-
-
公开(公告)号：CN107680037B
公开(公告)日：2020-09-29
申请号：CN201710817616.1
申请日：2017-09-12
Applicant: 河南大学
Abstract: 本发明公开了一种改进的基于最近特征线流形学习的人脸超分辨率重建方法，在现有基于最近特征线流形学习的人脸超分辨率重建方法的基础上，通过对于投影点落在两个样本点之间的连接线的外推线上的情况进行区分处理，即当投影点到两个样本点的欧氏距离之和大于两个样本点之间的欧氏距离的W倍，则从两个样本点中查找距离投影点较近的样本点替换投影点，形成待筛选点集，这样对投影点进行限制使得其与样本点具有更强的关联性，可以很大程度地提高新得到的样本数据对输入低分辨率图像块的表达能力，尽量避免引入原图像不存在的细节信息，提高低分辨率图像的重建效果。
-
公开(公告)号：CN107680037A
公开(公告)日：2018-02-09
申请号：CN201710817616.1
申请日：2017-09-12
Applicant: 河南大学
CPC classification number: G06T3/4076 , G06K9/00228 , G06T2207/20081 , G06T2207/30201
Abstract: 本发明公开了一种改进的基于最近特征线流形学习的人脸超分辨率重建方法，在现有基于最近特征线流形学习的人脸超分辨率重建方法的基础上，通过对于投影点落在两个样本点之间的连接线的外推线上的情况进行区分处理，即当投影点到两个样本点的欧氏距离之和大于两个样本点之间的欧氏距离的W倍，则从两个样本点中查找距离投影点较近的样本点替换投影点，形成待筛选点集，这样对投影点进行限制使得其与样本点具有更强的关联性，可以很大程度地提高新得到的样本数据对输入低分辨率图像块的表达能力，尽量避免引入原图像不存在的细节信息，提高低分辨率图像的重建效果。
-
Patent Agency Ranking
公开(公告)号：CN107481196B
公开(公告)日：2020-05-19
申请号：CN201710831228.9
申请日：2017-09-12
Applicant: 河南大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于最近特征线的特征转换人脸超分辨率重建方法，通过将基于最近特征线流形学习的人脸超分辨率算法与基于局部特征转换的人脸超分辨率算法融合在一起进行人脸超分辨率重建，因此本方法与基于最近特征线流形学习的人脸超分辨率算法相比，使用了特征转换思想，在去除了大量噪声干扰的同时，还能够保持图像的大部分原始信息，主要表现为对噪声具有更好的鲁棒性；本方法与基于局部特征转换的人脸超分辨率算法相比，因为使用最近特征线思想提高了训练样本库的表达能力，使得重建的目标图像有了更好的高频局部细节信息，达到了很好的图像重建效果。
-
公开(公告)号：CN109343692B
公开(公告)日：2021-07-23
申请号：CN201811089845.7
申请日：2018-09-18
Applicant: 河南大学
IPC: G06F1/3234 , G06T7/11
Abstract: 本发明提供了基于图像分割的移动设备显示器省电方法，通过卷积操作、上下文正则化操作和循环迭代操作解决了现有同类算法图像区域和非图像区域分割不准确的问题，尤其解决了预测图片大面积错误和边缘分割不清晰的问题，提高了图像分割准确程度，进而降低图像中非图像区域的亮度，在有效保持图像质量的同时，使得显示器耗电程度可以随用户的使用偏好进行调节。
-
-
公开(公告)号：CN109343692A
公开(公告)日：2019-02-15
申请号：CN201811089845.7
申请日：2018-09-18
Applicant: 河南大学
IPC: G06F1/3234 , G06T7/11
Abstract: 本发明提供了基于图像分割的移动设备显示器省电方法，通过卷积操作、上下文正则化操作和循环迭代操作解决了现有同类算法图像区域和非图像区域分割不准确的问题，尤其解决了预测图片大面积错误和边缘分割不清晰的问题，提高了图像分割准确程度，进而降低图像中非图像区域的亮度，在有效保持图像质量的同时，使得显示器耗电程度可以随用户的使用偏好进行调节。
-
公开(公告)号：CN107481196A
公开(公告)日：2017-12-15
申请号：CN201710831228.9
申请日：2017-09-12
Applicant: 河南大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于最近特征线的特征转换人脸超分辨率重建方法，通过将基于最近特征线流形学习的人脸超分辨率算法与基于局部特征转换的人脸超分辨率算法融合在一起进行人脸超分辨率重建，因此本方法与基于最近特征线流形学习的人脸超分辨率算法相比，使用了特征转换思想，在去除了大量噪声干扰的同时，还能够保持图像的大部分原始信息，主要表现为对噪声具有更好的鲁棒性；本方法与基于局部特征转换的人脸超分辨率算法相比，因为使用最近特征线思想提高了训练样本库的表达能力，使得重建的目标图像有了更好的高频局部细节信息，达到了很好的图像重建效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
