-
公开(公告)号：CN105608451A
公开(公告)日：2016-05-25
申请号：CN201610143041.5
申请日：2016-03-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于子空间岭回归的人脸画像生成方法，主要解决现有方法生成画像质量不高或耗时的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)将所有图像划分成图像块，并组成块集合；(3)将训练照片块集合与对应的画像块集合划分为多个子集；(4)计算每一对照片-画像块子集之间的映射系数矩阵；(5)将测试照片块划分到对应的子集；(6)根据每一个测试照片块子集以及其所在子集对应的系数矩阵，求解出合成画像块子集；(7)合并合成画像块子集得到合成画像块集合(8)组合所有合成画像快，生成伪画像。本发明具有合成画像质量高，速度快的优点，可用于公共安全领域中人脸检索与识别。
-
公开(公告)号：CN106023120B
公开(公告)日：2019-06-21
申请号：CN201610224500.2
申请日：2016-04-12
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于耦合近邻索引的人脸画像合成方法，主要解决现有方法在近邻选择时没有考虑训练画像作用的问题。其实现步骤是：1.划分训练画像样本集、训练照片样本集和测试样本集；2.将所有图像划分成图像块，并组成块集合；3.将训练照片块集合与对应的画像块集合划分为多个子集；4.建立训练照片块子集和训练画像块子集中每一对照片‑画像块到其K近邻对的索引；5.寻找每一测试照片块的最近邻，进而得到其K近邻；6.利用马尔科夫权重网络求解重构权值；7.求解待合成画像块；8.迭代执行步骤5‑7共N次，融合得到最终的合成画像。与现有技术相比，本发明合成画像清晰度高、细节更完整，可用于人脸检索与识别。
-
公开(公告)号：CN106023079B
公开(公告)日：2019-05-24
申请号：CN201610333375.9
申请日：2016-05-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种联合局部与全局特性的两阶段人脸画像生成方法。其步骤为：(1)划分样本；(2)划分图像块；(3)划分图像块子集；(4)生成初始合成画像块；(5)生成最终合成画像块；(6)合成画像。本发明采用了分阶段的方法，第一阶段将样本块划分为具有全局性的多个子集，在子集内合成初始画像块，第二阶段将样本块划分为具有局部性的多个子集，在子集内合成最终画像块，能合成背景干净且细节清晰的高质量画像。本发明仅使用简单的K均值聚类与样本块位置信息划分样本块集合，使用简单映射生合成画像，极大的提升了合成画像速度。
-
公开(公告)号：CN106023120A
公开(公告)日：2016-10-12
申请号：CN201610224500.2
申请日：2016-04-12
Applicant: 西安电子科技大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/10004 , G06T2207/20021 , G06T2207/20081 , G06T2207/20221
Abstract: 本发明公开了一种基于耦合近邻索引的人脸画像合成方法，主要解决现有方法在近邻选择时没有考虑训练画像作用的问题。其实现步骤是：1.划分训练画像样本集、训练照片样本集和测试样本集；2.将所有图像划分成图像块，并组成块集合；3.将训练照片块集合与对应的画像块集合划分为多个子集；4.建立训练照片块子集和训练画像块子集中每一对照片‑画像块到其K近邻对的索引；5.寻找每一测试照片块的最近邻，进而得到其K近邻；6.利用马尔科夫权重网络求解重构权值；7.求解待合成画像块；8.迭代执行步骤5‑7共N次，融合得到最终的合成画像。与现有技术相比，本发明合成画像清晰度高、细节更完整，可用于人脸检索与识别。
-
公开(公告)号：CN105608451B
公开(公告)日：2019-11-26
申请号：CN201610143041.5
申请日：2016-03-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于子空间岭回归的人脸画像生成方法，主要解决现有方法生成画像质量不高或耗时的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)将所有图像划分成图像块，并组成块集合；(3)将训练照片块集合与对应的画像块集合划分为多个子集；(4)计算每一对照片‑画像块子集之间的映射系数矩阵；(5)将测试照片块划分到对应的子集；(6)根据每一个测试照片块子集以及其所在子集对应的系数矩阵，求解出合成画像块子集；(7)合并合成画像块子集得到合成画像块集合(8)组合所有合成画像快，生成伪画像。本发明具有合成画像质量高，速度快的优点，可用于公共安全领域中人脸检索与识别。
-
Patent Agency Ranking
公开(公告)号：CN105844605B
公开(公告)日：2018-08-10
申请号：CN201610152915.3
申请日：2016-03-17
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于自适应表示的人脸画像合成方法，主要解决现有方法合成画像清晰度低和细节不完整的问题。其实现步骤是：首先对数据库进行处理，将所有的图像进行图像滤波后，对图像分块并提取图像块特征，得到一个训练画像块字典和两个照片块字典；其次根据测试照片块中是否包含边缘信息或者面部特征信息选择不同的字典，寻找近邻块；最后利用马尔可夫网络模型得到待合成画像块，并对所有的待合成画像块进行融合得到合成画像。本发明与现有方法相比，合成结果具有更高的清晰度、细节更完整，可用于人脸检索与识别。
-
公开(公告)号：CN106056561A
公开(公告)日：2016-10-26
申请号：CN201610224521.4
申请日：2016-04-12
Applicant: 西安电子科技大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/10004 , G06T2207/20221
Abstract: 本发明公开了一种基于贝叶斯推断的人脸画像合成方法，主要解决现有方法在近邻寻找或者在权值求解阶段没有考虑相邻图像块之间的相似性约束问题。其方案是：1.划分训练画像样本集、训练照片样本集和测试样本集；2.将所有图像划分成图像块，并组成块集合；3.将训练照片块集合与对应的画像块集合划分为多个子集；4.从训练照片‑画像块集合中选择出最近邻块；5.将最近邻块按欧式距离从训练照片‑画像块集合中进行近邻块再选择，对求解再选近邻块的线性组合权值；6.依据近邻块和组合权值，求解待合成画像块；7.迭代执行步骤5‑6共N次，融合得到最终的合成画像。本发明具有合成结果清晰度高、细节更完整的优点，可用于人脸检索与识别。
-
公开(公告)号：CN106204451B
公开(公告)日：2019-04-23
申请号：CN201610537501.2
申请日：2016-07-08
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于约束固定邻域嵌入的图像超分辨重建方法，主要解决现有方法忽略高分辨块作用造成重建图像模糊的问题。其实现步骤是：1.构建高分辨、低分辨训练图像集合；2.从训练图像集合中构建低分辨、高分辨联合K近邻组；3.提取测试图像的亮度图像分量和色度图像分量；4.对亮度图像分量进行图像分块，并计算块均值，生成初始估计的高分辨特征块；5.查找所有初始估计高分辨特征块的最近邻联合K近邻组，重建高分辨估计图像块；6.组合所有高分辨估计图像块，得到高分辨亮度图像；7.融合高分辨亮度图像和色度图像分量，得到重建的高分辨图像。本发明减少了伪像的产生，提高了重构图像的清晰度，可用于高清晰视频显示。
-
公开(公告)号：CN106204451A
公开(公告)日：2016-12-07
申请号：CN201610537501.2
申请日：2016-07-08
Applicant: 西安电子科技大学
IPC: G06T3/40
CPC classification number: G06T3/4076 , G06T2207/20081
Abstract: 本发明公开了一种基于约束固定邻域嵌入的图像超分辨重建方法，主要解决现有方法忽略高分辨块作用造成重建图像模糊的问题。其实现步骤是：1.构建高分辨、低分辨训练图像集合；2.从训练图像集合中构建低分辨、高分辨联合K近邻组；3.提取测试图像的亮度图像分量和色度图像分量；4.对亮度图像分量进行图像分块，并计算块均值，生成初始估计的高分辨特征块；5.查找所有初始估计高分辨特征块的最近邻联合K近邻组，重建高分辨估计图像块；6.组合所有高分辨估计图像块，得到高分辨亮度图像；7.融合高分辨亮度图像和色度图像分量，得到重建的高分辨图像。本发明减少了伪像的产生，提高了重构图像的清晰度，可用于高清晰视频显示。
-
公开(公告)号：CN106023079A
公开(公告)日：2016-10-12
申请号：CN201610333375.9
申请日：2016-05-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种联合局部与全局特性的两阶段人脸画像生成方法。其步骤为：(1)划分样本；(2)划分图像块；(3)划分图像块子集；(4)生成初始合成画像块；(5)生成最终合成画像块；(6)合成画像。本发明采用了分阶段的方法，第一阶段将样本块划分为具有全局性的多个子集，在子集内合成初始画像块，第二阶段将样本块划分为具有局部性的多个子集，在子集内合成最终画像块，能合成背景干净且细节清晰的高质量画像。本发明仅使用简单的K均值聚类与样本块位置信息划分样本块集合，使用简单映射生合成画像，极大的提升了合成画像速度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
