-
公开(公告)号：CN114841909A
公开(公告)日：2022-08-02
申请号：CN202110123669.X
申请日：2021-02-01
申请人： 宜宾学院
摘要： 本发明涉及根据肺部CT图像检测是否感染COVID‑19病毒的方法。本发明方法针对现有检测方法的不足，提出一种能够捕获图像一维深度特征序列的随机网络图像分类模型，称为LSTM‑RDN。LSTM‑RDN图像分类模型由一个长短期记忆模块LSTM和若干ReLU‑Dropout块组成。检测时，先用BoT200和4个BoT18提取肺部CT图像的4096特征，然后在特征数据库上训练LSTM‑RDN模型并进行COVID‑19。采用本发明的方法能够准确地预报受试者是否感染COVID‑19。
-
公开(公告)号：CN114463818A
公开(公告)日：2022-05-10
申请号：CN202210116196.5
申请日：2022-02-07
申请人： 宜宾学院
发明人： 李朝荣
IPC分类号： G06V40/16 , G06K9/62 , G06F17/16 , G06V10/44 , G06V10/774
摘要： 本发明方法针现有深度网络的不足，本发明设计了一种有效的人脸识别方法，该方法将深度网络的高级特征和Gabor小波的低级特征进行融合。对于深度网络特征，采用了SENet网络模型，考虑了SENet网络的低层到高层Haar均值特征，分别进行PCA压缩；对于Gabor小波特征，将高斯分布拟合后嵌入到欧式空间，然后用PCA进行特征压缩。将深度网络特征和Gabor高斯特征融合的识别方式能适应戴口罩、墨镜等遮挡和强烈的光照不均问题，显著提升人脸识别准确率，满足复杂环境下的人脸识别需求。
-
公开(公告)号：CN106570183A
公开(公告)日：2017-04-19
申请号：CN201610996343.7
申请日：2016-11-14
申请人： 宜宾学院
发明人： 李朝荣
IPC分类号： G06F17/30
摘要： 本发明涉及了一种利用Log‑Gabor滤波器实现图像检索和分类方法。该方法主要内容包括以下几点：1)利用copula模型同时捕获了Log‑Gabor小波子带间的相关性和颜色通道的相关性，提高了检索和分类的准确度；2)本发明对将颜色通道上Log‑Gabor小波子带进行了选择(去掉冗余子带提高算法精度，减少计算时间)，而且每个彩色图像只建立一个copula模型，提高了计算效率。与现有方法相比，本发明有本发明抗噪声干扰能力强、具有较好的检索和分类性能、具有较低的计算复杂度。
-
公开(公告)号：CN114842233A
公开(公告)日：2022-08-02
申请号：CN202110131810.0
申请日：2021-02-01
申请人： 宜宾学院
摘要： 本发明涉及图像分类与识别领域，尤其是涉及利用序列随机网络的图像分类方法。本发明方法针对现有图像分类和检索方法的不足，提出一种能够捕获图像一维深度特征序列的随机网络图像分类模型，称为BiLSTM‑TDN。BiLSTM‑TDN图像分类模型由一个双向长短期记忆模块BiLSTM和若干Tanh‑Dropout块组成。如果目标图像是飞机图像组成的目标训练数据库，则用本发明能够准确地自动识别出飞机类型；如果是动物组成的目标训练数据库，则用本文的方法能够准确地自动识别出动物类型。
-
公开(公告)号：CN114462528A
公开(公告)日：2022-05-10
申请号：CN202210108718.7
申请日：2022-01-30
申请人： 宜宾学院
发明人： 李朝荣
IPC分类号： G06K9/62 , G06N3/04 , G06N3/08 , G06F17/16 , G06V10/764
摘要： 本发明方法针对ResNet系列模型的不足，提出一种能够提高图像分类性能的黎曼流形深度卷积神经网络，称为RM‑CNN。RM‑CNN图像分类模型是在ResNet系列网络上设计，充分利用各个层次上的特征相关性，采用黎曼流形网络来弥补信息丢失，同时利用自注意力模型来提高性能；总体上看该网络增加了ResNet网络的宽度，以宽度来解决梯度消失问题，达到提升图像分类性能的目的。
-
公开(公告)号：CN107688787B
公开(公告)日：2020-09-29
申请号：CN201710774082.9
申请日：2017-09-01
申请人： 宜宾学院
摘要： 本发明利用了Gabor小波分解来提取四根手指(食指、中指、无名指和小指)指间关节的纹路特征。特征提取将最终得出Gabor小波子带间的协方差矩阵。协方差矩阵能够刻画Gabor小波子带之间的相关结构，相比于以独立方式只计算子带方差有更好的区分性；识别部分是比对当前采集身份Gabor子带协方差矩阵和存储器中已经注册的身份的Gabor子带协方差矩阵之间的比较。为了提高性能，先对Gabor小波的子带进行CDF(累计分布函数)变换，再计算变换后的结果。本发明主要特点：(1)识别方法安全性高，四根手指纹路特征保证了系统的安全性；(2)对噪声有很好的抵抗作用，Gabor小波变换和CDF投影能有效抵抗图像噪声干扰。
-
公开(公告)号：CN106650678B
公开(公告)日：2019-10-22
申请号：CN201611240833.0
申请日：2016-12-29
申请人： 宜宾学院
发明人： 李朝荣
摘要： 本发明涉及了一种利用Gabor小波子带相关结构的人脸识别方法。Gabor小波能在不同尺度和不同方向把人脸图像分解成若干子带。由于Gabor小波是一种冗余变换，它分解的子带之间存在较强的相关性。一个Gabor小波子带可看成是一个随机变量的观察数据，因而可以用多维随机变量的相关结构来表示Gabor小波的子带相关性。Copula是一种创建多维统计模型的工具，它的作用是刻画随机变量间的相关结构。本发明利用高斯copula来刻画Gabor小波子带间的相关结构，这种相关结构对人脸具有很好的区分能力。操作步骤为：先对人脸进行预处理，再进行Gabor小波分解和高斯copula提取相关特征矩阵，最后利用相关特征矩阵进行人脸识别。本方法对光照变化和图像噪声有较强的鲁棒性、识别率高、应用前景广。
-
公开(公告)号：CN107688787A
公开(公告)日：2018-02-13
申请号：CN201710774082.9
申请日：2017-09-01
申请人： 宜宾学院
CPC分类号： G06K9/001 , G06K9/3233 , G06K9/6215
摘要： 本发明利用了Gabor小波分解来提取四根手指(食指、中指、无名指和小指)指间关节的纹路特征。特征提取将最终得出Gabor小波子带间的协方差矩阵。协方差矩阵能够刻画Gabor小波子带之间的相关结构，相比于以独立方式只计算子带方差有更好的区分性；识别部分是比对当前采集身份Gabor子带协方差矩阵和存储器中已经注册的身份的Gabor子带协方差矩阵之间的比较。为了提高性能，先对Gabor小波的子带进行CDF(累计分布函数)变换，再计算变换后的结果。本发明主要特点：(1)识别方法安全性高，四根手指纹路特征保证了系统的安全性；(2)对噪声有很好的抵抗作用，Gabor小波变换和CDF投影能有效抵抗图像噪声干扰。
-
公开(公告)号：CN107516088A
公开(公告)日：2017-12-26
申请号：CN201710782616.2
申请日：2017-09-02
申请人： 宜宾学院
发明人： 李朝荣 , 其他发明人请求不公开姓名
摘要： 根据现有基于生物特征识别方法的不足，设计一种多手指中节纹路图像的识别方法，提供安全可靠的认证方式。本发明用四根手指的中节背面的纹路用于身份认证，以提升单根手指的特征的区分性和可靠性，本发明提出手指组合方案，并用LBP来提取特征。本发明内容的识别方法具有两方面优点：(1)识别方法安全性高，四根手指纹路特征保证了系统的安全性；(2)计算开销小，由于LBP编码提取速度较快和特征维数低，因而识别速度快。
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.02 秒)
