-
公开(公告)号：CN109978789A
公开(公告)日：2019-07-05
申请号：CN201910231635.5
申请日：2019-03-26
Applicant: 电子科技大学
Abstract: 本发明为一种基于Retinex算法与引导滤波的图像增强方法，属于图像增强与计算机视觉领域的发明专利。本发明对传统的Retinex图像增强算法进行改进，并结合引导滤波算法形成一个独特的图像增强方法。该方法能较好的改进图像的视觉效果，恢复图像细节特征，保留边缘信息。本发明在使用MSRCR图像增强算法前对图像进行非线性变换预处理，使得算法能处理非均匀光照问题，同时将原图像转换到HSV色彩空间，只对V分量进行MSR图像增强，同时对H，S分量进行自适应调整，从而保持图像的一致性。将原图像与引导滤波处理后的图像作差提取边缘信息，并对边缘信息进行增强。从而到达保持并增强边缘信息的目的。将多种增强处理方法进行信息融合，到达优势互补的目的。
-
公开(公告)号：CN110008876A
公开(公告)日：2019-07-12
申请号：CN201910231647.8
申请日：2019-03-26
Applicant: 电子科技大学
Abstract: 本发明为一种基于数据增强与特征融合的人脸验证方法，属于人脸验证与机器学习领域中的发明专利。本发明提出了一种简单实用的人脸验证方法，旨在解决传统的人脸验证领域中正确率较低，复杂度较高的问题。本发明充分利用已经训练完成的卷积神经网络提取人脸图像特征，方便简单。同时也能使特征具有更强的鲁棒性。通过数据增强的方式，数据集的数量将成倍的增加，并引入噪声，使得验证系统的泛化性更强。将多个卷积神经网络提取的特征进行信息的融合，达到集多个卷积神经网络的优势于一体的目的。在得到融合的人脸特征后，使用此特征训练机器学习中性能优越的分类模型，最终得到人脸验证结果。
-
公开(公告)号：CN107705327B
公开(公告)日：2020-08-11
申请号：CN201710757729.7
申请日：2017-08-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种多相机网络时空模型的候选目标提取方法，首先通过运动前景分割和单相机目标跟踪获取每个相机中每个目标进出时间数据及其运动轨迹，根据时间数据计算不同相机对之间不同目标的转移时间，根据其判定相机对之间是否连通从而获得相机网络的空间拓扑结构；然后对连通相机之间的转移时间建模，并通过学习方式拟合模型参数，最终得到相机网络的时间模型；时间模型与空间结构组合得到相机网络时空模型。在候选目标提取时，根据相机网络空间结构确定相机节点之间的连通性，再根据转移时间概率模型计算连通相机中的搜索时间窗口，最后提取候选目标。本发明在缩小目标的搜索范围同时保证候选目标提取的可靠性，而且极大地降低了搜索复杂度。
-
公开(公告)号：CN107705327A
公开(公告)日：2018-02-16
申请号：CN201710757729.7
申请日：2017-08-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种多相机网络时空模型的候选目标提取方法，首先通过运动前景分割和单相机目标跟踪获取每个相机中每个目标进出时间数据及其运动轨迹，根据时间数据计算不同相机对之间不同目标的转移时间，根据其判定相机对之间是否连通从而获得相机网络的空间拓扑结构；然后对连通相机之间的转移时间建模，并通过学习方式拟合模型参数，最终得到相机网络的时间模型；时间模型与空间结构组合得到相机网络时空模型。在候选目标提取时，根据相机网络空间结构确定相机节点之间的连通性，再根据转移时间概率模型计算连通相机中的搜索时间窗口，最后提取候选目标。本发明在缩小目标的搜索范围同时保证候选目标提取的可靠性，而且极大地降低了搜索复杂度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
