公开(公告)号：CN108121970A

公开(公告)日：2018-06-05

申请号：CN201711417699.1

申请日：2017-12-25

Applicant: 武汉大学

Inventor： 胡瑞敏 ,  王正 ,  兰佳梅 ,  李嘉麒 ,  梁超 ,  陈军 ,  陈宇静 ,  渠慎明

IPC: G06K9/00

Abstract: 本发明涉及一种基于差异矩阵和矩阵度量的行人重识别方法，本发明的目的在于利用不同行人之间的差异性来提升重识别效果。该方法首先得到行人的特征描述，再把特征描述子从特征向量转换成差异矩阵，利用不同行人之间的差异，引入了差异内投影矩阵L1和差异间投影矩阵L2，实现不同的图像对之间的距离度量由向量度量转换到矩阵度量，该度量方式不仅利用了某一行人单独的外貌信息，更深层次地利用了不同行人之间的联系，提升了多摄像头下同一行人匹配的准确性。

公开(公告)号：CN108133192A

公开(公告)日：2018-06-08

申请号：CN201711430149.3

申请日：2017-12-26

Applicant: 武汉大学

Inventor： 胡瑞敏 ,  王正 ,  陈宇静 ,  兰佳梅 ,  陈军 ,  丁贵广

IPC: G06K9/00

Abstract: 本发明公开了一种基于高斯-拉普拉斯分布统计的行人重识别，首先通过使用手工或深度学习模型从训练样本中提取特征，将样本对的特征相减，产生正样本对差异和负样本对差异，从而得到正样本对差异和负样本对差异的分布参数，然后对正样本对差异采用拉普拉斯分布、负样本对差异采用高斯分布拟合，进而得到距离度量函数，最后将查询图片和库图片带入距离度量函数中计算距离，按照距离的大小进行排序，得到最后的识别结果。本发明提供的距离度量函数更加准确可靠，拓展性和适用性更强。

公开(公告)号：CN108460746B

公开(公告)日：2021-09-03

申请号：CN201810316116.4

申请日：2018-04-10

Applicant: 武汉大学

Inventor： 胡瑞敏 ,  廖良 ,  肖晶 ,  朱荣 ,  王中元 ,  陈宇 ,  陈宇静

IPC: G06T5/00 ,  G06N3/04

Abstract: 本发明公开了一种基于结构和纹理分层预测的图像修复方法，包括网络模型训练部分和图像修复部分，网络模型训练部分包括训练数据集预处理，边缘结构图的提取，结构完成网络N1的构建与训练，纹理转化网络N2的构建与训练；图像修复部分包括输入测试的待修复图像并进行预处理，边缘结构图的提取，使用结构完成网络N1生成缺损区域的边缘结构，使用纹理转化网络N2生成缺损区域的图像内容，将生成的缺损区域的图像内容填充到待修复图像中。本发明将图像修复的问题分解为结构和纹理分层预测的问题，自动生成缺损结构，并利用修复的结构边缘图约束纹理生成过程，有效避免纹理混淆、形状失真，能大大提高针对自然图像大面积区域缺损问题的修复能力。

公开(公告)号：CN108460746A

公开(公告)日：2018-08-28

申请号：CN201810316116.4

申请日：2018-04-10

Applicant: 武汉大学

Inventor： 胡瑞敏 ,  廖良 ,  肖晶 ,  朱荣 ,  王中元 ,  陈宇 ,  陈宇静

IPC: G06T5/00 ,  G06N3/04

Abstract: 本发明公开了一种基于结构和纹理分层预测的图像修复方法，包括网络模型训练部分和图像修复部分，网络模型训练部分包括训练数据集预处理，边缘结构图的提取，结构完成网络N1的构建与训练，纹理转化网络N2的构建与训练；图像修复部分包括输入测试的待修复图像并进行预处理，边缘结构图的提取，使用结构完成网络N1生成缺损区域的边缘结构，使用纹理转化网络N2生成缺损区域的图像内容，将生成的缺损区域的图像内容填充到待修复图像中。本发明将图像修复的问题分解为结构和纹理分层预测的问题，自动生成缺损结构，并利用修复的结构边缘图约束纹理生成过程，有效避免纹理混淆、形状失真，能大大提高针对自然图像大面积区域缺损问题的修复能力。