-
公开(公告)号：CN111428687A
公开(公告)日：2020-07-17
申请号：CN202010297907.4
申请日：2020-04-16
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于概率协同表示和卷积神经网络识别方法，包括如下步骤：首先，利用概率分布构造一种新的简单易行的重建函数，将原始训练样本集通过该重建函数进行重建得到新的训练样本集；将用新的训练样本集和原始训练样本集训练CNN网络；用训练好的CNN网络从原始测试样本集中提取有效特征，用提取的有效特征来训练SVM分类器，再通过训练好的SVM分类器识别所有的待识别样本。本发明利用有限的训练样本集通过新的目标函数构造重建测试样本，作为新的训练样本集，输入CNN网络，能有效提取人脸特征，再使用这些人脸特征去训练SVM，所得到测试样本的重建图接近原测试样本图，识别效果明显。
-
公开(公告)号：CN111145125A
公开(公告)日：2020-05-12
申请号：CN201911391449.4
申请日：2019-12-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于残差学习与卷积神经网络的图像去噪方法，包括以下步骤：先分别采用卷积神经网络方法、残差学习的方法对输入的含噪图像去噪；再采用卷积神经网络方法与残差学习方法相结合的方法对含噪图像去噪，在卷积神经网络中添加padding，进行批规范化操作，在网络中加入浅层到深层的跨越连接结构，再采用Adam算法的卷积神经网络进行训练；最后，将去噪后的图像输出。本发明的方法不仅能拓展网络深度，有效避免网络退化以及信息在传递的工程中的丢失与损耗，提高卷积神经网络去噪模型深度和结构信息的保持效果。
-
公开(公告)号：CN104392418B
公开(公告)日：2019-03-22
申请号：CN201410724307.6
申请日：2014-12-03
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于各向异性扩散的图像平滑改进算法，基于各向异性扩散的图像平滑改进算法，包括以下步骤：（1）对待处理图像进行Gauss滤波，去除较大噪声；（2）建立八方向图像平滑模型；（3）引入物理学中的重调和方程；（4）建立梯度与阈值的关系；（5）选取不同的扩散系数对图像进行平滑，使图像在保边缘、保部分细节信息和提高效率等方面都达到令人满意的效果；（6）用半隐式加性算子分裂（AOS）算法对图像进一步处理，得到去噪后的图像。实验结果表明，本发明的算法在去噪性能方面更具优越性。
-
公开(公告)号：CN109359554A
公开(公告)日：2019-02-19
申请号：CN201811107096.6
申请日：2018-09-21
Applicant: 南京信息工程大学
CPC classification number: G06K9/00657 , G06K9/342 , G06K9/4647
Abstract: 本发明公开了一种基于多合成图像处理技术的森林火灾识别方法，集成了计算机视觉、数字图像处理、模式识别和信号处理等技术。通过对火灾图像采集、预处理，有效抑制因噪声去除带来的图像边缘与轮廓的模糊；使用阈值分割算法和形态学方法对图像分割处理，利用HOG算法提取火灾疑似区域的颜色、面积、圆形度等几何特征、纹理特征和动态特征，最后输入SVM分类器中进行判别。本发明弥补了以往判别方法依据单一、可靠性差的缺点，在没有环境和距离的限制条件中，火焰可以被自动识别,能够在火灾初期起到火灾警报的作用。
-
公开(公告)号：CN108805845A
公开(公告)日：2018-11-13
申请号：CN201810907592.3
申请日：2018-08-10
Applicant: 南京信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开一种小波包与偏微分方程相结合的图像去噪方法，包括如下步骤：将采集到的原始图像进行灰度转换并进行加噪处理；构建PM模型与MCD模型相结合的去噪新模型，通过选取权重函数，区分和孤立噪声，再建立二阶微分算子；建立基于小波包与偏微分方程的图像去噪方法，用小波包对噪声图像进行系数分解，对噪声信息进行集中处理；再根据小波包分解系数，利用小波包逆变换对图像进行重构；最后对处理后的图像进行平滑处理；通过半隐式加性算子分裂数值算法进行仿真，比较它们的均方差、峰值信噪比和清晰度，分析方法的有效性和可行性。此种方法在有效去除噪声的同时，能保护图像的边缘纹理等细节信息，去噪性能优越。
-
Patent Agency Ranking
公开(公告)号：CN108197573A
公开(公告)日：2018-06-22
申请号：CN201810004996.1
申请日：2018-01-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了镜像图与LRC和CRC偏差结合的人脸识别方法。该方法首先生成一种虚拟的人脸图像(镜像人脸)，再通过融合原始人脸和镜像人脸去形成新的混合训练样本，最后利用LRC和CRC偏差结合进行人脸识别。该方法增加了训练样本的数目，克服由于光照和姿态等外部因素带来的影响，提高了人脸识别的准确性。
-
-
公开(公告)号：CN104463810B
公开(公告)日：2017-08-01
申请号：CN201410827269.7
申请日：2014-12-25
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及基于TV流的自适应扩散滤波图像去噪方法，包括步骤：(1)将TV流扩散方程以内在坐标形式表示；(2)将步骤(1)中的TV流扩散模型简化；(3)建立基于形态学的扩散滤波算法；(4)建立自适应扩散过程模型(5)建立保真项(6)用中心差分数值算法进行进一步处理。本发明能处理出接近原始图像更加清晰的图像，解决传统算法时效性低，复杂度高，且在处理过程中经常会出现过度平滑和平滑不充分的现象。
-
公开(公告)号：CN105913382A
公开(公告)日：2016-08-31
申请号：CN201610115932.X
申请日：2016-03-01
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种阈值寻优的高保真各向异性滤波方法，首先用小波变换提取图像的高频部分，在高频部分用二阶微分量曲率模值来反映局部信息，并建立高保真各向异性滤波模型；再用最小均方算法进行阈值寻优，进一步控制扩散强度；然后用建立的高保真各向异性滤波模型对提取的高频部分进行处理，对处理后的高频系数和原来的低频系数进行小波重构，得到去噪后图像作为输出。有益效果：可避免将图像的尖峰、角点误认为噪声，保护了细节信息，还可提高边缘检测的准确性，增强图像滤波效果，故去噪性能较现有技术中的经典模型更具优越性，而且运行时间有了明显提高。
-
公开(公告)号：CN105427262A
公开(公告)日：2016-03-23
申请号：CN201510934702.1
申请日：2015-12-15
Applicant: 南京信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开了一种基于双向增强扩散滤波的图像去噪方法，简化了扩散方程，建立双向扩散系数，使模型在扩散过程中能够实现平滑与锐化的双向过程，为进一步加强平滑和锐化强度，对图像做增强处理，并用小波变换增强图像的整体轮廓，弱化图像的纹理细节，然后，对梯度阈值进行了自适应设计和改进，使其根据图像的最大灰度值和迭代次数自动控制梯度阈值，进一步保留图像边缘和细节特征，最后，对提出的模型进行仿真，用MATLAB软件对方法进行仿真验证，能够兼顾图像噪声的去除和边缘、纹理等细节信息的保护，峰值信噪比有了大幅提高，去噪性能较经典模型更具优越性，具有良好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.027 seconds)
