一种基于脑电信号特征融合的情绪识别分类方法

    公开(公告)号:CN117874698A

    公开(公告)日:2024-04-12

    申请号:CN202410036616.8

    申请日:2024-01-10

    摘要: 本发明公开了一种基于脑电信号特征融合的情绪识别分类方法。该方法针对预处理后的脑电信号,进行非线性特征提取,包括不同样本间的近似熵和模糊熵的计算与拼接融合。最后输入LightGBM分类器中,通过逐叶分割的方式生成决策树,再采用基于直方图的算法将连续特征值加载到离散的桶盒中,利用直方图差值加速兄弟节点直方图的计算,从而加快训练过程,减少内存消耗。本方法关注到原始数据的非线性特征,更能表达数据蕴藏的信息,而LightGBM分类器也特别适合大规模数据集和高维特征空间,因此本方法在提高情绪识别分类精度的同时,还可以大大缩减训练和分类时间。

    一种SD-OCT图像的青瓷釉层厚度测量方法

    公开(公告)号:CN110146027B

    公开(公告)日:2021-02-02

    申请号:CN201910491840.5

    申请日:2019-06-06

    IPC分类号: G01B11/06 G01B21/04 G01N21/41

    摘要: 本发明公开了一种SD‑OCT图像的青瓷釉层厚度测量方法。通过测量样本青瓷釉层的厚度,建立不同类型青瓷釉层折射率的数据库;采集青瓷釉层的SD‑OCT图像;通过对青瓷釉层的SD‑OCT图像滤波和二值化,定位釉层的上边界;再边缘检测设计结构元素,使用结构元素对边缘检测后的图像进行闭运算,提取青瓷釉层下边界;釉层上下边界像素的差值乘以每个像素的物理深度计算青瓷釉层的厚度。本发明方法实现了青瓷釉层厚度的无损实时测量,测量精度达到微米级,精确度高,根据建立的青瓷釉层折射率数据库,能够测量各种青瓷的釉层厚度,具有较强的适应性,提高了测量的效率。

    一种基于稀疏表示的立体图像视觉显著提取方法

    公开(公告)号:CN106682599B

    公开(公告)日:2020-04-17

    申请号:CN201611156751.8

    申请日:2016-12-15

    IPC分类号: G06K9/00 G06K9/46 G06K9/62

    摘要: 本发明公开了一种基于稀疏表示的立体图像视觉显著提取方法,其在字典学习阶段,先获取每幅立体图像的左视点图像的左视点视觉特征图和右视点图像的右视点视觉特征图,然后根据左视点图像和右视点图像及两者之间的视差图像、左视点视觉特征图和右视点视觉特征图,获取每幅立体图像的左右视点融合图像,接着根据所有左右视点融合图像进行联合字典训练操作得到融合图像字典表;在显著预测阶段,以相同的方式获取待视觉显著提取的立体图像的左右视点融合图像,然后根据融合图像字典表对左右视点融合图像进行处理得到融合稀疏特征图,进而提取得到视觉显著图;优点是符合显著语义特征,且具有较强的提取稳定性和较高的提取准确性。

    一种基于质量图生成网络的无参考立体图像质量评价方法

    公开(公告)号:CN109872305A

    公开(公告)日:2019-06-11

    申请号:CN201910058364.8

    申请日:2019-01-22

    IPC分类号: G06T7/00

    摘要: 本发明公开了一种基于质量图生成网络的无参考立体图像质量评价方法,其在训练阶段,构建一个质量图生成网络,将训练集中的所有失真平面图像的归一化图像依次输入到质量图生成网络中,并将对应的质量图作为监督,训练得到最优的质量图生成网络模型;在测试阶段,利用最优的质量图生成网络模型提取出待评价的失真立体图像的左视点图像、右视点图像和融合图像各自的归一化图像的预测质量图,并获取各自的显著特征图,然后根据对应的预测质量图和显著特征图,求取各自的预测质量得分,再融合三个预测质量得分得到最终的预测质量得分;优点是其能充分考虑到立体图像的多种特性对视觉质量的影响,从而能提高客观评价结果与双目主观感知之间的相关性。

    一种基于稀疏特征相似度的立体图像质量客观评价方法

    公开(公告)号:CN106780432B

    公开(公告)日:2019-05-28

    申请号:CN201611025119.X

    申请日:2016-11-14

    IPC分类号: G06T7/00

    摘要: 本发明公开了一种基于稀疏特征相似度的立体图像质量客观评价方法,其提取融合图像字典表和视点图像字典表;然后采用一阶双目融合模型,利用融合图像字典表提取一阶融合图像稀疏特征图,同时利用视点图像字典表提取左、右视点图像各自的稀疏特征图,采用二阶双目融合模型对左、右视点图像各自的稀疏特征图进行融合,得到二阶融合稀疏特征图;再利用稀疏特征相似度的方法得到失真立体图像的客观质量评价预测值;优点是在字典学习阶段避免了复杂的机器学习训练过程,且无需预知各无失真立体图像的主观评价值;在质量预测阶段采用的一阶双目融合模型和二阶双目融合模型能有效表示双目视觉特性,因此能有效地提高客观评价结果与主观感知之间的相关性。

    一种无参考立体图像质量客观评价方法

    公开(公告)号:CN106023152B

    公开(公告)日:2018-06-26

    申请号:CN201610301295.5

    申请日:2016-05-09

    IPC分类号: G06T7/00

    摘要: 本发明公开了一种无参考立体图像质量客观评价方法,其在训练阶段,通过获取每幅原始的无失真立体图像的双目竞争响应特征图与该幅原始的无失真立体图像对应的每幅失真立体图像的双目竞争响应特征图之间的相似度图像,及每幅原始的无失真立体图像对应的每幅失真立体图像的双目竞争响应特征图的局部二值化模式的直方图特征向量,得到视觉字典质量对照表;在测试阶段,对于任意一幅失真立体图像,先获取该失真立体图像对应的直方图特征向量,然后根据已构造的视觉字典质量对照表,获取该失真立体图像的客观质量评价预测值;优点是降低了计算复杂度,且由于充分考虑了立体视觉感知特性,因此能有效地提高客观评价结果与主观感知之间的相关性。