-
公开(公告)号：CN109146909A
公开(公告)日：2019-01-04
申请号：CN201811181940.X
申请日：2018-10-11
申请人： 陕西师范大学
摘要： 本发明公开了一种图像目标识别方法，包括以下步骤：A、根据待识别图像内容确定若干个识别点；B、根据图像的像素点灰度的变化趋势和图像的像素点与识别点的灰度差值对图像的背景进行分离；C、将分离背景后的图像进行分割，形成多个图像块；D、对每个图像块进行频域分解，确定分解后的有效频段；E、将有效频段内的图像信息进行重新组合，得到识别出的目标图像。本发明可以解决现有技术的不足，提高了图像目标识别的速度。
-
公开(公告)号：CN106023204B
公开(公告)日：2018-11-09
申请号：CN201610340089.5
申请日：2016-05-20
申请人： 陕西师范大学
摘要： 本公开提出了一种基于边缘检测算法的去除蚊式噪声的方法及系统。本公开认为边缘信息是连续的像素点，而噪声点是孤立的点，因此所述方法提出了一种边缘检测算法，用来探测所得到的边缘是连接的，还是孤立的点，从而来区别真假边缘信息，探测到的连续像素点视为真边缘，孤立的像素点为噪声点，图像中未检测到的区域指定为远离边缘的区域，之后保留真边缘，对真边缘附近的区域和假边缘进行强降噪，对远离边缘区域进行一般降噪。本公开方法区别真假边缘信息，保留了细节信息，避免了图像处理后的模糊；由于采用降噪滤波为双边滤波，相比传统采用均值滤波和中值滤波去除蚊式噪声的方法，弥补了传统方法对边缘造成的模糊效应，更好地去除了蚊式噪声。
-
公开(公告)号：CN105931253B
公开(公告)日：2018-11-06
申请号：CN201610321142.7
申请日：2016-05-16
申请人： 陕西师范大学
摘要： 本发明公开了一种基于半监督学习相结合的图像分割方法，包括如下步骤：获取待分割图像的梯度图像，并对待分割图像依次进行压缩、锐化、二值化处理和距离变换处理，获取待分割图像的距离地形图；提取所得距离变换图中每个连通区域的灰度值最大的一点或点集，作为前景标记；对所得的距离地形图进行分水岭变换，将得到的分水岭脊线作为背景标记；屏蔽所述梯度图像中的局部极小值，根据获取的前景标记和背景标记标记所述梯度图像的局部极小值，得到修正后的梯度图像；然后通过半监督学习方法进行多角度数据的获取、预测矩阵的建立、训练模型的构建以及图像的分割。本发明能提高图像分割的精度。
-
公开(公告)号：CN106503661A
公开(公告)日：2017-03-15
申请号：CN201610935067.3
申请日：2016-10-25
申请人： 陕西师范大学
CPC分类号： G06K9/00221 , G06K9/6256 , G06K9/6267
摘要： 一种基于烟花深度信念网络的人脸性别识别方法，由原始图像预处理、训练深度信念网络、用烟花算法优化深度信念网络初始参数空间、使用烟花算法优化的深度信念网络进行人脸性别识别组成。本发明采用深度信念网络在无监督阶段学习到人脸图像语义信息更加丰富的特征，在有监督阶段采用烟花算法调节深度信念网络初始参数空间，得到更适合于识别任务的网络模型。本发明具有抗干扰性强、全局最优、识别率高等优点，可用于人脸性别识别以及其它的图像识别和分类。
-
公开(公告)号：CN116777695A
公开(公告)日：2023-09-19
申请号：CN202310753255.4
申请日：2023-06-26
申请人： 陕西师范大学
IPC分类号： G06Q50/20 , G06F18/213 , G06F18/25 , G06N3/048 , G06N3/0464
摘要： 一种融合项目反应的时序卷积知识追踪方法，由获取训练数据集、构建知识追踪网络、获取学生知识状态、题目区分度编码、题目难度编码、预测学生答题情况、训练网络、测试网络组成。本发明采用时序卷积网络对学生的交互序列进行特征提取，得到学生知识状态，对学生的答题能力、题目难度、题目区分度编码，确定了学生和习题之间的互动关系，预测学生答题情况。本发明与现有技术相比，网络模型的预测准确率显著提升，能有效地避免循环神经网络存在的梯度消失的情况，对学生的作答过程有更加全面、准确的跟踪和解释。
-
公开(公告)号：CN109685743B
公开(公告)日：2023-01-17
申请号：CN201811649125.1
申请日：2018-12-30
申请人： 陕西师范大学
IPC分类号： G06T5/00
摘要： 基于噪声学习神经网络模型的图像混合噪声消除方法，由构建训练模型数据集、噪声学习神经网络模型构建、噪声学习神经网络模型训练及初始参数的确定、对混合噪声图像进行去噪四部分组成。本发明通过构建训练模型数据集对噪声学习神经网络模型进行训练，通过第一噪声特征抽取单元提取混合噪声的特征，利用中间层的噪声特征强化模块和第一正则化单元增强混合噪声的特征，在第二噪声特征抽取单元产生预测的噪声残差图像；将带有混合噪声的测试图像输入到噪声学习神经网络模型中，输出残差图像，用带有混合噪声的图像减去残差图像可得到清晰的图像。本发明具有自适应能力高，泛化能力强，测试时间短等优点，可用于图像的混合噪声消除。
-
公开(公告)号：CN111488923A
公开(公告)日：2020-08-04
申请号：CN202010263894.9
申请日：2020-04-03
申请人： 陕西师范大学
摘要： 一种增强的锚点图半监督分类方法，包括：S100、准备数据集；S200、对S100准备的数据集采用锚点提取方法提取m个锚点，得到锚点集U；S300、根据S200得到的锚点集U，使用基于锚点的概率近邻方法建立锚点集U中的锚点或已标记数据集Xl中的节点与数据集中其他节点之间的关系，得到关系矩阵Z*；S400、将S200中得到的锚点集U中的锚点和已标记数据集Xl中的节点作为节点构造图结构，利用扩展标签传播方法进行标签传播；S500、根据S300中得到的关系矩阵Z*和S400中得到的标签矩阵F*进行标签传播得到最终分类结果。本公开提出的分类方法能够降低半监督分类过程中的时间复杂度和空间复杂度，提高效率。
-
公开(公告)号：CN111046914A
公开(公告)日：2020-04-21
申请号：CN201911131232.X
申请日：2019-11-20
申请人： 陕西师范大学
IPC分类号： G06K9/62
摘要： 本公开涉及一种基于动态构图的半监督分类的方法，包括：S100、准备数据集；S200、在步骤S100准备的数据集上使用动态近邻DNN方法进行选边，得到邻接矩阵A；S300、对步骤S200中生成的邻接矩阵A使用ADW方法计算节点间的相似概率，得到亲和矩阵M；S400、根据步骤S300得到的亲和矩阵M进行标签传播得到最终的分类结果。本公开提出的分类方法能够捕捉数据的分布，在数据稠密区域连接更多的边，在数据稀疏区域连接较少的边，可以更好地反映数据的疏密程度，因此具有更好的分类效果。
-
-
公开(公告)号：CN106503661B
公开(公告)日：2019-06-28
申请号：CN201610935067.3
申请日：2016-10-25
申请人： 陕西师范大学
摘要： 一种基于烟花深度信念网络的人脸性别识别方法，由原始图像预处理、训练深度信念网络、用烟花算法优化深度信念网络初始参数空间、使用烟花算法优化的深度信念网络进行人脸性别识别组成。本发明采用深度信念网络在无监督阶段学习到人脸图像语义信息更加丰富的特征，在有监督阶段采用烟花算法调节深度信念网络初始参数空间，得到更适合于识别任务的网络模型。本发明具有抗干扰性强、全局最优、识别率高等优点，可用于人脸性别识别以及其它的图像识别和分类。
-
-
-
-
-
-
-
-
-
搜索结果
44 条记录 (耗时 0.029 秒)
