-
公开(公告)号：CN117688197A
公开(公告)日：2024-03-12
申请号：CN202311605206.2
申请日：2023-11-28
Applicant: 昆明理工大学
IPC: G06F16/583 , G06V10/77 , G06F18/2132 , G06V10/82 , G06N3/0455
Abstract: 本发明涉及基于判别性特征学习与样本关系辅助的文本‑行人图像检索方法，属行人重识别领域。本发明包括：获取文本描述和行人图像数据，并对图像进行预处理；构建特征提取网络，将预处理好的文本和行人图像分别送入各自模态的特征提取网络；构建判别性特征学习模块，在图像和文本原始特征中挖掘更多的判别性特征；构建样本关系辅助的特征表示模块，充分利用单模态内样本间的关系来优化特征表示；ViT和BERT分别提取的图像和文本特征输入判别性特征学习和样本关系辅助的特征表示模块，得到图像和文本的最终特征，使用图像和文本的最终特征进行跨模态检索。本发明通过挖掘身份判别性特征以及进行特征优化，提升了文本‑行人图像的检索性能。
-
-
公开(公告)号：CN107977949B
公开(公告)日：2021-08-20
申请号：CN201710615422.3
申请日：2017-07-26
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于投影字典对学习的医学图像融合质量改善的方法，属于数字图像处理技术领域。先采集图像，将采集后的图像作为作为训练样本，再将训练样本进行处理得到投影字典对；利用训练得到的字典对把源图像分解为低秩分量和稀疏分量；然后对稀疏分量采用外部块先验、内部自适应先验联合和稀疏约束，对低秩元素添加核范数约束，从而迭代后得到稀疏系数和低秩系数；对低秩合成字典，低秩分析字典和低秩系数进行迭代更新，得到更新后的低秩分量，对稀疏合成字典，稀疏分析字典和稀疏系数进行迭代更新，得到稀疏分量，把得到的投影字典对和稀疏分量，低秩分量融合得到最终的融合图像。
-
-
公开(公告)号：CN107292316B
公开(公告)日：2020-08-25
申请号：CN201710397773.1
申请日：2017-05-31
Applicant: 昆明理工大学
Abstract: 本发明公开了一种基于稀疏表示的提升图像清晰度的方法，输入两幅源图像分别进行低秩分解；利用字典学习模型对选用的图像集进行训练；利用稀疏表示方法对低秩部分图像和稀疏部分图像进行稀疏融合，接着对低秩融合图像和稀疏融合图像分别采用正交匹配追踪算法求解得到两部分图像对应的稀疏系数；将低秩字典与求得的稀疏系数进行线性组合，得到组合后的图像；接着利用稀疏表示方法对组合后的图像进行稀疏重构，得到重构图像；接着对重构图像采用正交匹配追踪算法求解得到稀疏系数；把得到的稀疏系数与两个字典进行稀疏表达得到融合图像。本发明不管是从主观视觉上还是客观评价指标上来看实验结果，本发明的融合结果明显优于其他传统的方法。
-
Patent Agency Ranking
公开(公告)号：CN109815815A
公开(公告)日：2019-05-28
申请号：CN201811576219.0
申请日：2018-12-22
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于度量学习和支持向量机相集成的行人再识别方法，属于图像处理、模式识别技术领域。本发明首先生成带有行人标签信息的行人特征矩阵；对度量行人距离的非线性空间M做处理；设置支持向量机内用到的行人标签信息；支持向量机引入约束变量，再把支持向量机作为非线性空间的约束条件；对非线性空间M的约束条件进行缩放处理；找到投影矩阵和分类器的最优解，用度量学习和支持向量机相集成的识别模型进行行人识别，得到识别率。本发明集成了度量学习和支持向量机。和已有方法相比，本发明所提出的方法有效的挖掘、利用了行人数据集中的标签信息，使行人匹配率得到有效的提升。
-
公开(公告)号：CN105913407B
公开(公告)日：2018-09-28
申请号：CN201610210196.6
申请日：2016-04-06
Applicant: 昆明理工大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于差值图对多聚焦图像融合优化的方法，首先基于多尺度多方向对多聚焦图像初步融合，然后通过差值图测量出的剩余信息以及聚焦区域的信息对初始的融合图像进行更新。多尺度与多方向两个方法融合起来，得到的图像区域定位准确，精度高、适于人类的视觉系统，通过差值图的残留信息初始融合图像进行更新操作使融合图像更加精确，图像融合质量更高，在军事以及民用领域中有广泛的应用前景。
-
公开(公告)号：CN107563968A
公开(公告)日：2018-01-09
申请号：CN201710615443.5
申请日：2017-07-26
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于判别字典学习的联合医学图像融合去噪的方法，属于数字图像处理技术领域。首先对医学图像进行采集，再对采集到的医学图像进行训练得到稀疏字典和低秩字典，然后对稀疏字典和低秩字典进行图像分解，得到稀疏元素和低秩元素，对稀疏元素添加稀疏约束和加权核范数约束，对低秩元素添加核范数，分别得到低秩系数和稀疏系数，对低秩字典和低秩系数进行迭代更新，得到更新后的低秩分量，对稀疏字典和稀疏系数进行迭代更新，得到稀疏分量，最后，将低秩分量和稀疏分量相融合，得到最终的融合图像。本发明提出的图像融合的方法使输入有噪声的源图像时也产生好的融合效果，效果明显提高。
-
公开(公告)号：CN105913407A
公开(公告)日：2016-08-31
申请号：CN201610210196.6
申请日：2016-04-06
Applicant: 昆明理工大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/20221
Abstract: 本发明涉及一种基于差值图对多聚焦图像融合优化的方法，首先基于多尺度多方向对多聚焦图像初步融合，然后通过差值图测量出的剩余信息以及聚焦区域的信息对初始的融合图像进行更新。多尺度与多方向两个方法融合起来，得到的图像区域定位准确，精度高、适于人类的视觉系统，通过差值图的残留信息初始融合图像进行更新操作使融合图像更加精确，图像融合质量更高，在军事以及民用领域中有广泛的应用前景。
-
公开(公告)号：CN105894483A
公开(公告)日：2016-08-24
申请号：CN201610190129.2
申请日：2016-03-30
Applicant: 昆明理工大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法。首先，对下采样的多聚焦源图像进行多尺度分解，计算特征高频子带系数的清晰度并双边滤波得到初始二值图像；其次，对初始二值图像中的区域中一些孤立小面积区域处理后，进行上采样操作；最后，用源图像的原始边界替换上采样的二值图像边界，再进行分块处理和块一致性验证得到最终优化的二值图像边界，并据此对源图像进行融合。本发明主要工作在于基于多尺度图像分析和块的一致性验证得到源图像聚焦区域和非聚焦区域的最优边界，为源图像聚焦区域得以直接、精确地融合提供保证；本发明算法简单，在不引入错误信息的前提下，有效地保留了多聚焦源图像中的聚焦信息。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.04 seconds)
