-
公开(公告)号：CN106357958A
公开(公告)日：2017-01-25
申请号：CN201610885140.0
申请日：2016-10-10
申请人： 山东大学
摘要： 本发明涉及一种基于区域匹配的快速电子稳像方法，具体步骤包括：(1)读出视频图像帧，选取第一帧图像作为参考帧；(2)采用MSER最大极值稳定区域算法，将当前帧依次与参考帧进行区域匹配，得到匹配分数，进行小波变换；将得到的匹配分数从大到小排序，选取前n位的匹配分数对应的区域；(3)对选取的前n位的匹配分数对应的区域进行区域标定，并在标定后的区域进行FAST特征点检测，提取出特征点；(4)进行特征点匹配，估计运动参数；(5)对图像进行反向运动补偿。本发明利用稳像算法实现了图像序列的稳定，因此具有快速、高精度、低功耗等优点。
-
公开(公告)号：CN106529432B
公开(公告)日：2019-05-07
申请号：CN201610937434.3
申请日：2016-11-01
申请人： 山东大学
摘要： 本发明涉及一种深度融合显著性检测与先验知识的手部区域分割方法，本方法将像素级的手部区域显著图与区域级的手部区域显著图融合，使得整个手部区域检测算法具有更高的鲁棒性和准确性。利用引入的贝叶斯框架，得到每个像素点的属于手部区域的置信度，并结合阈值分割等相关技术手段，最终获得高准确性的手部区域分割结果。本发明克服了传统手部区域方法只能应用于相对简单背景、无近肤色干扰场景的缺点，在非均匀光照、近肤色背景、人脸噪声等各种干扰的情况下，仍然可以十分精确地获得手部区域的分割图像，因而具有广阔的应用前景。
-
-
公开(公告)号：CN116580714A
公开(公告)日：2023-08-11
申请号：CN202310628366.2
申请日：2023-05-29
申请人： 山东大学 , 国网山东省电力公司信息通信公司 , 国家电网有限公司
IPC分类号： G10L17/18 , G10L17/04 , G10L17/06 , G10L17/02 , G10L21/0208
摘要： 本发明涉及一种基于EDRSN的电力通信系统声纹识别方法及系统，包括：采集语音信号并对语音信号进行降噪；对降噪后的语音信号进行预处理，增强语音信号声纹特征；将预处理后的语音信号输入训练好的声纹识别模型，进行声纹特征提取，得到声纹识别结果；其中，声纹识别模型为：在DRSN的基础上，引入软阈值机制来进一步区分噪声特征并消除噪声，并引入卷积注意力机制模块，增强声纹特征。本发明对采集的语音信号使用双路径卷积递归网络，降低嘈杂电力环境中的噪音影响；本发明通过语音信号端点检测消除长时间的静音片段，利用语音信号预加重来增强语音片段以减少噪音的影响；本发明提高了声纹识别的准确性。
-
公开(公告)号：CN106357958B
公开(公告)日：2019-04-16
申请号：CN201610885140.0
申请日：2016-10-10
申请人： 山东大学
摘要： 本发明涉及一种基于区域匹配的快速电子稳像方法，具体步骤包括：(1)读出视频图像帧，选取第一帧图像作为参考帧；(2)采用MSER最大极值稳定区域算法，将当前帧依次与参考帧进行区域匹配，得到匹配分数，进行小波变换；将得到的匹配分数从大到小排序，选取前n位的匹配分数对应的区域；(3)对选取的前n位的匹配分数对应的区域进行区域标定，并在标定后的区域进行FAST特征点检测，提取出特征点；(4)进行特征点匹配，估计运动参数；(5)对图像进行反向运动补偿。本发明利用稳像算法实现了图像序列的稳定，因此具有快速、高精度、低功耗等优点。
-
公开(公告)号：CN106529432A
公开(公告)日：2017-03-22
申请号：CN201610937434.3
申请日：2016-11-01
申请人： 山东大学
CPC分类号： G06K9/00355 , G06K9/00375 , G06K9/4671
摘要： 本发明涉及一种深度融合显著性检测与先验知识的手部区域分割方法，本方法将像素级的手部区域显著图与区域级的手部区域显著图融合，使得整个手部区域检测算法具有更高的鲁棒性和准确性。利用引入的贝叶斯框架，得到每个像素点的属于手部区域的置信度，并结合阈值分割等相关技术手段，最终获得高准确性的手部区域分割结果。本发明克服了传统手部区域方法只能应用于相对简单背景、无近肤色干扰场景的缺点，在非均匀光照、近肤色背景、人脸噪声等各种干扰的情况下，仍然可以十分精确地获得手部区域的分割图像，因而具有广阔的应用前景。
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.025 秒)
