-
公开(公告)号：CN116580438A
公开(公告)日：2023-08-11
申请号：CN202310525186.1
申请日：2023-05-10
Applicant: 哈尔滨商业大学
Abstract: 本发明公开了一种多角度人脸特征提取方法，丰富了多角度人脸识别的人脸角度跨度，在原有的GRMF基础上进行算法上的改进以及根据实验对参数的选择，可使用计算机程序对多角度人脸图像进行分类，提高图像分类的精度，更适用与现实环境，利用头部姿势数据库，每个姿势拥有两张的目的是能够在已知和未知的面孔上训练和测试算法。数据库中的人是否戴眼镜，肤色各异。背景是自然中性和整洁的，以便专注于面部操作。每个图像上的人脸位置都标记在单独的文本文件中，实验数据相同的情况下，该发明增加了GRMF特征在多角度人脸图像上的信息量，丰富了人脸角度的覆盖，提高了准确率。能有效的对多角度人脸图像进行分类，提高分类效率。
-
公开(公告)号：CN112966694A
公开(公告)日：2021-06-15
申请号：CN202110145111.1
申请日：2021-02-02
Applicant: 哈尔滨商业大学
Abstract: 一种应用于图像匹配的尺度不变特征点提取方法，解决了现有利用Fast特征点进行图像匹配精度不高的问题，属于图像匹配技术领域。本发明包括：计算图像中像素点的在不同尺度下的尺度区域值，建立尺度金字塔；在不同尺度下的每个像素点与周围8个像素点的尺度区域值进行比较，筛选出候选特征点，并计算图像在不同尺度下的尺度响应得分对筛选出的候选特征点进行非极大值抑制，筛选出尺度响应得分最大的候选特征点，并用当前尺度与上下尺度的响应得分进行插值计算，得到精确尺度，去掉偏移超过设定值的候选特征点，剩余的候选特征点为尺度不变特征点。对得到的尺度不变特征点结合Surf区域描述生成局部特征，对图像进行匹配实验得到匹配结果并分析。
-
公开(公告)号：CN111476766A
公开(公告)日：2020-07-31
申请号：CN202010244382.8
申请日：2020-03-31
Applicant: 哈尔滨商业大学
IPC: G06T7/00
Abstract: 基于深度学习的肺结节CT图像检测系统，本发明涉及肺结节CT图像检测系统。本发明的目的是为了解决现有技术中基于卷积神经网络进行肺结节分类中存在的训练数据不足，导致网络容易过拟合且网络训练速度较慢的问题。系统包括：图像采集主模块、inception-res-v2主模块、inception-res-v2改进主模块、训练主模块和测试主模块；所述inception-res-v2主模块用于搭建肺部疾病诊断inception-res-v2网络模型；所述inception-res-v2改进主模块用于对搭建的肺部疾病诊断inception-res-v2网络模型进行改进；本发明用于CT图像检测领域。
-
公开(公告)号：CN112966715B
公开(公告)日：2021-09-07
申请号：CN202110144794.9
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06K9/62
Abstract: 一种基于多尺度视觉词包模型的商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
公开(公告)号：CN112966715A
公开(公告)日：2021-06-15
申请号：CN202110144794.9
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06K9/62
Abstract: 一种基于多尺度视觉词包模型的商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
Patent Agency Ranking
公开(公告)号：CN113657511B
公开(公告)日：2022-10-28
申请号：CN202110954649.7
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/762
Abstract: 一种商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
公开(公告)号：CN113657511A
公开(公告)日：2021-11-16
申请号：CN202110954649.7
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06K9/62
Abstract: 一种商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
公开(公告)号：CN109978846A
公开(公告)日：2019-07-05
申请号：CN201910204748.6
申请日：2019-03-18
Applicant: 哈尔滨商业大学
Abstract: 一种基于体局部方向三值模式的肺结节纹理特征提取系统及方法。本发明涉及从肺部CT图像识别出肺结节方法。现有肺结节文理特征提取方法存在图像的部分纹理信息损失，而导致的肺结节识别率的问题。一种基于体局部方向三值模式的肺结节纹理特征提取系统及方法，基于VLBP模式对肺结节的相邻切片进行局部模式提取；对提取的局部模式利用正态分布函数进行局部自适应阈值的计算；将局部三值模式以中心像素为中心进行各方向的三值概率统计；将统计得到的各方向的三值概率作为特征向量和KNN分类算法来识别肺结节，并进行肺结节纹理特征识别结果的评价，得出识别结果是否正确。本发明方法提高了肺结节识别的准确率。
-
公开(公告)号：CN118429714B
公开(公告)日：2025-04-04
申请号：CN202410582118.3
申请日：2024-05-11
Applicant: 哈尔滨商业大学
IPC: G06V10/764 , G06V10/44 , G06N3/0455 , G06N3/082 , G06V10/82
Abstract: 一种小样本图像分类的方法，属于图像分类技术领域。本发明为了解决小样本图像分类效果不佳的问题。本发明针对待分类图像与若干类已知类别图像中每一类图像，分别进行特征提取，进行特征提取的过程中，首先将图像送入Swin Transformer进行特征提取，然后送入空间注意力和通道注意力CSAM处理；待分类图像经过CSAM处理后的表示1个图像对应的向量与已知类别图像中任意一类图像经过CSAM处理后的表示1个图像对应的向量，利用EMD距离得到最优匹配流，并基于最佳匹配计算图像表示之间的相似性得分，根据得分确定待分类图像的类别。
-
公开(公告)号：CN118429714A
公开(公告)日：2024-08-02
申请号：CN202410582118.3
申请日：2024-05-11
Applicant: 哈尔滨商业大学
IPC: G06V10/764 , G06V10/44 , G06N3/0455 , G06N3/082 , G06V10/82
Abstract: 一种小样本图像分类的方法，属于图像分类技术领域。本发明为了解决小样本图像分类效果不佳的问题。本发明针对待分类图像与若干类已知类别图像中每一类图像，分别进行特征提取，进行特征提取的过程中，首先将图像送入Swin Transformer进行特征提取，然后送入空间注意力和通道注意力CSAM处理；待分类图像经过CSAM处理后的表示1个图像对应的向量与已知类别图像中任意一类图像经过CSAM处理后的表示1个图像对应的向量，利用EMD距离得到最优匹配流，并基于最佳匹配计算图像表示之间的相似性得分，根据得分确定待分类图像的类别。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
