-
公开(公告)号：CN106203448A
公开(公告)日：2016-12-07
申请号：CN201610538778.7
申请日：2016-07-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于非线性尺度空间的场景分类方法，构建非线性尺度空间，提取并融合图像颜色特征和空间特征，得到C-KAZE特征描述向量，通过K-means将得到的C-KAZE特征向量聚类生成视觉词包，经过编码池化后，得到高层语义，结合BoVW模型，SPM模型提取并融合图像的高层语义特征和空间布局信息，通过编码和平均池化操作得到最终的特征向量，输入SVM分类器完成场景分类。本发明可快速有效的完成高分辨率，大数据量的场景图像分类，其平均分类准确率和实时性均高于现有分类算法。
-
公开(公告)号：CN106355608A
公开(公告)日：2017-01-25
申请号：CN201610816422.5
申请日：2016-09-09
Applicant: 南京信息工程大学
IPC: G06T7/33
Abstract: 本发明公开了一种基于可变权重代价计算与S-census变换的立体匹配方法，利用星型邻域最小均匀度的均值代替中心像素灰度值进行census变换；以可变权重的Hamming距作为匹配代价，采用非局部代价聚合方法获取初始视差；利用基于均值偏移的视差提精方法，对初始视差做进一步的处理，处理不可信视差区域，获得高精度视差图。本发明分析了传统census变换的不足，提出了可变权重代价计算与S-census变换，有效地增强了算法的抗干扰能力；通过可变权重汉明距作为对匹配代价的选取分析方法，有效的提高了匹配精准度，减少了误匹配率；采用非局部代价聚合的方法获取初始视差，提高了视差的区分度；突破了局部立体匹配精度不高、抗干扰能力弱等局限性、能够实现高精度的立体匹配。
-
公开(公告)号：CN106355608B
公开(公告)日：2019-03-26
申请号：CN201610816422.5
申请日：2016-09-09
Applicant: 南京信息工程大学
IPC: G06T7/33
Abstract: 本发明公开了一种基于可变权重代价计算与S‑census变换的立体匹配方法，利用星型邻域最小均匀度的均值代替中心像素灰度值进行census变换；以可变权重的Hamming距作为匹配代价，采用非局部代价聚合方法获取初始视差；利用基于均值偏移的视差提精方法，对初始视差做进一步的处理，处理不可信视差区域，获得高精度视差图。本发明分析了传统census变换的不足，提出了可变权重代价计算与S‑census变换，有效地增强了算法的抗干扰能力；通过可变权重汉明距作为对匹配代价的选取分析方法，有效的提高了匹配精准度，减少了误匹配率；采用非局部代价聚合的方法获取初始视差，提高了视差的区分度；突破了局部立体匹配精度不高、抗干扰能力弱等局限性、能够实现高精度的立体匹配。
-
公开(公告)号：CN106203448B
公开(公告)日：2019-03-12
申请号：CN201610538778.7
申请日：2016-07-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于非线性尺度空间的场景分类方法，构建非线性尺度空间，提取并融合图像颜色特征和空间特征，得到C‑KAZE特征描述向量，通过K‑means将得到的C‑KAZE特征向量聚类生成视觉词包，经过编码池化后，得到高层语义，结合BoVW模型，SPM模型提取并融合图像的高层语义特征和空间布局信息，通过编码和平均池化操作得到最终的特征向量，输入SVM分类器完成场景分类。本发明可快速有效的完成高分辨率，大数据量的场景图像分类，其平均分类准确率和实时性均高于现有分类算法。
-
-
-
Search Results
4
records
(took 0.1 seconds)
