-
公开(公告)号：CN107169946A
公开(公告)日：2017-09-15
申请号：CN201710279800.5
申请日：2017-04-26
申请人： 西北工业大学
IPC分类号： G06T5/50
摘要： 本发明提供了一种基于非负稀疏矩阵与超球面彩色变换的图像融合方法，涉及图像融合领域，本发明通过使用一种非负矩阵分解算法对全色和多光谱图像共同提取亮度分量，然后对亮度分量进行建模计算并调整，再使用超球面彩色变换对图像进行融合，得到融合结果图像，本发明利用NMF算法将全色图像和多光谱图像结合起来提取I分量，在解决光谱匹配性差的问题的同时，提高了亮度分量的提取精度，通过利用全色图像及其滤波后的图像对I分量进行调整，更好的融入了空间细节信息，最大限度地防止了光谱畸变，使得新型卫星的融合结果图像在空间细节信息融入方面和光谱特性保持方面都较现有算法有很大的提高，主观评价与客观分析结果能够达到一致。
-
公开(公告)号：CN106846258A
公开(公告)日：2017-06-13
申请号：CN201611137903.X
申请日：2016-12-12
申请人： 西北工业大学
IPC分类号： G06T5/00
CPC分类号： G06T5/003
摘要： 本发明根据现有的单幅图像去雾算法进行研究，设计一种基于加权最小平方滤波的图像去雾方法。具体的实施步骤如下：首先利用超像素处理和四叉树分割的方法，改进大气光值值的估计；然后根据暗通道先验知识和图像空间转化思想，利用加权最小平方滤波多次融合，从而获得精确的大气幕参数；通过得到的大气幕参数反变换求出大气传输函数；最后将求取的大气光值和大气传输函数带入模型对有雾图像进行复原处理。本发明能够精准地估计大气光值，间接求取传输函数，有效地提高图像的清晰度、对比度和细节信息，尤其是对近景的处景的处理效果更优。
-
公开(公告)号：CN101719223B
公开(公告)日：2011-09-14
申请号：CN200910254587.8
申请日：2009-12-29
申请人： 西北工业大学
IPC分类号： G06K9/66
摘要： 本发明公开了一种静态图像中陌生人面部表情的识别方法，属于图像识别领域，用于对静态图像中陌生人面部表情的识别。所述方法首先用Cohn-Kanade表情数据库作为活动单元学习用样本集，完成表情视觉特征库的建立；将该样本集中图像的视觉特征输入面部活动单元分类器，识别各图像包含的面部活动单元；用面部活动单元特征向量实现从面部活动单元到6种基本表情的分类器学习；对表情测试样本，利用其视觉特征识别其包含的面部活动单元，并构造面部活动单元特征向量，根据面部活动单元特征向量实现面部基本表情的识别。该方法结果采用与文献相同的数据库划分方法，在日本女性人脸表情数据库JAFFE上测试，对陌生人表情识别率由现有技术的70.95％提高到76％。
-
公开(公告)号：CN101719223A
公开(公告)日：2010-06-02
申请号：CN200910254587.8
申请日：2009-12-29
申请人： 西北工业大学
IPC分类号： G06K9/66
摘要： 本发明公开了一种静态图像中陌生人面部表情的识别方法，属于图像识别领域，用于对静态图像中陌生人面部表情的识别。所述方法首先用Cohn-Kanade表情数据库作为活动单元学习用样本集，完成表情视觉特征库的建立；将该样本集中图像的视觉特征输入面部活动单元分类器，识别各图像包含的面部活动单元；用面部活动单元特征向量实现从面部活动单元到6种基本表情的分类器学习；对表情测试样本，利用其视觉特征识别其包含的面部活动单元，并构造面部活动单元特征向量，根据面部活动单元特征向量实现面部基本表情的识别。该方法结果采用与文献相同的数据库划分方法，在日本女性人脸表情数据库JAFFE上测试，对陌生人表情识别率由现有技术的70.95％提高到76％。
-
公开(公告)号：CN118887532A
公开(公告)日：2024-11-01
申请号：CN202410902365.7
申请日：2024-07-06
申请人： 西北工业大学
IPC分类号： G06V20/10 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084
摘要： 本发明提供了一种面向开放世界的目标识别方法，提供了一种压缩空间分布，量化得分输出的目标识别方法，特征均值聚类，类别扩充泛化，联合训练后量化输出校准。本发明由于采用了压缩空间分布，量化输出得分的技术，解决了遥感图像开放环境下评估手段不足，识别精度不佳的问题，目前较现有的自动目标识别方法，本发明具有了评估开放环境中未知样本预测可靠性的能力，能够及时发现预测错误样本与未知新类样本，从而提高了模型在开放环境下的部署能力。
-
公开(公告)号：CN113870124B
公开(公告)日：2023-06-06
申请号：CN202110980864.4
申请日：2021-08-25
申请人： 西北工业大学
IPC分类号： G06T5/00 , G06T5/30 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0895
摘要： 本发明提供了一种基于弱监督的双网络互激励学习阴影去除方法，只需要阴影检测任务标签即可完成阴影去除任务的训练，其中阴影残差网络用于升成阴影分布的模拟图，利用弱标签来训练，阴影提亮网络是端对端的网络，可直接由阴影图像升成阴影去除图像，利用阴影残差网络结果进行训练，阴影提亮网络结果作为阴影残差网络的输入，使用阴影残差网络在两张图像依次输入网络得到残差图像后，利用输入图像和对应残差图像间关系计算网络损失。本发明丰富样本的多样性，提升阴影残差网络的能力，有效提高阴影残差网络的输出性能。有效的减少了在数据标注中人力物力的投入。
-
公开(公告)号：CN115511795A
公开(公告)日：2022-12-23
申请号：CN202211088281.1
申请日：2022-09-07
申请人： 西北工业大学
摘要： 本发明公开了一种半监督学习医学图像分割方法：步骤一：预训练；首先针对第一原始医学图像对精修复网络进行预训练；得到训练好的精修复网络；步骤二(微调)：将训练好的精修复网络中编码器与随机初始化的解码器结合得到分割网络；对第二原始医学图像集经过人工标注得到分割数据集；利用分割数据集对分割网络进行训练，得到训练好的分割网络；步骤三：利用训练好的分割网络作为教师模型进行自训练得到训练好的学生模型；步骤四：将待分割图像输入训练好的学生模型得到分割结果。本发明的方法利用容易获取的、大量的原始数据，解决了用于训练深度学习分割模型的标注数据不足导致分割准确性低的技术问题。
-
公开(公告)号：CN109800757B
公开(公告)日：2022-04-19
申请号：CN201910006843.5
申请日：2019-01-04
申请人： 西北工业大学
摘要： 为了解决大幅度相机移动下的多文字追踪，本发明提出了一种基于布局约束的视频文字追踪方法。该方法的输入为视频和视频帧的文字检测结果，输出为文字追踪后的轨迹信息。首先，通过初始视频帧的检测结果进行文字轨迹的初始化，然后将上一帧的文字轨迹与当前帧的检测结果送入本发明的追踪方法中进行文字轨迹的更新。文字轨迹更新的核心是将当前帧检测到的文字区域对应到已有的文字轨迹，该过程可以视为一种数据匹配问题。本发明针对此问题设计一个新的数据匹配代价函数，通过求解代价函数的得到最佳匹配结果。经过重复轨迹更新过程直到视频处理结束，最终得到文字追踪结果。本发明在数据匹配代价函数中引入布局约束，通过文字区域间的整体外观结构进行文字追踪，可以有效避免因为相机大幅度运动导致错误追踪结果，具有更好的追踪效果。
-
公开(公告)号：CN111563577B
公开(公告)日：2022-03-11
申请号：CN202010319106.3
申请日：2020-04-21
申请人： 西北工业大学
摘要： 本发明提供一种基于Unet的跳跃层分频和多尺度鉴别的本征图像分解方法，构造了一个基于Unet的生成对抗网络，该网络由生成器和鉴别器组成，生成器用于将图像分解为反射图和光照图，鉴别器的作用是判别图像真假，指导生成器生成以假乱真的图像。本发明设计的网络有效地缓解编码器特征直接送入解码器所造成的问题。一方面，在反射图Unet的跳跃连接中加入频率分解的约束，让网络学习不同特征的重要程度，得到更适合的特征。另一方面，在光照图的跳跃连接中加入频率分解以及频率压缩，不仅可以得到更合适的特征图还解决了光照图中高频分量多的问题。
-
公开(公告)号：CN109993710B
公开(公告)日：2022-03-11
申请号：CN201910211120.9
申请日：2019-03-20
申请人： 西北工业大学
摘要： 本发明提供了一种基于生成对抗网络的水下图像去噪方法，首先将水下图像输入到一个由若干残差块组成的生成网络，得到特征映射图；然后将输出得到的特征映射图与清水的无噪标签图像分别通过VGG‑19网络映射得到一个深度特征空间，并计算特征映射图与清水的无噪标签图像在深度特征空间中的感知代价，计算感知代价的同时，将生成网络输出的特征映射图输入到对抗网络，最后训练完成后，将含噪的水下图像输入到生成网络，其输出即为处理后的无噪图像。本发明通过引入对抗机制，去噪效果明显，尤其是该方法可有效保留甚至增强图像中的边缘纹理信息，具有更好地视觉效果和成像品质。
-
-
-
-
-
-
-
-
-
搜索结果
101 条记录 (耗时 0.031 秒)
