-
公开(公告)号：CN102163330A
公开(公告)日：2011-08-24
申请号：CN201110082830.X
申请日：2011-04-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于张量分解与Delaunay三角划分的多视角人脸合成方法，主要解决现有技术中，连续视角变化的人脸图像难以合成的问题，其合成方案是：利用特征点标注的方法提取出人脸图像的轮廓信息；采用张量分解的方法分离出训练集中人脸数据的视角系数矩阵；对视角系数矩阵进行样条拟合；利用张量分解公式构建新视角的特征点；应用Delaunay三角划分以及线性仿射变换根据已知人脸图像合成出新视角的人脸图像。本发明具有人脸合成结果逼真、合成视角范围广及运算复杂度低的优点，可用于计算机视觉领域或多媒体技术中不同视角下的人脸合成。
-
公开(公告)号：CN101996327A
公开(公告)日：2011-03-30
申请号：CN201010271523.1
申请日：2010-09-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于加权张量子空间背景建模的视频异常检测方法，主要解决现有方法中由于忽略图像空间结构信息，不能滤除图像中野值点的问题。其实现过程是：首先将训练数据及观测数据都看作二阶张量，采用张量分析的方法，计算每个模式上的投影矩阵，构造张量子空间；然后对观测数据进行鲁棒分析，对观测数据的每个元素进行加权，并更新张量子空间，再将加权的观测数据投影到子空间上，重构出背景图像；最后对参考背景和重构背景进行相似性度量，检测视频场景中是否发生异常事件。与现有方法相比，本方法能保持图像的空间结构信息，滤除图像中的野值点，具有鲁棒性。可用于安防、监控领域中固定场景、光照缓变条件下的异常事件检测。
-
公开(公告)号：CN116071302A
公开(公告)日：2023-05-05
申请号：CN202211641123.4
申请日：2022-12-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于双流半掩码重建的瓶口缺陷检测方法，包括：构造瓶口缺陷检测系统，该系统包括依次连接的随机掩码模块、自动编码器网络和异常评分模块；将无缺陷瓶口图像组成的训练数据集输入瓶口缺陷检测系统中，以对自动编码器网络进行训练，获得训练后的瓶口缺陷检测系统；利用随机掩码模块将待检测瓶口图像转化成掩码互补的两个掩码图像；将两个掩码图像分别输入训练后的自动编码器网络中，获得重建图像；利用异常评分模块将待检测瓶口图像与重建图像进行对比，以确认待检测瓶口图像是否存在瓶口缺陷。本发明通过训练缺陷检测器，来完成瓶口缺陷产品筛选业务，减少了人工成本，并克服了人工分拣速度慢且容易出错的问题。
-
公开(公告)号：CN102163330B
公开(公告)日：2012-12-05
申请号：CN201110082830.X
申请日：2011-04-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于张量分解与Delaunay三角划分的多视角人脸合成方法，主要解决现有技术中，连续视角变化的人脸图像难以合成的问题，其合成方案是：利用特征点标注的方法提取出人脸图像的轮廓信息；采用张量分解的方法分离出训练集中人脸数据的视角系数矩阵；对视角系数矩阵进行样条拟合；利用张量分解公式构建新视角的特征点；应用Delaunay三角划分以及线性仿射变换根据已知人脸图像合成出新视角的人脸图像。本发明具有人脸合成结果逼真、合成视角范围广及运算复杂度低的优点，可用于计算机视觉领域或多媒体技术中不同视角下的人脸合成。
-
公开(公告)号：CN102360435A
公开(公告)日：2012-02-22
申请号：CN201110329875.2
申请日：2011-10-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于隐含主题分析的不良图像检测方法，主要解决现有的不良信息检测方法不考虑图像的语义信息，导致正常图像误判的问题。其方案是：采用双混合高斯模型来提取图像的皮肤区域；通过词袋模型生成肤色区域中所包含显著特征的码本库，用词频-逆鉴别性文档频率法将每幅训练图像表示成一组有权重的单词共现向量；所有共现向量组成一个共现矩阵，对共现矩阵进行LDA建模，得到图像的主题；将训练图像的混合主题输入BP神经网络，进行不良图像分类器的训练；得到待测图像的主题并输入到不良图像分类器，判断其是否为不良图像，完成不良图像检测。实验表明，本发明能更好的分辨出不良图像和正常图像，可用于过滤图像中的色情信息。
-
Patent Agency Ranking
公开(公告)号：CN102360435B
公开(公告)日：2013-06-12
申请号：CN201110329875.2
申请日：2011-10-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于隐含主题分析的不良图像检测方法，主要解决现有的不良信息检测方法不考虑图像的语义信息，导致正常图像误判的问题。其方案是：采用双混合高斯模型来提取图像的皮肤区域；通过词袋模型生成肤色区域中所包含显著特征的码本库，用词频-逆鉴别性文档频率法将每幅训练图像表示成一组有权重的单词共现向量；所有共现向量组成一个共现矩阵，对共现矩阵进行LDA建模，得到图像的主题；将训练图像的混合主题输入BP神经网络，进行不良图像分类器的训练；得到待测图像的主题并输入到不良图像分类器，判断其是否为不良图像，完成不良图像检测。实验表明，本发明能更好的分辨出不良图像和正常图像，可用于过滤图像中的色情信息。
-
公开(公告)号：CN103268623B
公开(公告)日：2016-05-18
申请号：CN201310241382.2
申请日：2013-06-18
Applicant: 西安电子科技大学
Abstract: 一种基于频域分析的静态人脸表情合成方法，包括如下步骤：(1)多表情人脸图像的对齐步骤；(2)将源人物和目标人物的中性表情变形到源人物表情的形状下；(3)在频域提取源人物的表情细节；(4)计算目标人物特有的面部特征子图像；(5)将源人物的表情细节子图像与目标人物特有的面部特征子图像相融合，得到最终的表情转移图像。本发明所需样本量少；从图像的频域特性出发，能更好的提取人脸图像的表情细节，且合成图像不受光照变化的影响，鲁棒性好；通过人脸表情的迁移，合成的人脸图像既保留了目标人物特有的面部特征又包含了源人物的表情细节，将目标人物特有的面部特征和源人物的表情细节有机的结合在一起，因此合成的人脸表情更自然、更逼真。
-
公开(公告)号：CN101996327B
公开(公告)日：2012-08-08
申请号：CN201010271523.1
申请日：2010-09-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于加权张量子空间背景建模的视频异常检测方法，主要解决现有方法中由于忽略图像空间结构信息，不能滤除图像中野值点的问题。其实现过程是：首先将训练数据及观测数据都看作二阶张量，采用张量分析的方法，计算每个模式上的投影矩阵，构造张量子空间；然后对观测数据进行鲁棒分析，对观测数据的每个元素进行加权，并更新张量子空间，再将加权的观测数据投影到子空间上，重构出背景图像；最后对参考背景和重构背景进行相似性度量，检测视频场景中是否发生异常事件。与现有方法相比，本方法能保持图像的空间结构信息，滤除图像中的野值点，具有鲁棒性。可用于安防、监控领域中固定场景、光照缓变条件下的异常事件检测。
-
公开(公告)号：CN103268623A
公开(公告)日：2013-08-28
申请号：CN201310241382.2
申请日：2013-06-18
Applicant: 西安电子科技大学
Abstract: 一种基于频域分析的静态人脸表情合成方法，包括如下步骤：(1)多表情人脸图像的对齐步骤；(2)将源人物和目标人物的中性表情变形到源人物表情的形状下；(3)在频域提取源人物的表情细节；(4)计算目标人物特有的面部特征子图像；(5)将源人物的表情细节子图像与目标人物特有的面部特征子图像相融合，得到最终的表情转移图像。本发明所需样本量少；从图像的频域特性出发，能更好的提取人脸图像的表情细节，且合成图像不受光照变化的影响，鲁棒性好；通过人脸表情的迁移，合成的人脸图像既保留了目标人物特有的面部特征又包含了源人物的表情细节，将目标人物特有的面部特征和源人物的表情细节有机的结合在一起，因此合成的人脸表情更自然、更逼真。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.027 seconds)
