-
公开(公告)号：CN108765296A
公开(公告)日：2018-11-06
申请号：CN201810600397.6
申请日：2018-06-12
Applicant: 桂林电子科技大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开了一种基于递归残差注意力网络的图像超分辨率重建方法，其特征在于，包括如下步骤：1）数据预处理；2）建立重建模型；3）残差注意力网络支路第一个残差注意力模块特征提取；4）递归网络支路第一个递归模块特征提取；5）特征融合；6）图像重建。这种方法能解决预处理操作带来的噪声，且获得更多高频信息来丰富图像细节，同时能减少网络参数，在增加层数的同时而不增加新的参数，能提高超分辨率重建的精度。
-
公开(公告)号：CN104268843B
公开(公告)日：2017-06-06
申请号：CN201410548336.1
申请日：2014-10-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于直方图修正的图像自适应增强方法。它首先计算原直方图的标准差，并与原直方图相加，获得一次修正的直方图；其次在一次修正直方图的基础上进行自适应的伽马矫正，得到二次修正的直方图；最后在二次修正直方图的基础上应用传统直方图增强的方法得到目标增强的图像。本发明的优点是:1)适应性强，适用于各类图像的自适应增强；2)增强处理过程中信息丢失少，能有效保持图像细节，本发明增强的图像能保留原始图像绝大部分细节信息；3)避免图像亮度的过度改变，对各类图像，本发明都能有效保留图像的原始特点，避免图像亮度的过改变。
-
公开(公告)号：CN106169180A
公开(公告)日：2016-11-30
申请号：CN201610548312.5
申请日：2016-07-13
Applicant: 桂林电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20081
Abstract: 本发明公开了一种基于组的非局部稀疏表示加性噪声去除方法，具体步骤包括：S1：在标准图像库中获得自然图像，并对图像进行图像分块并用高斯混合模型训练字典；S2：对每个图像进行加噪声处理，利用基于组的稀疏表示和非局部稀疏表示的方法得到去除噪声模型；S3：将含噪图像分成有重叠的小块，为每个图像块进行非局部相似匹配，找到其具有相同结构类型的相似图像块，把相似度最高的一些块放到一个组中；S4：对于分好的每个组，先对每个组进行奇异值分解，然后对特征值进行阈值处理，得到每个组的估计值；S5：利用预先训练的字典求出估计组在字典中的稀疏编码；S6：利用软阈值方法求解模型；S7：得到去噪图像。
-
公开(公告)号：CN104077762A
公开(公告)日：2014-10-01
申请号：CN201410293208.7
申请日：2014-06-26
Applicant: 桂林电子科技大学
IPC: G06T5/50
Abstract: 本发明公开一种基于NSST和聚焦区域检测的多聚焦图像融合方法，首先对待融合的多聚焦图像分别利用NSST及相应的融合规则，得到初始融合图像；将待融合的源图像分别与初始融合图像进行比较，对于源图像中与初始融合图像相似性较大的像素点，我们认为它是来自源图像中的严格聚焦区域的，根据这一理论我们可以确定源图像中的聚焦区域；最后，在已经确定的聚焦区域上利用改进的脉冲耦合神经网络获得最终的融合图像。本发明可以充分的提取各源图像中的有用信息并注入到融合图像中，有效地克服了基于变换域的融合算法不能选取出所有位于聚焦区域内的系数的缺陷，并且获得的融合图像在视觉效果及客观指标上均优于经典的多尺度融合算法。
-
公开(公告)号：CN103868460A
公开(公告)日：2014-06-18
申请号：CN201410094119.X
申请日：2014-03-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于视差优化算法的双目立体视觉自动测量方法，1）得到校正后的双目视图；2）利用立体匹配算法以左视图为基图进行匹配，得到初步的视差图；3）对校正后的左视图，目标物体区域为彩色原图，其他非目标区域全为黑；4）根据目标物体区域，获得目标物体区域的完整视差图；5）对完整视差图，根据投影模型获得三维点云；6）对三维点云，进行坐标重投影，合成坐标关联像素图；7）利用形态学的方法，实现自动测量目标物体的长度和宽度。本发明简化了双目测量操作过程；减少了平滑表面的镜面反射、投影缩减、透视失真、低纹理和重复纹理影响；实现了自动化智能化测量，扩展了双目测量的应用范围，为后续的机器人双目视觉提供技术支持。
-
Patent Agency Ranking
公开(公告)号：CN108334816B
公开(公告)日：2021-11-23
申请号：CN201810033455.1
申请日：2018-01-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于轮廓对称约束生成式对抗网络的多姿态人脸识别方法，其特征是，包括如下步骤：1）数据预处理；2）轮廓约束生成网络；3）对称约束对抗网络；4）训练平衡网络；5）重建与识别。这种方法能有效解决人脸图像的姿态角度偏转影响、提取到人脸在多姿态下更具鲁棒性的特征，特别在大角度姿态重建下将全局质量和局部细节相互约束，保持了正脸的轮廓特征信息，能满足实际应用中对多姿态人脸识别的高精度需求。
-
公开(公告)号：CN110046226B
公开(公告)日：2021-09-24
申请号：CN201910306242.6
申请日：2019-04-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于分布词向量CNN‑RNN网络的图像描述方法，其特征在于，包括如下步骤：1）分布表示词向量的生成；2）分布表示标签的生成；3）分布表示语义标签的生成；4）网络设计；5）生成图像的描述性语句。这种方法引入到原本的CNN‑RNN网络模型中使其可生成更精确的结果、使CNN子网提供给RNN子网更丰富的语义内容，使得整个CNN‑RNN网络模型依然能够保持结构化的优点，这种方法中低维稠密的分布表示可以轻松地嵌入海量词语构成完整的语义空间、视觉内容能够更好实现到语义空间的映射，基于分布表示词向量设计的监督信号能更准确的概括视觉内容和更充分的利用向量空间监督CNN优化方向。
-
-
公开(公告)号：CN110969638A
公开(公告)日：2020-04-07
申请号：CN201911098926.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于张量的背景减除方法及系统。该方法包括：获取观测张量；对观测张量进行高阶奇异值分解，得到初始化核心张量、因子、初始化辅助张量、拉格朗日乘子以及迭代次数；将观测张量分解为背景张量和前景张量；通过基于克罗内克基表示的张量稀疏检测方法约束背景张量，通过范数约束前景张量，得到最小化问题；通过求解最小化问题，得到迭代核心张量、迭代因子、迭代辅助张量以及迭代前景张量；判断所述迭代前景张量与前景张量之间的变化是否小于预先设定的阈值；若否，更新拉格朗日乘子；若是，根据迭代核心张量和迭代因子，得到迭代背景张量；根据迭代背景张量和迭代前景张量完成前景和背景的分离。本发明能够快速准确的分离背景和前景。
-
公开(公告)号：CN105631436B
公开(公告)日：2018-12-04
申请号：CN201610054837.3
申请日：2016-01-27
Applicant: 桂林电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于随机森林的级联位置回归用于人脸对齐的方法，其特征在于，包括如下步骤：1）得到归一化人脸图片；2）计算人脸的平均形状；3）生成人脸对齐框架的候选特征点；4）生成人脸形状索引灰度值；5）生成人脸形状索引特征X；6）构建人脸对齐框架；7）初始化人脸形状，不断迭代后，输出最终的估计人脸形状。这种方法在光照、表情变化、遮挡等情况下能够保持很好的鲁棒性，并且能提高精度、减少失败率。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.04 seconds)
