一种图像分类方法、装置、电子设备及可读存储介质

    公开(公告)号:CN109829481B

    公开(公告)日:2020-10-30

    申请号:CN201910007444.0

    申请日:2019-01-04

    Abstract: 本发明实施例提供了一种图像分类方法、装置、电子设备及可读存储介质,应用于模式识别技术领域,所述方法包括:对各样本图像进行灰度化处理,将得到的各灰度图像表示为二维图像矩阵;样本图像包括:训练图像和待分类图像,根据各二维图像矩阵建立灰度矩阵;根据标签约束矩阵和基于半张量积的非负矩阵分解算法,对归一化灰度矩阵进行特征提取,得到特征矩阵;将标签约束矩阵和特征矩阵的乘积的转置作为混合特征矩阵,将混合特征矩阵中各待分类图像对应的特征输入预先建立的图像分类模型,得到分类结果,图像分类模型是对混合特征矩阵中各训练图像对应的特征及各训练图像对应的图像类别进行训练得到的。本发明提高了图像分类的效率。

    一种图像分类方法、装置、电子设备及可读存储介质

    公开(公告)号:CN109829481A

    公开(公告)日:2019-05-31

    申请号:CN201910007444.0

    申请日:2019-01-04

    Abstract: 本发明实施例提供了一种图像分类方法、装置、电子设备及可读存储介质,应用于模式识别技术领域,所述方法包括:对各样本图像进行灰度化处理,将得到的各灰度图像表示为二维图像矩阵;样本图像包括:训练图像和待分类图像,根据各二维图像矩阵建立灰度矩阵;根据标签约束矩阵和基于半张量积的非负矩阵分解算法,对归一化灰度矩阵进行特征提取,得到特征矩阵;将标签约束矩阵和特征矩阵的乘积的转置作为混合特征矩阵,将混合特征矩阵中各待分类图像对应的特征输入预先建立的图像分类模型,得到分类结果,图像分类模型是对混合特征矩阵中各训练图像对应的特征及各训练图像对应的图像类别进行训练得到的。本发明提高了图像分类的效率。

    基于最优测量矩阵的半张量图像压缩方法和图像恢复方法

    公开(公告)号:CN109756740A

    公开(公告)日:2019-05-14

    申请号:CN201910047110.6

    申请日:2019-01-18

    Abstract: 本发明实施例提供了基于最优测量矩阵的半张量图像压缩方法和图像恢复方法。其中,该图像压缩方法包括:对待压缩图像的原始矩阵进行稀疏变换,得到待压缩图像的第一稀疏表示矩阵;基于第一稀疏表示矩阵的行数、预设压缩比和预设系数,确定原始矩阵对应的初始测量矩阵的行数和列数;基于预设的元素数值关系,生成m×n维矩阵,作为初始测量矩阵;对初始测量矩阵进行优化,得到最优测量矩阵;基于最优测量矩阵与预设的半张量压缩感知模型,对第一稀疏表示矩阵进行压缩,得到压缩后的目标矩阵。与现有技术相比,应用本发明实施例提供的方案,可以实现提高压缩感知理论在计算资源和通信能耗受限的网络中的实用性。

    信道量化信息获取方法、终端、基站及系统

    公开(公告)号:CN107959518B

    公开(公告)日:2021-09-28

    申请号:CN201711158185.9

    申请日:2017-11-20

    Inventor: 郑凤 王琳 徐力

    Abstract: 本发明提供一种信道量化信息获取方法、终端、基站及系统。该方法包括:根据发送端发送的信道测量导频,获取与所述发送端之间的信道的秩,并根据所述秩和码字空间,获取码字矩阵,获取所述码字矩阵对应的权值幅度信息;所述权值幅度信息包括所述秩数目个对角矩阵,用于对码字矩阵的各列进行幅度调整,将所述权值幅度信息及所述码字矩阵对应的指示信息反馈至所述发送端,以使得所述发送端根据所述指示信息、所述权值幅度信息和第一矩阵,获取与所述发送端之间的信道对应的预编码矩阵,作为信道量化信息。由于引入了权值幅度信息,预编码矩阵的中的每个权值的模值不再相同,从而可以提升系统性能,充分发挥降维反馈技术的优势。

    基于注意力机制和多层次特征融合的低照度图像增强方法

    公开(公告)号:CN110210608B

    公开(公告)日:2021-03-26

    申请号:CN201910483957.9

    申请日:2019-06-05

    Abstract: 本发明涉及一种基于注意力机制和多层次特征融合的低照度图像增强方法,包括以下步骤:在输入端对低照度图像进行处理,输出四通道特征图;使用基于注意力机制的卷积层作为特征提取模块,用于提取基础特征作为低层特征;将低层特征与相应的高层特征和卷积层最深层次的特征融合,经过反卷积层后,获得最终特征图;输出映射将最终的特征图还原成RGB图片。本发明充分利用了深度卷积神经网络模型的多层次特征,将不同层次特征融合,并通过通道注意力机制,给予特征通道不同的权重,获得了更优的特征表示,提高了图像处理的准确率,获取了高质量图像,可广泛用于计算机低层次视觉任务技术领域。

    一种导频的发送方法
    16.
    发明授权

    公开(公告)号:CN107707341B

    公开(公告)日:2020-06-02

    申请号:CN201710851894.9

    申请日:2017-09-20

    Inventor: 郑凤 徐力 王琳

    Abstract: 本发明提供一种导频的发送方法。所述方法包括:将第一测量导频参数配置集合的指示信息发送给终端;接收终端反馈的第二测量导频参数配置集合的指示信息,其中所述第二测量导频参数配置集合属于所述第一测量导频参数配置集合;从所述第二测量导频参数配置集合中选择至少一套测量导频参数配置,并按照所选择的测量导频参数配置向终端发送测量导频。本发明通过终端反馈的方式,终端可充分考虑到自身的发送/接收天线数目,接收波束的设置,以及一些不理想因素的大小,能结合自身的一些导频估计算法对最佳的导频参数进行选择,可以让基站能够参考终端的选择来进行更合理的导频配置。

    一种图像加密方法、装置及电子设备

    公开(公告)号:CN109831596A

    公开(公告)日:2019-05-31

    申请号:CN201910008840.5

    申请日:2019-01-04

    Abstract: 本发明实施例提供了一种图像加密方法、装置及电子设备,方法包括:确定载体图像以及待加密图像;对载体图像进行离散小波变换,得到第一离散小波图;对待加密图像进行离散小波变换,得到第二离散小波图;将第一离散小波图和第二离散小波图进行拼合,得到拼合小波图;使用混沌压缩感知算法对拼合小波图进行加密,得到加密图像。本发明实施例中,即使混沌压缩感知加密算法中所用加密秘钥,以及混沌矩阵生成系统均被攻击者窃取,攻击者进行混沌压缩解密,并对解密得到的离散小波图进行反离散小波变换后,能够得到视觉上有意义的隐秘图像,从而降低了攻击者进一步破解加密图像的概率,则攻击者无法获取加密图像,提高了图像加密的安全性。

    基于属性特征和加权的分块特征相融合的行人再识别方法

    公开(公告)号:CN109635636A

    公开(公告)日:2019-04-16

    申请号:CN201811273875.3

    申请日:2018-10-30

    CPC classification number: G06K9/00362 G06K9/629

    Abstract: 本发明涉及一种基于属性特征和加权的分块特征相融合的行人再识别方法,包括以下步骤:构造属性特征提取子网络,该子网络融合了手动提取的特征和深度神经网络提取的特征;采用设置加权的交叉熵损失函数来训练属性特征提取子网络;构造基于分块的特征提取子网络,该网络可融合多个分块的深度特征;训练基于分块的特征提取子网络,设置局部损失函数的加权融合层,自主学习不同的权重,进而赋予各局部损失函数;对整体网络进行训练,提取融合了属性特征和基于分块的深度特征的行人特征表示。本发明设计合理,其有效结合了属性特征和深度特征,在损失函数计算方法上进行优化,获得了很好的行人再识别结果,使得系统整体匹配准确率大大提升。

    信息传输方法及装置
    20.
    发明授权

    公开(公告)号:CN108111207B

    公开(公告)日:2021-04-23

    申请号:CN201711103777.0

    申请日:2017-11-10

    Inventor: 郑凤 徐力 王琳

    Abstract: 本发明提供一种信息传输方法及装置,属于通信技术领域。该方法包括:确定与目标信息相关联的K组参考解调导频信号;确定K组参考解调导频信号的发送资源;基于发送资源,向接收端发送目标信息及K组参考解调导频信号,以使得接收端基于K组参考解调导频信号的配置信息,接收K组参考解调导频信号及目标信息。由于不需要通过接收权值以及编码权值来确定传输信息时相应的传输信号,而是通过用于信道测量和/或信息解调的参考解调导频信号,以实现信息传输,从而避免了接收权值以及编码权值发生变化时,需要额外通知参考权值以及编码权值的变化信息,进而节省了信令的开销,提高了灵活性。

Patent Agency Ranking