-
公开(公告)号：CN116612320A
公开(公告)日：2023-08-18
申请号：CN202310478718.0
申请日：2023-04-28
申请人： 桂林电子科技大学
IPC分类号： G06V10/764 , G06V10/58 , G06V10/77
摘要： 本发明涉及高光谱图像分类技术领域，具体涉及一种基于多流形度量的高光谱图像分类方法，首先通过提取高光谱像元的空间邻域像元集，从初始考虑结合高光谱图像的空谱信息，具体先将空间邻域像元集建模为高斯分布并映射到高斯流形，然后将其建模为线性子空间模型并映射到Grassmann流形，再使用多核学习算法求得两个对应的黎曼核函数的最优组合系数，得到一个能力互补的组合黎曼核函数，在组合核空间内进行度量学习，通过组合流形切空间中的k个最近邻重构系数获得鲁棒的图权重，进而在统一的单一降维空间内获得具有判别性的结构，使用最近邻分类获得高精度的分类结果。
-
公开(公告)号：CN116612319A
公开(公告)日：2023-08-18
申请号：CN202310478058.6
申请日：2023-04-28
申请人： 桂林电子科技大学
IPC分类号： G06V10/764 , G06V10/58 , G06V10/77
摘要： 本发明涉及计算机视觉技术领域，具体涉及一种基于高斯流形的高光谱图像分类方法，具体通过高斯流形所导出的黎曼度量，即切空间内积，样本数据得以在流形切空间进行图嵌入和度量学习，较大程度地保留了数据的几何特征；此外利用样本间的重构系数来建立图权重以降低噪声和误差的干扰，同时利用非负重构系数图理论来避免负的图权重出现；最后使用度量学习的目标函数，在低维空间中使得类内距离减小，类间距离增大，求得流形切空间的投影矩阵，实现高光谱图像的显式且非线性的降维，此时在低维空间中使用最近邻分类器即可获得较高的分类精度。本发明能够结合高光谱图像的空谱信息，并挖掘和保留高光谱图像蕴含的非线性特征，实现较高的分类精度。
-
公开(公告)号：CN116703756A
公开(公告)日：2023-09-05
申请号：CN202310549804.6
申请日：2023-05-16
申请人： 桂林电子科技大学
摘要： 本发明涉及计算机图形学技术领域，具体涉及一种结合FXAA和后处理阴影检测的时间抗锯齿方法，首先计算运动矢量，使用运动矢量偏移像素坐标来采样历史帧，之后利用当前邻域像素对历史帧像素进行历史验证。之后检测当前帧边缘，同时检测阴影区域。二者取并集得到走样像素的集合，之后使用FXAA方法混合集合中历史帧和当前帧对应位置像素，即可得到抗锯齿后的方法。本发明在渲染管线的后处理阶段利用FXAA算法对当前帧进行去噪处理，检测了阴影区域并进行了额外混合，基本消除了渲染相机移动时场景中嘈杂阴影的闪烁现象，适用于3D场景中噪杂阴影的渲染。
-
公开(公告)号：CN116596787A
公开(公告)日：2023-08-15
申请号：CN202310550379.2
申请日：2023-05-16
申请人： 桂林电子科技大学
摘要： 本发明涉及计算机图形学技术领域，具体涉及一种使用历史和当前边缘结合的时间抗锯齿方法，在渲染开始的第一帧，利用Canny边缘检测方法计算第一帧的细边缘并缓存，从第二帧开始调整边缘检测的阈值，分别检测细边缘和粗边缘。之后，粗边缘与历史缓存边缘取交集作为时间走样像素的集合，再与细边缘取并集作为最终的边缘检测结果。其中，粗边缘用于验证历史边缘，防止边缘随时间推移而扩散。细边缘主要用于检测当前帧空间走样像素。本发明准确地检测到了时间和空间走样像素，有效结合了SSAA和TAA算法的优势，利用高采样率的同时不会产生过多的时间成本，性价比高，此外还能提高渲染结果图像的清晰度。
-
-
-
搜索结果
4 条记录 (耗时 0.022 秒)
