-
Patent Agency Ranking
公开(公告)号：CN110287780A
公开(公告)日：2019-09-27
申请号：CN201910411824.0
申请日：2019-05-17
Applicant: 长安大学
Abstract: 本发明公开了一种光照下人脸图像特征提取方法，首先将目标图像模型扩展到5*5内外双层邻域模型；然后引入八个方向Kirsch算子，在5*5的模板窗口上，以xc中心像素点为中心的均分八个方向上利用Kirsch算子分别进行计算内外两层邻域像素点的灰度值加权平均，然后比较关于中心像素对称的邻域加权平均值，并根据规则编码，能够有效降低计算量并减少了提取特征维度，最后，结合CNALBP和HOG算子，通过将邻域扩充并对邻域加权平均更够有效的降低单个像素点易受噪声影响的问题，同时融合了HOG特征的优点，能够提取出更多的纹理信息和多个方向的梯度信息，从而更好地描述复杂光照图像的特征，本方法具有简单、高效等特点。
-
公开(公告)号：CN110232390A
公开(公告)日：2019-09-13
申请号：CN201910511964.5
申请日：2019-06-13
Applicant: 长安大学
Abstract: 本发明公开了一种变化光照下图像特征提取方法，在计算中心像素点WLSGP特征值时采用了双层结构模型，根据邻域半径不同对中心像素值的影响程度不同，分配不同的权重系数，针对原始WLD算子的差分激励分量没有考虑内外层邻域像素的影响，采用差分协同激励分量，避免了光照敏感性；将变尺度和变角度的LOG算子引入到差分协同激励中，采用ADSEP算子和WLSGP算子代替原始WLD中的差分激励分量和方向分量，解决了原始WLD算子的差分激励不适用于方向差异性场合的问题，将各分块图像的差分激励图像分别与各自的梯度方向图像进行融合得到二维AWSGD直方图，采用择XGBoost分类器对转化后的一维直方图进行图像分类，获得识别结果，本方法在变化光照条件下能够表现出较好的性能。
-
公开(公告)号：CN110232390B
公开(公告)日：2022-10-14
申请号：CN201910511964.5
申请日：2019-06-13
Applicant: 长安大学
IPC: G06V10/50 , G06V10/44 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种变化光照下图像特征提取方法，在计算中心像素点WLSGP特征值时采用了双层结构模型，根据邻域半径不同对中心像素值的影响程度不同，分配不同的权重系数，针对原始WLD算子的差分激励分量没有考虑内外层邻域像素的影响，采用差分协同激励分量，避免了光照敏感性；将变尺度和变角度的LOG算子引入到差分协同激励中，采用ADSEP算子和WLSGP算子代替原始WLD中的差分激励分量和方向分量，解决了原始WLD算子的差分激励不适用于方向差异性场合的问题，将各分块图像的差分激励图像分别与各自的梯度方向图像进行融合得到二维AWSGD直方图，采用择XGBoost分类器对转化后的一维直方图进行图像分类，获得识别结果，本方法在变化光照条件下能够表现出较好的性能。
-
公开(公告)号：CN110287780B
公开(公告)日：2021-08-03
申请号：CN201910411824.0
申请日：2019-05-17
Applicant: 长安大学
Abstract: 本发明公开了一种光照下人脸图像特征提取方法，首先将目标图像模型扩展到5*5内外双层邻域模型；然后引入八个方向Kirsch算子，在5*5的模板窗口上，以xc中心像素点为中心的均分八个方向上利用Kirsch算子分别进行计算内外两层邻域像素点的灰度值加权平均，然后比较关于中心像素对称的邻域加权平均值，并根据规则编码，能够有效降低计算量并减少了提取特征维度，最后，结合CNALBP和HOG算子，通过将邻域扩充并对邻域加权平均更够有效的降低单个像素点易受噪声影响的问题，同时融合了HOG特征的优点，能够提取出更多的纹理信息和多个方向的梯度信息，从而更好地描述复杂光照图像的特征，本方法具有简单、高效等特点。
-
公开(公告)号：CN110852235A
公开(公告)日：2020-02-28
申请号：CN201911072293.3
申请日：2019-11-05
Applicant: 长安大学
Abstract: 本发明公开了一种图像特征提取方法，通过将待处理图像均分为多个子图像，对每个子图像分别进行空间结构处理，得到每个子图像的梯度值和每个子图像的像素均值，然后根据得到每个子图像的梯度值和像素均值，采用局部差分二进制来得到各子图像的二进制序列，采用多重局部差分二进制表示网格单元强度和梯度的差异和纹理信息，可以捕获更丰富的细节纹理信息，将各子图像的二进制序列按照同样顺序进行排列即可得到待处理图像的选取特征；利用遗传算法提取选取特征中的最优个体，最终得到图形特征，将多样性-适应性空间中的个体映射到选择概率方向上，从而达到初期以保证多样性，末期以适应度函数为主的效果，提高特征提取的鲁棒性。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
