-
公开(公告)号：CN112116527A
公开(公告)日：2020-12-22
申请号：CN202010940661.8
申请日：2020-09-09
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06T3/40
Abstract: 本发明涉及一种基于级联网络框架的图像超分辨率方法、级联网络，基于基础超分辨率网络，获取目标图像的初步上采样结果；基于细节精修网络，根据初步上采样结果，获取超分辨率图像结果。其两个网络级联，将面向峰值信噪比的任务和面向主观感受的任务分开，由两个模型分别处理，基础超分辨率网络首先完成初步的上采样，这个初步上采样的结果很大程度上和原始高分辨率图像保证了内容一致性，接下来将初步上采样的结果送入精修网络来进一步改善感官损失，精修网络有了初步上采样结果的输入保证了整个超分辨率结果不会过度牺牲内容一致性，并且在初步上采样结果上精修减轻了精修网络和判别器的训练难度加快了训练速度，有效地缓解了现有模型的问题。
-
公开(公告)号：CN112084868A
公开(公告)日：2020-12-15
申请号：CN202010794525.2
申请日：2020-08-10
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于注意力机制的遥感图像中目标计数方法，在VGG16的基础上融合了注意力机制，尺度金字塔和可变形卷积的特性，由三个级联的阶段组成：前端网络的特征提取，中端网络的尺度融合以及后端网络的密度图的生成。通过本发明的技术方案，能够很好地解决遥感图像中密集目标计数任务中存在的目标尺度多样性、复杂混乱的背景干扰以及目标方向任意性的问题。
-
公开(公告)号：CN111145146A
公开(公告)日：2020-05-12
申请号：CN201911263956.X
申请日：2019-12-11
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于HHT的风格迁移伪造图像检测方法和装置，将训练图像集合中的二维图像转换为一维图像信号，对一维图像信号进行希尔伯特-黄变换；对于变换所得的瞬时频率集合的分布，采用高斯混合分布进行拟合，并对瞬时频率进行编码，作为训练图像集合中各幅图像的检测特征；利用训练图像集合中各幅图像对应的检测特征及其标签，进行分类器的训练，获得可以较好检测风格迁移伪造图像的分类器；将待检测图像转换为一维图像信号并对其进行希尔伯特-黄变换，利用构建好的高斯混合模型对变换得到的待检测图像的瞬时频率进行编码，作为待检测图像的检测特征，利用训练好的分类器进行检测，可以有效地对真实图像和风格迁移伪造图像进行区分。
-
公开(公告)号：CN104598911B
公开(公告)日：2017-12-19
申请号：CN201510048398.0
申请日：2015-01-30
Applicant: 北京航空航天大学
IPC: G06K9/46
Abstract: 本发明提供一种基于DoG函数的图像表征方法，其主要步骤包括：抽取采样点建立采样点模板；获取待表征图像的N个方向的梯度图；针对每个方向的梯度图，得到每个方向的S+1幅高斯卷积的梯度方向图；针对每个方向的S+1幅高斯卷积的梯度方向图，得到S幅DoG卷积的梯度方向图；从这些不同梯度方向的DoG卷积的梯度方向图中按照每个采样点的DoG卷积尺度以及采样点在采样点模板中的位置有相同位置的点抽取像素值；最终组成总特征向量表征待表征图像，本发明提供的基于DoG函数的图像表征方法用来表征图像可以实现更高的区分性和更好的鲁棒性。
-
公开(公告)号：CN105512618A
公开(公告)日：2016-04-20
申请号：CN201510846671.4
申请日：2015-11-27
Applicant: 北京航空航天大学
CPC classification number: G06K9/00724 , G06T2207/10016
Abstract: 本发明提供一种视频跟踪方法，包括：为目标框建立目标视频分类器，采用目标视频分类器跟踪目标框并识别出候选框，若候选框遮挡目标框，则为候选框建立候选视频分类器，并采用候选视频分类器跟踪候选框并识别出目标框，若候选框离开目标框，则重新通过目标视频分类器对目标框进行跟踪，若候选框继续遮挡目标框，则继续通过候选视频分类器对候选框进行跟踪；直至对视频图像的所有帧的跟踪操作完成。本发明提供的视频跟踪方法，可以有效解决运动视频中的遮挡问题，当跟踪目标被遮挡后不会将跟踪目标跟丢，提高了视频跟踪的正确率。
-
Patent Agency Ranking
公开(公告)号：CN103279768A
公开(公告)日：2013-09-04
申请号：CN201310214506.8
申请日：2013-05-31
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于增量学习人脸分块视觉表征的视频人脸识别方法，属于模式识别领域。本方法使用Adaboost算法在人脸视频第一帧的正面人脸图像进行检测，使用Camshift算法进行跟踪，得到所有人脸图像，在读入视频过程中，对人脸图像进行增量聚类，并从每类人脸图像中选取代表；对代表图像进行处理，学习基于块视觉表征的视觉词典；使用视觉词典对人脸图像进行表征；最后根据相似矩阵对人脸图像构成的视频进行识别。本发明方法能够提高视频人脸在光照、姿态，以及跟踪结果不理想状态下的识别率和鲁棒性，能够有效、便捷、自动地检测、跟踪和识别视频中的人脸。
-
公开(公告)号：CN103093216A
公开(公告)日：2013-05-08
申请号：CN201310043899.0
申请日：2013-02-04
Applicant: 北京航空航天大学
Abstract: 本发明提供一种基于人脸图像的性别分类方法及系统，所述方法包括：获取待分类的人脸图像，对待分类的人脸图像进行预处理，以生成待分类图像数据；获取待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，得到待分类LCP编码图像；所述每一像素点的LCP编码根据所述像素点的邻域中其它像素点与所述像素点的灰度值的差值得到；根据待分类LCP编码图像以及预先训练的类别模型，确定待分类图像数据的类别。本实施例在确定LCP编码过程中考虑了相邻像素点与中心像素点的差值，即，既考虑了差值符号又考虑了差值大小，从而增强了图像数据中特征的描述力，进而提高了计算机根据人脸图像进行性别分类的准确性。
-
公开(公告)号：CN101430760B
公开(公告)日：2010-11-03
申请号：CN200810226628.8
申请日：2008-11-18
Abstract: 本发明涉及一种基于线性和贝叶斯概率混合模型的人脸超分辨率处理方法，由图像采集和图像预处理、人脸图像主成分提取、特征脸超分辨率处理、主成分超分辨率处理和贝叶斯概率修正组成。该人脸超分辨率处理方法采用一种基于线性模型和贝叶斯概率模型的混合模型，首先提取低分辨率人脸图像的主成分分量，利用线性模型通过训练得到低分辨率特征脸的超分辨率结果实现主成分的初步超分辨结果；然后利用贝叶斯概率模型，通过最大后验概率估计对初步超分辨结果进行修正，有效地加强了超分辨率算法对噪声的鲁棒性，提高了超分辨率结果的清晰度。
-
公开(公告)号：CN101388080B
公开(公告)日：2010-08-11
申请号：CN200810224684.8
申请日：2008-10-23
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于多角度步态信息融合的行人性别分类方法，该方法包括：采用0度、90度和180度三个角度步态图像，这里0度对应着行人的正面，90度对应着行人的侧面，180度对应着行人的背面；对图像进行区域划分，对每个划分的区域用椭圆进行拟合，计算椭圆参数作为步态特征；计算步态特征的男性和女性相似度；采用支持向量机方法对三个角度的相似度进行融合和分类。本发明方法的优点在于，具有较高分类正确率，对步态图像中存在的噪声具有鲁棒性，所用特征数较少，分类速度快。
-
公开(公告)号：CN101359368A
公开(公告)日：2009-02-04
申请号：CN200810198441.1
申请日：2008-09-09
IPC: G06K9/00
Abstract: 本发明公开了一种视频图像聚类方法，包括：获取视频帧中的多个视频图像；比较所述获取到的多个视频帧中的视频图像的相似度，将第一相似度值小于或等于第一阈值的视频图像，分为不同的视频图像子聚类；从所述视频图像子聚类中，提取与第一张视频图像的第二相似度值小于或等于第二阈值的视频图像作为视频图像典型样本，形成视频图像典型样本集合。实施本发明实施例，可以实现对监控视频中的视频图像进行快速索引。
-
-
-
-
-
-
-
-
-
Search Results
184
records
(took 0.052 seconds)
