公开(公告)号：CN107590497A

公开(公告)日：2018-01-16

申请号：CN201710855035.7

申请日：2017-09-20

Applicant: 重庆邮电大学

Inventor： 赵辉 ,  王艳美 ,  刘真三

IPC: G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/02

Abstract: 本发明提出采用深度卷积神经网络的脱机手写汉字方法，具体地，先采用空间变换网络对HWDB1.1数据库的手写汉字进行旋转、平移和缩放。使得原本任意位置，比例和方向的汉字图片得到纠正。之后将纠正的手写数据集输入到卷积神经网络进行识别分类。其中对原图片进行旋转、平移和缩放的扭曲参数增量是由一个卷积神经网络或神经网络不断通过反向传播调整计算而来。扭曲参数的增量和扭曲参数用合成的方式进行更新参数。最后我们在TensorFlow深度学习框架平台上搭建了本发明的手写汉字识别的网络框架。并与单纯的采用卷积神经网络识别手写汉字网络框架作对比，经过大量数据集的训练，测试的结果表明手写汉字识别率得到显著提高。

公开(公告)号：CN107992897A

公开(公告)日：2018-05-04

申请号：CN201711337772.4

申请日：2017-12-14

Applicant: 重庆邮电大学

Inventor： 赵辉 ,  刘真三 ,  王艳美

IPC: G06K9/62

Abstract: 本发明公开了一种基于卷积拉普拉斯稀疏编码的商品图像分类方法，该方法包括：选择商品图像数据库，获取训练图像集和测试图像集；CLSC模型对训练图像集中的图像进行训练、学习，从训练样本中获得卷积滤波器组和稀疏表示特征；使用学习到的卷积滤波器组与测试图像集中的图像进行卷积操作，得到测试图像的稀疏表示特征，被用于分类；将得到的训练图像稀疏表示特征作为训练样本对支持向量机进行训练，并进行参数优化；将测试图像的稀疏表示特征输入到支持向量机中，得出分类准确度。本发明降低了图像表示的冗余性，有效提高了商品图像的分类准确率。

公开(公告)号：CN106600657A

公开(公告)日：2017-04-26

申请号：CN201611168681.8

申请日：2016-12-16

Applicant: 重庆邮电大学

Inventor： 赵辉 ,  赵小梅 ,  王艳美 ,  刘真三

IPC: G06T9/00

CPC classification number: G06T9/007

Abstract: 本发明请求保护一种基于自适应Contourlet变换的图像压缩方法，属于信号处理技术领域。为了提高图像表示的稀疏度，本发明基于伪极傅里叶变换理论提出自适应Contourlet变换。该变换能够根据不同的输入图像制定不同的方向分解方案，对图像进行最优稀疏表示，从而改善压缩重构效果。此外，本方案不涉及传统方向滤波器组的设计，具有较低的设计复杂度。本发明提出的自适应Contourlet变换具有匹配图像非均匀方向分布特征的优势，在实际应用中具有普遍意义。采用自适应Contourlet变换进行图像压缩，可以避免固定方向分解方案导致的图像重构效果不佳。