-
公开(公告)号：CN110781897A
公开(公告)日：2020-02-11
申请号：CN201911003801.2
申请日：2019-10-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习语义边缘检测方法，核心为一个基于多层次特征融合的语义边缘检测深度神经网络模型。包括多层次特征学习、多层次特征抽取和多层次特征融合。训练分为三个步骤：模型参数的初始化、目标数据集准备和整体模型的训练。本发明具有以下优点：1)自底向上把低层次特征逐渐融合到高层次特征中，融合之后的高层次特征不仅语义判别能力得到加强，而且其所缺失的底层细节信息也得到补充，有利于提高语义边缘的检测效果；2)预先在大数据集上训练多层次特征学习模块，使它在目标数据集上能够学习到更丰富的多层次特征；3)采用数据增强技术扩充数据集，并对真值标签做预处理，加强了整体模型的学习能力。
-
公开(公告)号：CN106651853B
公开(公告)日：2019-10-18
申请号：CN201611236297.7
申请日：2016-12-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于先验知识和深度权重的3D显著性模型的建立方法，包括：将3D图像对中的左视图用超像素分割方法分割成多个区域，用色彩和视差信息合成一组特征对每个区域进行描述；使用颜色紧密度作为区域特征分量中视差的权重，计算一个区域对周围的区域的特征对比度；在视差图上得到在深度上的背景先验，并联合该背景先验和颜色紧密度完善深度显著性；以深度显著性和区域之间的高斯距离作为特征对比度的权重，并利用特征对比度的权重相加得出初始3D显著性；利用2D显著性和中央偏置权重对初始3D显著性进行增强。本发明所建立的3D显著性模型具有更接近于人类注视的效果。
-
公开(公告)号：CN106131711B
公开(公告)日：2019-08-09
申请号：CN201610563291.4
申请日：2016-07-16
Applicant: 北京工业大学
IPC: H04N21/8358 , H04N19/625 , H04N19/176 , H04N19/467
Abstract: 一种面向3D高清数字视频的鲁棒隐水印嵌入与提取方法属于图像处理等交叉领域。用户输入一段3D视频，算法将其按帧率分为序列帧，并对序列帧中的每一帧都进行嵌入操作。在每一帧上，算法首先对左右视图分别进行以8*8像素块为单位DCT变换。将水印中的每一个比特依次嵌入在左右通道视图相同位置的一对8*8DCT系数块上。水印算法选取DCT系数块中的中频区域进行嵌入，引入三种系数限制机制对嵌入强度进行有效限制，分别为：最小可别差感知模型、细粒度调制参数和嵌入参考矩阵。本发明在基于单通道视频的水印技术研究的理论基础上，简化整体复杂度，使之可以并行处理计算密集型的任务，提升高清立体视频的处理速度，实现在以上前提下保证不可见性及鲁棒性的目的。
-
公开(公告)号：CN108629728A
公开(公告)日：2018-10-09
申请号：CN201810423420.9
申请日：2018-05-06
Applicant: 北京工业大学
Abstract: 本发明公开了一种高容量二值图像信息隐藏方法。在秘密信息嵌入部分，首先使用Logistic一维混沌系统生成非周期、不收敛且不相关的混沌序列，将待嵌入信息进行置乱预处理，保存置乱密钥。之后将载密图像进行分块，通过计算像素块翻转前后图像区域连通性值确定符合人眼视觉特性的可翻转像素块。然后对可翻转像素块进行修改，通过翻转非关键像素调节非关键像素的加权总值，实现信息嵌入，最后依次对可翻转像素块进行处理完成嵌入过程。在秘密信息提取部分，不需要辅助信息，通过统计可翻转块的非关键像素值盲提取秘密信息，之后通过密钥得到混沌序列，计算得到真实的秘密信息。本发明所述方法在保证高不可见性的基础上，具有更高的嵌入容量以及安全性。
-
公开(公告)号：CN105046689B
公开(公告)日：2017-12-15
申请号：CN201510354774.9
申请日：2015-06-24
Applicant: 北京工业大学
Abstract: 一种基于多层次图结构的交互式立体图像快速分割方法，首先输入一组立体图像，通过立体图像匹配算法得到视差图。在原始图像左右任意一图中指定部分前、背景。根据指定部分应用CUDA并行计算的方法建立前、背景的颜色以及视差分布的先验统计模型。通过对原始图像进行高斯滤波、下采样得到粗糙尺度较小的图像，然后将粗糙图像与原始图像一起构成多层次图结构。鉴于目前立体图像分割存在分割模型复杂，计算效率低的问题。本发明在基于视差图的立体图像同步分割的理论框架下，探索新的分割方法。力图简化模型的复杂度，并行处理计算密集型的任务，提高立体图像分割速度，实现实时分割常见尺寸立体图像的目的。
-
Patent Agency Ranking
公开(公告)号：CN104091302B
公开(公告)日：2017-06-06
申请号：CN201410327861.0
申请日：2014-07-10
Applicant: 北京工业大学
IPC: G06T1/00
CPC classification number: G06T1/0021 , G06K9/46 , G06K9/6215 , G06K2009/4666 , G06T1/0064 , G06T3/40 , G06T2201/0051 , G06T2201/0052 , G06T2201/0061 , G06T2201/0081 , G06T2207/20021
Abstract: 本发明涉及一种基于多尺度空间的鲁棒性水印嵌入与提取方法。所述方法包括：多尺度空间构建；多尺度空间水印嵌入：多尺度水印生成与多尺度水印嵌入；多尺度空间水印提取：特征点提取，多尺度空间定位，多尺度空间水印提取；水印对比。本发明针对目前图像数字水印方法中针对大尺度几何变换攻击的局限性，通过多分辨率分块金字塔数据结构将大尺度攻击分解为多层次的小尺度攻击，有机地将空间域与变换域结合在一起，以确保在大尺度几何攻击下水印信息的不可见性与鲁棒性。相比传统数字水印算法，在同样水印容量的前提下，本发明具有不可感知性更好、针对大尺度几何变换的鲁棒性高等优点。
-
公开(公告)号：CN104091336B
公开(公告)日：2017-05-17
申请号：CN201410328103.0
申请日：2014-07-10
Applicant: 北京工业大学
IPC: G06T7/194
Abstract: 本发明涉及一种基于稠密视差图的立体图像同步分割方法。首先输入一组立体图像，通过立体图像匹配算法得到视差图。然后在其中一图中通过笔刷勾画的方式，指定部分前、背景。根据指定部分分别建立前、背景的颜色分布的先验统计模型，以及前、背景的视差分布的先验统计模型。以此为基础，在图割理论框架下形式化颜色、梯度以及视差等约束，构造能量函数。最后，采用图的最大流/最小割算法求解最优化结果。若用户没有得到理想的效果，还可以继续对图中错误区域进行勾画，直到得到理想结果。本发明采用的视差分布模型和变化模型均是视差统计信息，有效避免了视差计算误差带来的影响，与现有方法相比，本发明所述方法得到的分割结果更准确。
-
公开(公告)号：CN106651853A
公开(公告)日：2017-05-10
申请号：CN201611236297.7
申请日：2016-12-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于先验知识和深度权重的3D显著性模型的建立方法，包括：将3D图像对中的左视图用超像素分割方法分割成多个区域，用色彩和视差信息合成一组特征对每个区域进行描述；使用颜色紧密度作为区域特征分量中视差的权重，计算一个区域对周围的区域的特征对比度；在视差图上得到在深度上的背景先验，并联合该背景先验和颜色紧密度完善深度显著性；以深度显著性和区域之间的高斯距离作为特征对比度的权重，并利用特征对比度的权重相加得出初始3D显著性；利用2D显著性和中央偏置权重对初始3D显著性进行增强。本发明所建立的3D显著性模型具有更接近于人类注视的效果。
-
公开(公告)号：CN103838864B
公开(公告)日：2017-02-22
申请号：CN201410105536.X
申请日：2014-03-20
Applicant: 北京工业大学
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本发明涉及一种视觉显著性与短语相结合的图像检索方法，包括：输入一幅查询图像；计算查询图像的显著图；提取查询图像的显著性区域；提取查询图像显著性区域的视觉词，构造视觉短语；获得每幅图像的图像描述子；计算查询图像与图库中每幅图像的图像相似度，根据相似度值对图库中的所有图像进行排序，并按要求返回相关图像作为查询结果。本发明在经典的“词袋”模型基础上通过引入视觉显著性对图像区域进行约束，降低了图像表达的噪声，使图像在计算机中的表达更符合人类对图像语义的理解，使本发明具有良好的检索效果。本发明通过视觉词间的区域约束来构造视觉短语，与其它构造视觉短语方法相比，具有较快的速度。
-
公开(公告)号：CN106131711A
公开(公告)日：2016-11-16
申请号：CN201610563291.4
申请日：2016-07-16
Applicant: 北京工业大学
IPC: H04N21/8358 , H04N19/625 , H04N19/176 , H04N19/467
CPC classification number: H04N21/8358 , H04N19/176 , H04N19/467 , H04N19/625
Abstract: 一种面向3D高清数字视频的鲁棒隐水印嵌入与提取方法属于图像处理等交叉领域。用户输入一段3D视频，算法将其按帧率分为序列帧，并对序列帧中的每一帧都进行嵌入操作。在每一帧上，算法首先对左右视图分别进行以8*8像素块为单位DCT变换。将水印中的每一个比特依次嵌入在左右通道视图相同位置的一对8*8DCT系数块上。水印算法选取DCT系数块中的中频区域进行嵌入，引入三种系数限制机制对嵌入强度进行有效限制，分别为：最小可别差感知模型、细粒度调制参数和嵌入参考矩阵。本发明在基于单通道视频的水印技术研究的理论基础上，简化整体复杂度，使之可以并行处理计算密集型的任务，提升高清立体视频的处理速度，实现在以上前提下保证不可见性及鲁棒性的目的。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.032 seconds)
