-
公开(公告)号：CN1883384A
公开(公告)日：2006-12-27
申请号：CN200610028023.9
申请日：2006-06-22
Applicant: 复旦大学
IPC: A61B5/0476 , G06F19/00
Abstract: 本发明属于脑电信号处理技术领域，具体是一种可以自动识别并去除脑电信号中伪迹成分以及自动提取脑电信号中基本节律的方法。该方法采用独立元分析算法，分离出脑电信号中的伪迹成分以及如alpha波等脑电基本节律；然后对各独立成分进行非线性指数分析，通过设定的阈值，自动识别出其中的伪迹成分以及有待提取的脑电基本节律；最后令识别出的独立成分为零，将其余成分投影返回到原信号各个电极，即可得到去除伪迹后的脑电信号。本发明结合三种非线性指数，从多种角度自动识别伪迹成分和脑电基本节律，无需人工干预。本发明可以有效去除脑电信号伪迹成分，得到较为纯净的脑电信号。本发明可作为脑电信号预处理，对进一步研究脑电信号的真实活动具有重要的意义。
-
公开(公告)号：CN1281066C
公开(公告)日：2006-10-18
申请号：CN200410024713.8
申请日：2004-05-27
Applicant: 复旦大学
Abstract: 本发明为一种视频帧组和残差帧组交替的时域多小波基三维小波变换等级树集合划分压缩编码方法，是对视频图像三维小波变换压缩编码系统的重要改进。考虑到视频处理的实时性和系统的存储容量、小波变换后系数的统计特性和SPIHT编码算法的特点，本发明提出了对于纹理比较复杂运动不太剧烈的视频流图像，进一步利用了视频流的时间相关性，将视频流划分成原始帧组(OFG)和残差帧组(RFG)作为编码单元进行处理，同时在时间域采用Haar小波基和Daubechies 9/7小波基相结合的方法。本发明明显提高了三维小波变换等级树集合划分压缩编码算法系统的性能。
-
公开(公告)号：CN1776712A
公开(公告)日：2006-05-24
申请号：CN200510111541.2
申请日：2005-12-15
Applicant: 复旦大学
IPC: G06K9/00
Abstract: 本发明属于模式识别技术领域，具体涉及一种基于人脸统计知识的人脸识别方法，该方法利用一张正面标准人脸图像作注册，能够得到该人脸在不同姿态下的虚拟图像，再应用一个将姿态识别和身份识别分开的两阶段识别策略，解决了注册和识别时人脸姿态变化的问题。本方法包含了一个代表人脸结构统计信息的三维可变形人脸模型、一个从正面人脸图像中重建出三维人脸的重建算法和一个姿态－身份两阶段识别策略。本发明在仅有一张正面标准人脸图像作注册的情况下仍能获得对侧面测试图像较高的识别率。
-
-
公开(公告)号：CN102938072B
公开(公告)日：2016-05-11
申请号：CN201210403361.1
申请日：2012-10-20
Applicant: 复旦大学
IPC: G06K9/62
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于分块的低秩张量分析的高光谱图像降维和分类方法。本发明根据高光谱图像的三维数据结构及其强烈的光谱特性和局部空间相关特性，将分块思想引入基于低秩张量分析的高光谱图像降维方法中，克服了图像的整体空间相关性较弱以及降维子空间维度的设定对降维效果的负面影响，最终得到一种能够大幅提高图像总体分类精度的新型降维方法——分块低秩张量分析法。该算法对各种不同的高光谱数据（包括仿真数据和实际数据集）都表现出良好的适用性。在基于高光谱遥感图像的高精度的地物分类方面具有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN102289673B
公开(公告)日：2013-04-10
申请号：CN201110169305.1
申请日：2011-06-22
Applicant: 复旦大学
Abstract: 本发明属于高光谱遥感图像处理技术领域，具体为一种基于偏最小二乘法的高光谱遥感图像波段选择的方法。本发明利用偏最小二乘法提取成分保留高光谱图像变异信息且与分类信息相关程度高的特点，将光谱矩阵与隶属度矩阵乘积的能量作为选择波段的标准，通过迭代求取已选择波段递归的残差来选择下一组波段，实现波段选择的过程。本发明能有效克服传统多光谱图像波段选择方法计算复杂度高，需要去除相关波段的缺点。高光谱遥感图像分类实验结果表明，高光谱遥感图像使用本发明进行波段后具有良好的分类效果。本发明对于高效利用高光谱图像的信息资源有着重要的应用价值。
-
公开(公告)号：CN102214298A
公开(公告)日：2011-10-12
申请号：CN201110166001.X
申请日：2011-06-20
Applicant: 复旦大学
Abstract: 本发明属于遥感图像目标检测与识别技术领域，具体为一种基于选择性视觉注意机制的遥感图像机场目标快速检测和识别的方法。本发明用改进后的注意力选择模型GBVS(Graph-basedVisualSaliency)对原始遥感图像进行显著性分析，得到显著性区域，并根据区域上的SIFT(Scale-invariantFeatureTransform)特征结合HDR(HierachicalDiscriminantRegression)树达到机场目标识别的目的。本发明能有效地克服传统机场检测方法中对图像逐像素分析的缺点。实验结果表明，本发明较现有的其它机场检测方法具有速度快、识别率高、虚警率低的特点，同时对噪声有较强的鲁棒性，非常适用于军事和民用领域复杂背景下的实时目标检测，对于实际应用具有较大的意义和价值。
-
公开(公告)号：CN101221662B
公开(公告)日：2011-07-20
申请号：CN200810033321.6
申请日：2008-01-31
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于自组织映射神经网络的遥感图像混合像元分解方法。该方法将自组织映射神经网络和模糊理论中的模糊隶属度相结合，来计算分解后的丰度值。同时，由于自组织映射神经网络的无目标函数的竞争学习特性，本方法摆脱了局部极值问题。此外，本发明自动满足混合像元分解问题所要求的两个约束：丰度值非负约束和丰度值和为1约束，有较好的混合像元分解结果，同时具有较强的抗噪声能力。新方法在基于多光谱和高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号：CN101271525B
公开(公告)日：2011-05-04
申请号：CN200810035862.2
申请日：2008-04-10
Applicant: 复旦大学
Abstract: 本发明属于机器视觉和图像处理技术领域，具体为一种快速的图像序列特征显著图获取方法。本发明把输入图像序列的时间信息和空间信息综合在四元数特征图像中，将图像的颜色、形状和运动信息结合起来用于后续显著目标抽取，同时该算法利用四元数特征图像频率域的相位信息作为原图像序列显著图获取的依据，能快速准确的得到图像中人眼感兴趣的注意力选择区域，从中可以进一步提取出图像中的显著物体。实验表明本发明在自然视频流场景中有着较高的运算效率和很好的显著目标抽取结果。同时，方法本身复杂度较低，易于硬件实现，在机器人视觉，目标跟踪以及图像分割，视频压缩、编码、传输等领域内有很好的应用前景。
-
公开(公告)号：CN101692125A
公开(公告)日：2010-04-07
申请号：CN200910195453.3
申请日：2009-09-10
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于Fisher判别零空间的高光谱遥感图像混合像元分解方法。Fisher判别零空间法是针对混合像元分解中普遍存在的同物异谱现象引起的分解精度降低的问题而提出的。该方法通过对端元纯像元光谱组成的训练样本进行分析，构造训练样本的类内散布矩阵零空间，使端元内的光谱差异变为零，再在此零空间内寻找令类间散布矩阵离散度最大的判别矢量，使不同类的端元光谱分离度最大，从而最大程度上减少了由于同物异谱而导致的分解误差。本发明方法在高光谱遥感图像的高精度的地物分解以及地面目标的检测和识别方面具有特别重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.021 seconds)
