-
公开(公告)号：CN104537673A
公开(公告)日：2015-04-22
申请号：CN201510009468.1
申请日：2015-01-09
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/11 , G06T2207/10048
Abstract: 本发明公开了一种基于多阈值和自适应模糊聚类的红外图像分割方法，主要解决现有多阈值分割方法在分割过程中存在伪峰干扰，分割结果不理想的问题。其实现步骤是：(1)输入原始红外图像；(2)利用引入控制因子的多阈值算法对原始红外图像进行粗分割；(3)对粗分割后图像进行形态学平滑处理；(4)随机选取细分割图像所需的聚类中心并根据自适应函数确定聚类数目；(5)对平滑后图像的像素点进行模糊聚类，得到最终的分割结果图像。本发明能在保证分割效率的同时提高分割准确度，具有分割结果轮廓清晰、目标完整的优点，可有效应用于红外精确制导、目标识别与跟踪。
-
公开(公告)号：CN104392459A
公开(公告)日：2015-03-04
申请号：CN201410777762.2
申请日：2014-12-15
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/11 , G06T2207/10048
Abstract: 本发明公开了一种基于改进的FCM和均值漂移的红外图像分割方法，主要解决现有均值漂移分割方法在分割过程中容易陷入局部收敛，分割结果出现过分割的问题。其实现步骤是：(1)输入原始红外图像；(2)利用均值漂移算法对原始红外图像进行初分割；(3)根据最小最大法则确定二次分割图像所需的聚类中心和聚类数目；(4)将初分割后的结果图像转换成二次分割的初始值；(5)对二次分割的初始值的像素点进行模糊分类；(6)对不同区域之间的边界进行勾勒，并输出图像分割结果。本发明在保证了分割效率的同时提高分割准确度，具有分割结果边缘平滑、轮廓清晰的优点，能够有效应用于红外精确制导、目标识别与跟踪等军用或民用方面。
-
公开(公告)号：CN105023006B
公开(公告)日：2018-05-04
申请号：CN201510475739.2
申请日：2015-08-05
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了基于增强型非参数最大边缘准则的人脸识别方法，主要解决现有技术识别泛化能力差的问题，其实现步骤为：1.选取人脸图像并划分训练和测试样本集；2.初始化训练样本的误分率、不同类别间的误分率和子分类器的个数；3.将训练样本集分划分为两个子集；4.利用第一子样本集学习最优投影子空间，并将训练样本投影到该空间，得到样本特征；5.根据样本特征，用k近邻分类器对其进行分类，计算子分类器的置信度；6.更新样本的误分率、不同类别间的误分率和第一子样本集；7.利用子样本集学习子分类器；8.根据学习到的子分类器，对测试样本分类。本发明提升了人脸识别的识别率，可用于视频监控、图像检索和公共安全。
-
公开(公告)号：CN103714340B
公开(公告)日：2017-01-25
申请号：CN201410010605.9
申请日：2014-01-09
Applicant: 西安电子科技大学
IPC: G06K9/46
Abstract: 本发明提出了一种基于图像分块的自适应特征提取方法，主要解决现有基于PCA的特征提取方法需要将图像进行向量化从而导致特征提取后识别结果不理想的问题。其实现步骤是：(1)输入图像集，并随机划分为训练图像集和测试图像集；(2)对训练图像集中的图像进行分块，构成训练子块图像集；(3)分别计算训练图像集与训练子块图像集的像素点灰度值方差和；(4)比较训练图像集与训练子块图像集的像素点灰度值方差和，求取特征最佳投影矩阵；(5)提取训练图像集和测试图像集的图像特征；(6)对测试图像集的图像进行识别，验证特征提取效果。本发明与现有技术对比具有识别率高，适应性广等优点，有效地对图像进行特征提取，可用于目标识别。
-
Patent Agency Ranking
公开(公告)号：CN105354583A
公开(公告)日：2016-02-24
申请号：CN201510523084.1
申请日：2015-08-24
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6271
Abstract: 本发明公开了一种基于局部均值的不平衡分类方法，本发明主要解决现有传统的分类算法在不平衡数据集上，对少数类的识别率低的问题。其实现步骤是：1、输入训练样本和测试样本；2、归一化处理；3、构造特征加权向量；4、获得少数类验证样本和多数类验证样本；5、获得验证测试样本集和验证训练样本集6、计算验证局部均值集；7、计算验证加权距离；8、得到验证结果；9、判断是否验证完毕；10、得到验证局部均值个数；11、计算测试样本的局部均值；12、计算加权距离；13、得到判定结果。本发明在不平衡数据集上，有效地提高了少数类样本的识别率，可应用于不平衡数据的分类和识别。
-
公开(公告)号：CN103714340A
公开(公告)日：2014-04-09
申请号：CN201410010605.9
申请日：2014-01-09
Applicant: 西安电子科技大学
IPC: G06K9/46
Abstract: 本发明提出了一种基于图像分块的自适应特征提取方法，主要解决现有基于PCA的特征提取方法需要将图像进行向量化从而导致特征提取后识别结果不理想的问题。其实现步骤是：(1)输入图像集，并随机划分为训练图像集和测试图像集；(2)对训练图像集中的图像进行分块，构成训练子块图像集；(3)分别计算训练图像集与训练子块图像集的像素点灰度值方差和；(4)比较训练图像集与训练子块图像集的像素点灰度值方差和，求取特征最佳投影矩阵；(5)提取训练图像集和测试图像集的图像特征；(6)对测试图像集的图像进行识别，验证特征提取效果。本发明与现有技术对比具有识别率高，适应性广等优点，有效地对图像进行特征提取，可用于目标识别。
-
公开(公告)号：CN105354583B
公开(公告)日：2018-08-31
申请号：CN201510523084.1
申请日：2015-08-24
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于局部均值的不平衡分类方法，本发明主要解决现有传统的分类算法在不平衡数据集上，对少数类的识别率低的问题。其实现步骤是：1、输入训练样本和测试样本；2、归一化处理；3、构造特征加权向量；4、获得少数类验证样本和多数类验证样本；5、获得验证测试样本集和验证训练样本集6、计算验证局部均值集；7、计算验证加权距离；8、得到验证结果；9、判断是否验证完毕；10、得到验证局部均值个数；11、计算测试样本的局部均值；12、计算加权距离；13、得到判定结果。本发明在不平衡数据集上，有效地提高了少数类样本的识别率，可应用于不平衡数据的分类和识别。
-
公开(公告)号：CN104537673B
公开(公告)日：2017-10-24
申请号：CN201510009468.1
申请日：2015-01-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多阈值和自适应模糊聚类的红外图像分割方法，主要解决现有多阈值分割方法在分割过程中存在伪峰干扰，分割结果不理想的问题。其实现步骤是：(1)输入原始红外图像；(2)利用引入控制因子的多阈值算法对原始红外图像进行粗分割；(3)对粗分割后图像进行形态学平滑处理；(4)随机选取细分割图像所需的聚类中心并根据自适应函数确定聚类数目；(5)对平滑后图像的像素点进行模糊聚类，得到最终的分割结果图像。本发明能在保证分割效率的同时提高分割准确度，具有分割结果轮廓清晰、目标完整的优点，可有效应用于红外精确制导、目标识别与跟踪。
-
公开(公告)号：CN105023006A
公开(公告)日：2015-11-04
申请号：CN201510475739.2
申请日：2015-08-05
Applicant: 西安电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00221 , G06K9/00295 , G06K9/6256 , G06K9/6267
Abstract: 本发明公开了基于增强型非参数最大边缘准则的人脸识别方法，主要解决现有技术识别泛化能力差的问题，其实现步骤为：1.选取人脸图像并划分训练和测试样本集；2.初始化训练样本的误分率、不同类别间的误分率和子分类器的个数；3.将训练样本集分划分为两个子集；4.利用第一子样本集学习最优投影子空间，并将训练样本投影到该空间，得到样本特征；5.根据样本特征，用k近邻分类器对其进行分类，计算子分类器的置信度；6.更新样本的误分率、不同类别间的误分率和第一子样本集；7.利用子样本集学习子分类器；8.根据学习到的子分类器，对测试样本分类。本发明提升了人脸识别的识别率，可用于视频监控、图像检索和公共安全。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
