-
公开(公告)号：CN109389591B
公开(公告)日：2020-11-20
申请号：CN201811159828.6
申请日：2018-09-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于彩色描述子的彩色图像质量评价方法，主要解决现有技术只能给出图像之间的排序结果，不能给出人类更容易接受的质量分数。其实现方案是：在选择两幅图像构建偏好图像对，并提取每张图像的颜色和谐描述子、色彩对比度描述子和色彩丰富度这三个特征；对图像对中的两张图像特征做差作为图像对的特征差，并估计图像对的偏好类标；利用每个图像对的特征差和对应的偏好类标来建立训练数据集；将所有图像对的特征差向量映射至其对应的偏好类标；根据偏好类标与质量感知分数算出图像感知质量分数。本发明提高了图像的色彩布局、色相及和谐颜色的质量评价准确性，质量分数符合人类习惯，可用于彩色图像的压缩、存储和传输过程。
-
公开(公告)号：CN111510710A
公开(公告)日：2020-08-07
申请号：CN202010341014.5
申请日：2020-04-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于脑电信号和时空失真的视频质量评价方法，主要解决现有技术没有充分考虑人类视觉特性，导致客观视频质量评价结果与人类主观感知不一致的问题，本发明步骤为：(1)生成模拟水面波动视频；(2)生成时空失真视频；(3)采集连续脑电信号和主观评价；(4)计算主观评价检测率；(5)对脑电信号进行分段；(6)对分段后的脑电信号进行分类；(7)计算脑电信号分类准确率；(8)评价时空失真视频质量。本发明采集不同时空失真视频对应的脑电信号作为评价依据，具有视频质量评价结果与人类主观评价更加一致，评价结果更加准确的优点。
-
公开(公告)号：CN110517237A
公开(公告)日：2019-11-29
申请号：CN201910766634.0
申请日：2019-08-20
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于膨胀三维卷积神经网络的无参考视频质量评价方法，其步骤为：构建由粗特征提取模块、三维时空特征学习模块、非线性回归模块组成的膨胀三维卷积神经网络，生成无参考的训练数据集和测试数据集，训练膨胀三维卷积神经网络，输出测试集中每个失真视频的质量评价分数值。本发明用于从输入的失真视频中自适应地提取时空域内容的质量感知特征，在网络的输出端得到对应的预测质量分数，实现了端对端的质量评价，具有评价无参考视频质量时结果更加准确、应用更广泛的优点。
-
公开(公告)号：CN107423379B
公开(公告)日：2019-10-11
申请号：CN201710568550.7
申请日：2017-07-13
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于CNN特征词汇树的图像检索方法，旨在解决现有的词汇树方法中存在的准确率低的技术问题。实现步骤为：首先生成图像库中各图像的衍生图像，并提取图像库中各图像的CNN特征,再根据提取的CNN特征构建CNN特征词汇树，接着生成各待检索图像的衍生图像，并提取各待检索图像的CNN特征，通过比较各待检索图像和其相关图像的CNN特征在CNN特征词汇树中的路径，计算待检索图像和其相关图像的距离，并将待检索图像和其相关图像的距离与初始相似度结合，最后根据各待检索图像和其相关图像的综合相似度输出各待检索图像的检索结果。本发明的图像检索准确率高，可用于医学图像计算机辅助诊断系统和以图搜图系统。
-
公开(公告)号：CN104182538B
公开(公告)日：2017-06-13
申请号：CN201410441091.2
申请日：2014-09-01
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于半监督哈希的图像检索方法，主要解决现有技术检索速度慢、占用内存空间大、检索结果不精确的问题。其实现步骤为：(1)提取原始图像的底层特征，并对其作归一化处理；(3)将归一化数据分为训练数据和测试数据；(4)使用类标传递方法求训练数据的类标，根据类标产生编码；(5)使用训练数据及其编码训练支持向量机分类器；(6)使用支持向量机分类器对训练数据和测试数据分类，根据分类结果产生训练数据和测试数据的编码；(7)根据训练数据编码和测试数据编码之间的汉明距离得到检索结果。本发明降低了内存消耗，节省了检索时间，提高了图像检索的准确性，可用于电子商务和移动终端设备的图片搜索服务。
-
Patent Agency Ranking
公开(公告)号：CN104182755A
公开(公告)日：2014-12-03
申请号：CN201410437632.4
申请日：2014-08-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于塔形PCA的乳腺钼靶X线图像块特征提取方法，主要解决现有技术提取的特征中不包含肿块中间密度大边缘密度小这一特征的缺点。其实现步骤是：(1)预处理；(2)构成塔形结构；(3)获得各图像层的灰度特征向量；(4)训练各图像层灰度特征的特征空间；(5)获得各图像层的主成分特征；(6)获得基于塔形PCA的乳腺钼靶X线图像块特征。本发明能使乳腺钼靶X线图像块的特征表示更为鲁棒，更为有效的表示图像特征，提高乳腺钼靶X线摄影图像中肿块区域检测的准确率，从而辅助放射科医生进行临床诊断。
-
公开(公告)号：CN104036300A
公开(公告)日：2014-09-10
申请号：CN201410273800.0
申请日：2014-06-18
Applicant: 西安电子科技大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于均值漂移分割的遥感图像目标识别方法，主要解决现有技术中遥感图像目标识别算法识别精度低，速度慢的缺点。其实现步骤是：(1)读取遥感图像，并进行伪彩色合成；(2)对合成后的图像进行归一化；(3)从归一化后的图像中构建训练集；(4)对归一化后的图像利用均值漂移算法进行图像分割；(5)对分割后的图像利用步骤(3)得到的训练集，使用K最近邻算法进行识别，得到输入遥感图像的识别结果。本发明能快速、准确识别遥感图像的多类目标，可用于复杂背景下对遥感图像的目标识别。
-
公开(公告)号：CN102945552A
公开(公告)日：2013-02-27
申请号：CN201210403255.3
申请日：2012-10-22
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于自然场景统计中稀疏表示的无参考自然图像质量评价方法，主要解决现有技术在原始图像未知的情况下，客观评价分数与主观评价分数不同的问题。其实现步骤包括：利用小波变换对图像进行子带分解，根据自然场景统计模型方法提取图像的有效特征；通过组合一系列不同内容、不同失真类型的图像，提取其自然场景统计特征以构建特征字典；在构建的特征字典中，用稀疏表示测试图像的自然场景统计特征；利用稀疏表示系数线性加权相关图像的差异平均主观分数值DMOS，最终得到测试图像质量的评价值。本发明具有适用于各种失真类型图像且与主观评价一致性好的优点，可用于对图像处理方法进行有效性评测。
-
公开(公告)号：CN101562675B
公开(公告)日：2011-02-09
申请号：CN200810232400.X
申请日：2008-11-25
Applicant: 西安电子科技大学
IPC: H04N1/00
Abstract: 本发明公开了一种基于Contourlet变换的无参考型自然图像质量评价方法，主要解决在原始图像未知的情况下，客观与主观质量评价值的差异问题。该方法包括：利用Contourlet变换方法对失真图像进行多尺度和多方向的子带分解；在分解后的每个子带中，利用Contourlet系数与领域系数的相关性，构建Contourlet系数与预测系数的联合直方图；根据图像在Contourlet域随尺度增加Contourlet系数递减的特性，设定阈值对联合直方图进行划分；选取划分后的直方图中能够代表图像质量的特征区域，将其进行非线性变换以表示子带质量；对每个子带得到的质量值进行加权求和，最终得到图像质量的评价值。本发明具有适用于各种失真类型图像且与主观评价一致性好的优点，可用于对图像处理方法进行有效性评测。
-
公开(公告)号：CN101556686A
公开(公告)日：2009-10-14
申请号：CN200910021744.0
申请日：2009-03-30
Applicant: 西安电子科技大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于局部Tchebichef矩的鲁棒图像水印新方法，主要解决目前基于图像特征的水印算法不能同时有效抵抗常规图像处理和几何攻击的问题。该方法首先利用Harris－Laplace检测算子提取原始图像的特征点，并通过特征选择获得一组稳定且彼此独立的圆形特征区域；然后通过主方向对齐获得几何不变的圆形特征区域；最后，在圆形特征区域的内接方形图像块中计算Tchebichef矩，并通过抖动量化调制修改低阶Tchebichef矩的幅度值实现水印嵌入；检测时，通过抖动量化调制获得修改后的低阶Tchebichef矩并利用最小距离解码实现水印的盲提取。本发明具有很好的不可见性，同时对常规图像处理、几何攻击及组合攻击均具有良好的鲁棒性，整体性能优于同类方法，可用于不同类型图像的版权保护。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.083 seconds)
