-
公开(公告)号：CN103279745B
公开(公告)日：2016-07-06
申请号：CN201310208037.9
申请日：2013-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于半脸多特征融合的人脸识别方法，把全局特征和局部特征结合起来应用于半张人脸中。使得在人脸识别中处理图像的维数更少，而在特征抽取时，利用多特征融合，使得提取图像特征时可以集全局特征和局部特征为一体，提取的特征更加的全面，在缩小识别时间的同时使图像的识别率大大地提高，克服原有的传统方法中采用单一特征处理完整的人脸，处理维数大，计算复杂度高，特征抽取不完整的问题，实现多特征提取半脸图像，使得提取的特征更加完善，不仅提取了全局特征，而且对于局部关键的细微特征也能提取出来，同时能够使得处理时间比较小，实现快速识别。
-
公开(公告)号：CN103400356A
公开(公告)日：2013-11-20
申请号：CN201310365694.4
申请日：2013-08-21
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明提出了一种基于通用隐马尔可夫树模型的加权图像压缩感知方法，其将基于uHMT模型的迭代加权L1最小化算法应用于图像的压缩感知重建，根据自然图像的自身特性，采用uHMT模型代替HMT模型，直接给出模型参数，省去计算量较大的训练步骤，有效降低图像重建的计算复杂度。同时，由于权值的计算方法对重建精度有很大影响，通过本发明给出的改进的权值计算方法既将刻画小波系数的uHMT模型引入了图像重建，又降低了出现排斥模型现象的可能性，从而提高了图像的重建精度。
-
公开(公告)号：CN103400356B
公开(公告)日：2016-02-03
申请号：CN201310365694.4
申请日：2013-08-21
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明提出了一种基于通用隐马尔可夫树模型的加权图像压缩感知方法，其将基于uHMT模型的迭代加权L1最小化算法应用于图像的压缩感知重建，根据自然图像的自身特性，采用uHMT模型代替HMT模型，直接给出模型参数，省去计算量较大的训练步骤，有效降低图像重建的计算复杂度。同时，由于权值的计算方法对重建精度有很大影响，通过本发明给出的改进的权值计算方法既将刻画小波系数的uHMT模型引入了图像重建，又降低了出现排斥模型现象的可能性，从而提高了图像的重建精度。
-
公开(公告)号：CN103279745A
公开(公告)日：2013-09-04
申请号：CN201310208037.9
申请日：2013-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于半脸多特征融合的人脸识别方法，把全局特征和局部特征结合起来应用于半张人脸中。使得在人脸识别中处理图像的维数更少，而在特征抽取时，利用多特征融合，使得提取图像特征时可以集全局特征和局部特征为一体，提取的特征更加的全面，在缩小识别时间的同时使图像的识别率大大地提高，克服原有的传统方法中采用单一特征处理完整的人脸，处理维数大，计算复杂度高，特征抽取不完整的问题，实现多特征提取半脸图像，使得提取的特征更加完善，不仅提取了全局特征，而且对于局部关键的细微特征也能提取出来，同时能够使得处理时间比较小，实现快速识别。
-
-
-
Search Results
4
records
(took 0.013 seconds)
