-
公开(公告)号：CN105741328B
公开(公告)日：2018-09-11
申请号：CN201610044268.4
申请日：2016-01-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于视觉感知的拍摄图像质量评价方法，主要解决传统图像质量评价方法针对拍摄图像质量评价时性能较差的问题。实现过程：将标准图像转换到HIS颜色空间；求标准图像的梯度系数，计算标准图像的色调分量、饱和度分量、亮度分量和灰度图像的梯度系数，并对各梯度系数分别进行归一化；用估计参数表征图像质量；模型训练，计算训练集中所有标准图像的质量特征；通过比较测试图像与标准图像质量特征的差异获得测试图像的质量分数。本发明计算简单，实验结果表明，本发明与主观质量评价具有较高一致性，评价性能优于现有图像质量评价方法，具有较强的实用价值。
-
公开(公告)号：CN104992186B
公开(公告)日：2018-04-17
申请号：CN201510412383.8
申请日：2015-07-14
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于动态纹理模型的极光视频分类方法。其技术方案是利用极光视频帧之间的重复相关性，从极光视频帧之间的动态变化特性入手，对四类形态极光视频进行普适性建模并提取特征，对极光视频进行分类。实现步骤是：(1)获取训练极光视频和测试极光视频；(2)提取测试极光视频的动态纹理特征；(3)提取测试极光视频的状态转移矩阵；(4)求测试极光视频到训练集样本的马丁距离；(5)根据极光视频间的马丁距离，对测试极光视频进行最近距离分类。本发明能实现对四类极光视频的计算机自动分类，且具有分类准确率高的优点。可用于极光视频的特征提取和计算机图像识别。
-
公开(公告)号：CN104680189B
公开(公告)日：2018-04-10
申请号：CN201510117478.7
申请日：2015-03-15
Applicant: 西安电子科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种基于改进词袋模型的不良图像检测方法，主要解决传统词袋模型在检测不良图像过程中颜色描述不准确、关键特征点提取不全面、特征描述复杂、局部区域描述不精确的问题。其实现步骤为：(1)提取关键特征点；(2)对关键特征点提取颜色特征和梯度特征；(3)根据颜色特征和梯度特征分别建立颜色词典和梯度词典；(4)根据先验知识计算每个特征点颜色单词的类条件概率；(5)根据类条件概率对相应的梯度单词加权，并统计加权后的梯度单词直方图，(6)利用直方图训练分类器；(7)用训练好的分类器检测不良图像。本发明提高了颜色描述信息的丰富性，避免了关键特征点的丢失，能更加精确描述图像局部区域，可用于过滤色情图像。
-
公开(公告)号：CN107688821A
公开(公告)日：2018-02-13
申请号：CN201710560024.6
申请日：2017-07-11
Applicant: 西安电子科技大学
CPC classification number: G06K9/6262 , G06K9/6256 , G06N3/084
Abstract: 本发明属于计算机视觉与自然语言处理技术领域，公开了一种基于视觉显著性与语义属性跨模态图像自然语言描述方法，采用卷积神经网络提取图像各区域的多尺度深度视觉特征；利用预训练的显著性模型，回归出图像显著性图对原图像进行加权；建立预定义字典作为语义属性类别，并对视觉显著性图像进行语义属性检测；采用多示例学习计算语义属性；利用语义属性对图像特征加权；采用长短期记忆网络对基于视觉显著性的语义属性特征进行解码，生成图像描述。本发明具有准确度高的优点。可用于复杂场景下的图像检索及多目标图像语义理解等。
-
公开(公告)号：CN107292341A
公开(公告)日：2017-10-24
申请号：CN201710466702.2
申请日：2017-06-20
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于成对协同正则化和NMF的自适应多视图聚类方法，用于解决现有多视图聚类方法中存在的精度低和归一化交互信息低的技术问题，实现步骤为：获取原始图像集的归一化非负多视图数据；计算多视图数据的拉普拉斯矩阵；构建成对协同正则化和NMF的自适应多视图聚类的目标函数；分别获取基矩阵、系数矩阵和权重参数的迭代更新表达式；获取更新后的基矩阵、系数矩阵和权重参数；对更新后的系数矩阵进行K-均值聚类，得到聚类结果。本发明利用成对协同正则化方法保持视图间的相似性，并利用自适应方法自动学习视图内的相似性约束项的权重参数，有效提高了多视图聚类的性能，可应用于客户信息分析、金融分析和医学等领域。
-
Patent Agency Ranking
公开(公告)号：CN107273505A
公开(公告)日：2017-10-20
申请号：CN201710466670.6
申请日：2017-06-20
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明提出了一种基于非参数贝叶斯模型的监督跨模态哈希检索方法，用于解决现有跨模态哈希检索方法中存在的检索精度低的技术问题。实现步骤为：获取归一化训练数据和测试数据；对归一化训练数据进行分类；获取归一化训练数据的三个训练数据参数；获取归一化图像训练数据和归一化文本训练数据同属于每一类的概率；获取训练数据后验概率；获取归一化图像训练数据和归一化文本训练数据的统一哈希编码；获取测试数据哈希编码；计算测试数据哈希编码与归一化图像训练数据和归一化文本训练数据统一哈希编码的汉明距离矩阵；获取测试数据的检索结果。本发明的检索精度高，可用于移动终端设备以及物联网的图像与文本互搜索服务。
-
公开(公告)号：CN106777318A
公开(公告)日：2017-05-31
申请号：CN201710006037.9
申请日：2017-01-05
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于协同训练与矩阵分解的跨模态哈希检索方法，主要解决无类标的跨模态数据如何进行有效的模态间与模态内相似性约束的问题。其实现步骤为：获取原始数据并归一化处理；协同训练得到模态间约束；用近邻关系得到模态内约束；训练数据矩阵分解，加入模态间和模态内约束，得到目标函数；交替迭代得到基矩阵、系数矩阵和投影矩阵表达式；量化得到训练数据集和测试数据集哈希编码；计算该两数据集哈希编码之间的汉明距离；汉明距离排序得到检索结果。本发明利用协同训练方法得到跨模态数据的模态间相似性约束，提高图像与文本互检索性能，用于移动设备、物联网以及电子商务的图片文本互搜索服务。
-
公开(公告)号：CN105095864A
公开(公告)日：2015-11-25
申请号：CN201510418703.0
申请日：2015-07-16
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6232 , G06K9/6269
Abstract: 本发明公开了一种基于深度学习二维主成分分析的极光图像检测方法，主要解决现有技术对极光图像信息提取不充分的问题。其实现步骤为：(1)利用二维主成分分析法提取一阶特征向量并产生一阶滤波器矩阵，得到一阶全局特征；(2)对一阶全局特征提取其二阶特征向量，同时产生二阶滤波器矩阵，得到二阶全局特征；(3)对二阶全局特征进行分块直方图统计，提取出分块直方图特征；(4)用支持向量机分类器对分块直方图特征进行分类，得到分类结果。本发明实现了对现有三类极光图像的计算机自动检测，且具有分类准确率高的优点，可用于极光图像的特征提取和计算机图像检测。
-
公开(公告)号：CN102034107B
公开(公告)日：2012-12-05
申请号：CN201010570786.2
申请日：2010-12-02
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于鲁棒视觉注意特征与稀疏表示的不良图像判别方法，主要解决现有基于低级语义特征的方法不足以描述不良图像信息的内容，从而导致误判的问题。其步骤是：(1)采用高斯混合模型寻求多峰肤色分布的规律，建立肤色模型；(2)通过Bootstrap的主动反馈方法优化肤色模型；(3)引入人眼视觉注意模型，检测图像中有限的显著特征点；(4)进一步利用肤色区域去除冗余特征点；(5)对图像保留下来的感兴趣点采用尺度不变特征转换SIFT进行描述；(6)生成不良图像和正常图像的码本库；(7)采用稀疏表示中的图像重构误差检索出不良图像。实验结果表明，本发明具有更强的鲁棒性，能更好的分辨出不良图像和正常图像。
-
公开(公告)号：CN102129576A
公开(公告)日：2011-07-20
申请号：CN201110047076.6
申请日：2011-02-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种全天空极光图像占空比参数的提取方法，主要解决现有技术只能对具有明显形状和边界的光斑进行分割导致占空比参数误差较大的缺陷。其特定是根据极光在天空所呈现的不同形态采用相应分割方法，即首先对全天空极光图像进行预处理；然后确定光斑区域最优分割阈值，对光斑区域进行分割；接着根据光线区域与背景天空区域纹理结构的差异，对光线区域进行分割；最后根据光斑和光线区域的分割结果，计算占空比参数。本发明通过灰度特征确定光斑分割阈值，对无明显形状或边界的光斑也能精确分割，并根据纹理特征实现光线区域的成功分割，有效降低了占空比参数的误差，可用于复杂形态的极光区域从天空背景区域的分割。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.026 seconds)
