，获取图像的无参考质量评价结果。本发明用于解决现有方法参数量大、计算效率低的问题和现有方法忽略对多尺度特征和局部质量特征之间的长距离依赖关系的融合而导致模型预测结果与人类视觉感知一致性低的问题。
-
公开(公告)号：CN103927709A
公开(公告)日：2014-07-16
申请号：CN201410102739.3
申请日：2014-03-19
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G06T1/00
Abstract: 本发明提供了一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法，该水印嵌入方法通过获取原始图像的低频子带、获取初始特征点集合、获取候选特征点集合、获取候选特征区域集合、计算选特征区域关联矩阵、计算候选关联权值向量、获取筛选特征区域集合、获取圆形特征区域集合、得到特征图像、得到密钥图像和获取密钥信息的步骤，克服了现有鲁棒可逆水印方法的缺陷，改善了含水印图像的视觉质量，提高了水印嵌入容量，增强了水印抵抗复杂攻击的鲁棒性，提升了水印的安全性，提高了鲁棒可逆图像水印方法的综合性能。
-
公开(公告)号：CN103996160B
公开(公告)日：2019-03-19
申请号：CN201410102463.9
申请日：2014-06-20
Applicant: 西安电子科技大学 , 西安电子科技大学昆山创新研究院
Abstract: 本发明提供了一种虹膜水印生成方法及装置，包括从原始虹膜图像I中确定虹膜区域，得到虹膜区域的圆形内边缘轮廓Cpu和圆形外边缘轮廓Cir；确定采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m，计算采样初始角度α；根据采样初始角度α、采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m，在原始虹膜图像I上确定矩形判别区域A；在矩形判别区域A上检测边缘，进行遮挡物判断，并更新采样起始角度α；选定不存在遮挡物的矩形判别区域A，生成采样图像I′；对采样图像I′进行编码，生成虹膜特征矩阵F，进而得到虹膜水印W。有效解决遮挡问题，实现水印容量的自适应控制；输出结果可直接作为虹膜水印，更好地满足不同水印算法的需求。
-
Patent Agency Ranking
公开(公告)号：CN103927709B
公开(公告)日：2017-06-06
申请号：CN201410102739.3
申请日：2014-03-19
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G06T1/00
Abstract: 本发明提供了一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法，该水印嵌入方法通过获取原始图像的低频子带、获取初始特征点集合、获取候选特征点集合、获取候选特征区域集合、计算选特征区域关联矩阵、计算候选关联权值向量、获取筛选特征区域集合、获取圆形特征区域集合、得到特征图像、得到密钥图像和获取密钥信息的步骤，克服了现有鲁棒可逆水印方法的缺陷，改善了含水印图像的视觉质量，提高了水印嵌入容量，增强了水印抵抗复杂攻击的鲁棒性，提升了水印的安全性，提高了鲁棒可逆图像水印方法的综合性能。
-
公开(公告)号：CN103996160A
公开(公告)日：2014-08-20
申请号：CN201410102463.9
申请日：2014-06-20
Applicant: 西安电子科技大学 , 西安电子科技大学昆山创新研究院
Abstract: 本发明提供了一种虹膜水印生成方法及装置，包括从原始虹膜图像I中确定虹膜区域，得到虹膜区域的圆形内边缘轮廓Cpu和圆形外边缘轮廓Cir；确定采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m，计算采样初始角度α；根据采样初始角度α、采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m，在原始虹膜图像I上确定矩形判别区域A；在矩形判别区域A上检测边缘，进行遮挡物判断，并更新采样起始角度α；选定不存在遮挡物的矩形判别区域A，生成采样图像I′；对采样图像I′进行编码，生成虹膜特征矩阵F，进而得到虹膜水印W。有效解决遮挡问题，实现水印容量的自适应控制；输出结果可直接作为虹膜水印，更好地满足不同水印算法的需求。
-
公开(公告)号：CN118506047B
公开(公告)日：2025-04-01
申请号：CN202410103821.1
申请日：2024-01-24
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08 , G06V10/74
Abstract: 本发明公开了一种基于特征解耦和类中心匹配的领域泛化的图像类别预测处理方法，包括：针对一张待处理图像获取该待处理图像对应的领域泛化数据集；对领域泛化数据集中的文本进行文本解耦；对领域泛化数据集中的图像进行图像解耦；构建类中心存储器，利用类中心存储器得到领域相关的预测概率，通过计算得到领域无关的预测概率，对领域相关的预测概率和领域无关的预测概率进行加权求和得到待处理图像的总体类别的预测概率并输出。本发明构建了类中心存储器，得到领域相关的预测概率，将领域相关的预测概率与领域无关的预测概率相结合，得到总体的预测概率，极大地提高了待处理图像的总体类别的预测概率。
-
公开(公告)号：CN119251872A
公开(公告)日：2025-01-03
申请号：CN202411309153.4
申请日：2024-09-19
Applicant: 西安电子科技大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06V20/52 , G06N3/0455 , G06N3/094
Abstract: 本发明公开了一种基于将干扰因素隔离以实现换衣人员重新识别的方法，涉及工智能图像处理技术领域，该方法包括：获取待查询图像和图库图像集；将待查询图像输入至训练好的换衣模型中，得到待查询特征向量，并将图库图像集输入至训练好的换衣模型中，得筛选结果特征向量集；分别计算待查询特征向量与筛选结果特征向量集中每个筛选结果特征向量之间的距离，得到多个距离集合；确定多个距离集合中的最小值，并确定最小值对应的筛选结果特征向量；根据筛选结果特征向量确定与待查询图像对应的图库图像集图像；实现了提取的特征能够忽略衣服和摄像头的差异，从而有效地区分两幅图像是否属于同一行人。
-
公开(公告)号：CN114882055B
公开(公告)日：2024-10-25
申请号：CN202210604865.3
申请日：2022-05-30
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多方向梯度算子的遥感图像脊线标注方法，用于解决现有技术中遥感图像拓扑结构复杂以及脊线分叉时标注效果不佳的问题。实现步骤为：对遥感图像进行平滑处理；生成3个方向的梯度算子；利用多方向梯度算子生成脊线图；在树状图中存储脊线的路径信息；重构树状图的组织结构；用重构后树状图中的信息进行脊线标注。本发明采用多方向梯度算子获取遥感图像中脊线的明暗空间梯度特征，以树状图存储脊线的位置信息，使得本发明具有面对复杂遥感图像拓扑结构时脊线标注效果好的优点。
-
-
-
-
-
-
-
-
-
Search Results
492
records
(took 0.034 seconds)
