-
公开(公告)号：CN104008538A
公开(公告)日：2014-08-27
申请号：CN201410198233.7
申请日：2014-05-12
Applicant: 清华大学
Abstract: 本发明涉及一种基于单张图像超分辨率方法，包括：S1：对输入的低分辨率图像双三次插值得到初始高分辨率图像；S2：将初始高分辨率图像划分为相互重叠的多个图像块进而得到相似图像块分组，并对其去除图像噪声；S3：将去噪后的多个图像块融合成整张高分辨率图像，并对每个图像块求非局部相似图像块以及加权系数，计算非局部相似图像块分组的冗余度权重；S4：根据相似图像块分组更新在线字典并与离线字典融合；S5：求每个图像块关于融合字典的稀疏表达系数；S6：重建所有图像块和整张高分辨率图像，若迭代不收敛且迭代次数小于预定阈值则返回，否则输出高分辨率图像。本发明提升了超分辨率重建的真实感和准确性，并具有同时去除图像噪声的优点。
-
公开(公告)号：CN101159015B
公开(公告)日：2010-12-08
申请号：CN200710177020.6
申请日：2007-11-08
Applicant: 清华大学
Abstract: 本发明公开了一种二维人脸图像识别的方法，属于模式识别和计算机视觉领域。所述方法包括：根据已知三维人脸数据库，建立三维人脸形变模型；输入二维人脸图像进行注册，利用三维人脸形变模型，对注册后的二维人脸图像进行三维重建，得到对所述注册的二维人脸图像的三维重建结果；通过建立光照模型，从所述三维重建结果中生成姿态、光照变化的虚图像；利用所述虚图像进行变化限制分类器设计；输入待识别的二维人脸图像，进行特征提取和压缩处理，然后将所述抽取和压缩处理后的特征输入到所述变化限制分类器中，输出分类结果，最后实现了对人脸图像的识别。通过采用本发明的方法，实现了识别过程完全自动化，提高了识别准确率，识别速度也有很大改善。
-
公开(公告)号：CN100440250C
公开(公告)日：2008-12-03
申请号：CN200710064295.9
申请日：2007-03-09
Applicant: 清华大学
Abstract: 印刷体蒙古文字符识别方法属于字符识别领域，其特征在于，提取蒙古文字符集中字符独特的字符形式信息和字符区域信息进行预分类，确定输入字符所属的字符类别子集，然后抽取能很好反映字符笔划构成信息的方向特征，在此基础上采用两个步骤进行特征优化处理：1.特征整形；2.由LDA(线性鉴别分析)进行特征变换，最后运用MQDF(改进的二次鉴别函数)统计分类器实现分类判决。本发明在多字体多字号印刷体蒙古文字符测试集上的识别正确率达到99.35%。
-
公开(公告)号：CN101140624A
公开(公告)日：2008-03-12
申请号：CN200710176039.9
申请日：2007-10-18
Applicant: 清华大学
Abstract: 本发明公开了一种图像匹配方法，属于图像匹配技术领域。所述方法包括：利用MSER方法检测出待匹配的图像中的同质区域；采用椭圆区域方程对检测到的每个同质区域进行拟合；采用椭圆形梯度直方图和多尺度图像分解抽取经过椭圆区域方程拟合后的同质区域所在测量区域的特征向量；采用分层k均值聚类算法构造同质区域集合的二叉树，进行图像匹配。所述方法还包括：采用结合二叉树的渐进式方法构建感兴趣区域的分类器，进行图像匹配。本发明结合图像尺度空间和统计学习方法大大地降低了提取图像特征向量的复杂度和局部区域匹配复杂度，同时增强了图像匹配算法的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN100356388C
公开(公告)日：2007-12-19
申请号：CN200510136310.7
申请日：2005-12-31
Applicant: 清华大学
IPC: G06K9/00
Abstract: 本发明属于分类器集成和模式识别领域，其特征在于，首先通过各种采集设备获得用户的人脸、虹膜、在线签名和脱机笔迹各生物特征，接下来将这些生物特征分别送入对应的识别认证子模块进行特征提取和模板匹配，并输出各自匹配后得到的分数。这些分数经过归一化后，或者被送入识别融合模块，通过置信度集成等步骤得到最后的识别结果；或者被送入认证融合模块，映射到多维空间并通过分类器分类后得到最后的认证结果；或者识别融合之后再次进行认证融合，得到认证后的最终识别结果。经过融合以后，无论是进行验证还是识别，总的错误率较之单一生物特征识别认证系统，都得到了降低。
-
公开(公告)号：CN101017533A
公开(公告)日：2007-08-15
申请号：CN200710064295.9
申请日：2007-03-09
Applicant: 清华大学
Abstract: 印刷体蒙古文字符识别方法属于字符识别领域，其特征在于，提取蒙古文字符集中字符独特的字符形式信息和字符区域信息进行预分类，确定输入字符所属的字符类别子集，然后抽取能很好反映字符笔划构成信息的方向特征，在此基础上采用两个步骤进行特征优化处理：1.特征整形；2.由LDA(线性鉴别分析)进行特征变换，最后运用MQDF(改进的二次鉴别函数)统计分类器实现分类判决。本发明在多字体多字号印刷体蒙古文字符测试集上的识别正确率达到99.35％。
-
公开(公告)号：CN1266643C
公开(公告)日：2006-07-26
申请号：CN200410009785.5
申请日：2004-11-12
Applicant: 清华大学
Abstract: 基于阿拉伯字符集的印刷体字符识别方法属于字符识别领域，其特征在于，提取阿拉伯字符集中字符独特的区域信息、字符形式信息、构成部件信息进行预分类，确定输入字符所属的字符类别子集，然后抽取能很好反映字符笔划构成信息的方向特征，在此基础上采用两个步骤进行特征优化处理：1.特征整形；2.由LDA(线性鉴别分析)和K-L变换相结合的特征变换，最后运用MQDF(改进的二次鉴别函数)统计分类器进行分类判决。本发明在多字体多字号维吾尔、哈萨克、柯尔克孜和阿拉伯印刷体字符测试集上的识别正确率均达到99.4%以上。
-
公开(公告)号：CN1200387C
公开(公告)日：2005-05-04
申请号：CN03109813.4
申请日：2003-04-11
Applicant: 清华大学
Abstract: 基于单个字符的统计笔迹鉴别和验证方法属于笔迹鉴别领域。其特征在于，它在对处理字符笔迹对象进行必要预处理后，先提取四方向线素特征，再在此基础上，采用下述两种方法之一去选取反映不同书写者差异的笔迹特征，其中一种方法是采用直接LDA(线性鉴别分析)变换提取笔迹特征，另一种方法是先用PCA(主分量分析)变换降维得到降维的特征，然后用LDA变换提取笔迹特征。采用欧氏距离分类器进行分类鉴别。本发明的平均鉴别正确率可达92.69%。
-
公开(公告)号：CN1606028A
公开(公告)日：2005-04-13
申请号：CN200410009785.5
申请日：2004-11-12
Applicant: 清华大学
Abstract: 基于阿拉伯字符集的印刷体字符识别方法属于字符识别领域，其特征在于，提取阿拉伯字符集中字符独特的区域信息、字符形式信息、构成部件信息进行预分类，确定输入字符所属的字符类别子集，然后抽取能很好反映字符笔划构成信息的方向特征，在此基础上采用两个步骤进行特征优化处理：1.特征整形；2.由LDA(线性鉴别分析)和K－L变换相结合的特征变换，最后运用MQDF(改进的二次鉴别函数)统计分类器进行分类判决。本发明在多字体多字号维吾尔、哈萨克、柯尔克孜和阿拉伯印刷体字符测试集上的识别正确率均达到99.4％以上。
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.054 seconds)
