公开(公告)号：CN102999764B

公开(公告)日：2016-01-13

申请号：CN201210426347.3

申请日：2012-10-30

Applicant: 上海交通大学

Inventor： 张瑞 ,  朱玉琨 ,  朱俊 ,  邹维嘉 ,  仇媛媛 ,  付赛男

IPC: G06K9/62

Abstract: 一种基于聚类的多物体检测方法，属于模式识别技术领域。步骤如下：（1）统计图像中物体与视觉习语之间的关系并聚类，并使用局部模型得到物体和视觉习语的窗口；（2）根据原型构建空间关系特征，并使用结构化支撑向量机进行训练和测试。本发明优于已有的各种物体检测方法，且计算复杂度略有降低。

公开(公告)号：CN102999763A

公开(公告)日：2013-03-27

申请号：CN201210425652.0

申请日：2012-10-30

Applicant: 上海交通大学

Inventor： 张瑞 ,  仇媛媛 ,  朱俊 ,  付赛男 ,  邹维嘉 ,  朱玉琨

IPC: G06K9/62

Abstract: 本发明公开了一种基于尺度选择的自顶向下的视觉显著性提取方法，包括两个阶段，训练阶段学习得到非线性模型，并找到多尺度合并中的最佳的尺度，用于显著值的计算。显著值计算阶段根据训练阶段得到的最佳尺度和非线性模型来提取显著图。本发明提出的方法充分考虑人的意图，而且利用多尺度的上下文关系，能有效地提取出与人的意图相关的视觉显著的区域，并可以应用于物体检测等领域。

公开(公告)号：CN102999755A

公开(公告)日：2013-03-27

申请号：CN201210426350.5

申请日：2012-10-30

Applicant: 上海交通大学

Inventor： 张瑞 ,  朱玉琨 ,  朱俊 ,  邹维嘉 ,  仇媛媛 ,  付赛男

IPC: G06K9/46

Abstract: 本发明提供一种数字图像中多物体检测的分离方法，属于图像处理技术领域。步骤如下：（1）采用局部特征对数字图像进行检测，并分离检测窗口；（2）根据分离的窗口信息构建并扩展空间特征，采用交叉验证选择最佳参数，并使用支撑向量机进行训练和测试。本发明方法不仅有效利用了图像中物体之间的空间关系，降低了计算的复杂度；而且由于窗口与窗口的分离，不会因为少量的错误结果而恶化所有的检测结果；同时，可以引入更多的空间关系特征，有效的提升了物体检测的结果。本发明优于已有的各种物体检测方法。

公开(公告)号：CN101770578B

公开(公告)日：2011-07-27

申请号：CN201010130681.5

申请日：2010-03-24

Applicant: 上海交通大学

Inventor： 杨小康 ,  张瑞 ,  陈晓琳

IPC: G06K9/46 ,  G06F17/30

Abstract: 一种图像处理技术领域的图像特征提取方法，包括步骤为：提取图像中全部像素点的位置信息和颜色信息；对图像进行提取边缘区域的处理，得到边缘区域每个像素点的位置信息和颜色信息；对图像I的边缘区域提取颜色自相关特征，得到边缘区域的颜色自相关图；对图像的全部区域提取边缘方向自相关特征，得到全局的边缘方向自相关图；对图像的全部区域内提取颜色自相关特征，得到全局的颜色自相关图；将三种自相关图进行特征前融合，得到图像的特征。本发明通过特征融合，实现了更为全面的基于图像结构的内容描述，减小了计算量且提高了性能，用于图像检索时准确率更高。

公开(公告)号：CN101763440B

公开(公告)日：2011-07-20

申请号：CN201010133636.5

申请日：2010-03-26

Applicant: 上海交通大学

Inventor： 张瑞 ,  杨小康 ,  黄俊

IPC: G06F17/30

Abstract: 一种图像处理技术领域的对搜索图像的过滤方法，包括以下步骤：对每张原始图像进行多尺度处理；得到每张原始图像在每个尺度下的颜色特征、形状特征、纹理特征和GIST特征；收集若干图像建立训练图像数据库，对每个训练图像的每个尺度下的颜色特征、形状特征、纹理特征和GIST特征分别进行模型训练处理，得到若干个训练模型；得到每张原始图像的融合特征分值；按照原始图像融合特征分值从大到小的顺序对原始图像进行重新排列，并删除融合特征分值小于阈值T的原始图像。本发明提高了对网页图像搜索结果过滤的性能，能有效去除质量较差、含有噪声、分辨率较低的图像，计算复杂度低、通用性强。

公开(公告)号：CN100531374C

公开(公告)日：2009-08-19

申请号：CN200710043734.8

申请日：2007-07-12

Applicant: 上海交通大学

Inventor： 张瑞 ,  张思竹 ,  杨小康 ,  余松煜

IPC: H04N7/18 ,  G06T7/20

Abstract: 一种视频处理技术领域的结合色度偏差和亮度偏差的视频运动目标检测方法。步骤如下：首先用统计的方法分通道提取背景帧，然后采用中值滤波来消除背景帧中颜色不平衡点的干扰，最后将饱和度剧变点的原RGB三通道色度值替换成RGB三通道的色度均值；在利用亮度差和色度差信息检测前景物体前，先对亮度差和色度差矩阵进行滤波，再利用统计的高斯模型计算出亮度差的阈值，并根据经验值确定出色度差的阈值，最后对检测的结果作保留边界处理。本发明可在视频帧数少、前景运动较慢的情况下准确提取出不含前景信息的背景帧，能根据不同视频序列的特点准确计算出确定前景物体的亮度差阈值，并保存了运动目标的边界，从而准确地检测出视频序列中的运动目标。