-
公开(公告)号：CN114170331B
公开(公告)日：2024-09-10
申请号：CN202111471673.1
申请日：2021-12-06
申请人： 郑州轻工业大学
摘要： 本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。该方法分析训练图像的二维颜色信息，根据二维颜色信息在预设阶数上的二维标准差分析出达到无损效果界限的界限二维颜色信息，并根据二维标准差获得每个像素点的高斯模型，根据压缩颜色信息和界限二维颜色信息在高斯模型上的差异获得颜色趋向性，进一步结合像素点压缩前后与邻域范围内其他像素点的色差构建损失函数。以二维颜色信息作为训练数据训练自编码神经网络。实现通过自编码神经网络达到无损压缩。本发明通过获得色彩宽容度的界限对网络进行约束，实现了利用自编码神经网络对图像数据无损压缩。
-
公开(公告)号：CN114170331A
公开(公告)日：2022-03-11
申请号：CN202111471673.1
申请日：2021-12-06
申请人： 郑州轻工业大学
摘要： 本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。该方法分析训练图像的二维颜色信息，根据二维颜色信息在预设阶数上的二维标准差分析出达到无损效果界限的界限二维颜色信息，并根据二维标准差获得每个像素点的高斯模型，根据压缩颜色信息和界限二维颜色信息在高斯模型上的差异获得颜色趋向性，进一步结合像素点压缩前后与邻域范围内其他像素点的色差构建损失函数。以二维颜色信息作为训练数据训练自编码神经网络。实现通过自编码神经网络达到无损压缩。本发明通过获得色彩宽容度的界限对网络进行约束，实现了利用自编码神经网络对图像数据无损压缩。
-
公开(公告)号：CN116433519A
公开(公告)日：2023-07-14
申请号：CN202310379045.3
申请日：2023-04-10
申请人： 郑州轻工业大学
摘要： 本发明属于红外图像算法增强领域，具体涉及一种基于拉格朗日插值和多尺度引导滤波的红外图像增强方法，所述方法具体为：获得原始图像的红外探测器输出数据；对原始数据进行非均匀性校正；通过校正后的数据采用多尺度引导滤波获取图像的不同轮廓信息，进而将不同轮廓信息进行融合处理，得到增强后的图像。本发明通过采用拉格朗日插值算法对红外图像数据进行非均匀性校正，然后对校正后的数据采用多尺度引导滤波得到增强后的红外图像，解决了红外图像对比度差和细节特征突出不太明显的问题。
-
公开(公告)号：CN114238682A
公开(公告)日：2022-03-25
申请号：CN202111558721.0
申请日：2021-12-20
申请人： 郑州轻工业大学
IPC分类号： G06F16/583 , G06F16/55 , G06N3/04 , G06N3/06 , G06N3/08
摘要： 本发明涉及人工智能技术领域，具体涉及一种基于神经网络的图像检索方法及系统。该方法包括：获取每张检索图像输入分类网络中所有神经元输出的输出值序列；根据输出值序列在一个神经元的均值和方差得到特征指标；根据检索图像与对应簇的位置得到每个神经元的区分度；获取检索图像对应样本点的备选样本点，进一步得到每张检索图像对应的高斯模型；根据特征指标与区分度获取高斯模型的权值；获取多张检索图像的混合高斯模型，根据混合高斯模型获取所有备选样本点的匹配概率获取推荐给用户的备选样本点的顺序。能够提取图像中具有的特征，从而更加精准的将检索图像与数据库中的图像进行匹配推荐，提高检索图像分类的准确率。
-
公开(公告)号：CN114039980A
公开(公告)日：2022-02-11
申请号：CN202111313391.9
申请日：2021-11-08
申请人： 郑州轻工业大学
IPC分类号： H04L67/1008 , H04L67/1023 , G06K9/62
摘要： 本发明涉及人工智能技术领域，具体涉及面向边缘协同计算的低时延容器迁移路径选择方法及系统。该方法首先接受各边缘节点的功率序列和温度序列，根据温度序列得到各边缘节点的动态降频时间，获取各边缘节点的散热系数。获取各边缘节点的功率序列中的峰值功率，由峰值功率和边缘节点的功率序列构建功率差值序列，计算功率差值序列和迁移节点的功率序列的关联系数和迁移损耗系数；根据各边缘节点的迁移损耗系数、散热系数和动态降频时间得到各边缘节点的边权重；根据边权重和各节点构建二向图，由二向图得到目标边缘节点。本发明实施例对各节点的功率和温度进行分析计算得到各边缘节点的边权重，提高了目标边缘节点选择的准确性和可靠性。
-
公开(公告)号：CN114238682B
公开(公告)日：2024-07-26
申请号：CN202111558721.0
申请日：2021-12-20
申请人： 郑州轻工业大学
IPC分类号： G06F16/583 , G06F16/55 , G06N3/04 , G06N3/06 , G06N3/08
摘要： 本发明涉及人工智能技术领域，具体涉及一种基于神经网络的图像检索方法及系统。该方法包括：获取每张检索图像输入分类网络中所有神经元输出的输出值序列；根据输出值序列在一个神经元的均值和方差得到特征指标；根据检索图像与对应簇的位置得到每个神经元的区分度；获取检索图像对应样本点的备选样本点，进一步得到每张检索图像对应的高斯模型；根据特征指标与区分度获取高斯模型的权值；获取多张检索图像的混合高斯模型，根据混合高斯模型获取所有备选样本点的匹配概率获取推荐给用户的备选样本点的顺序。能够提取图像中具有的特征，从而更加精准的将检索图像与数据库中的图像进行匹配推荐，提高检索图像分类的准确率。
-
公开(公告)号：CN116433519B
公开(公告)日：2024-05-21
申请号：CN202310379045.3
申请日：2023-04-10
申请人： 郑州轻工业大学
摘要： 本发明属于红外图像算法增强领域，具体涉及一种基于拉格朗日插值和多尺度引导滤波的红外图像增强方法，所述方法具体为：获得原始图像的红外探测器输出数据；对原始数据进行非均匀性校正；通过校正后的数据采用多尺度引导滤波获取图像的不同轮廓信息，进而将不同轮廓信息进行融合处理，得到增强后的图像。本发明通过采用拉格朗日插值算法对红外图像数据进行非均匀性校正，然后对校正后的数据采用多尺度引导滤波得到增强后的红外图像，解决了红外图像对比度差和细节特征突出不太明显的问题。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.031 秒)
