-
公开(公告)号：CN104794482A
公开(公告)日：2015-07-22
申请号：CN201510134150.6
申请日：2015-03-24
Applicant: 江南大学
IPC: G06K9/62
Abstract: 本发明针对普通的核聚类只考虑类内关系而忽略了类与类之间的关系的问题，提出了在核模糊C均值聚类(KDFCM)算法的基础上，引入了在特征空间中的类间极大惩罚项的方法，给出了一种基于改进型核模糊C均值类间极大化聚类(MKDFCM)算法。该算法通过在特征空间中增大类与类之间的距离，构造了一种新的目标函数，通过调控类间距极大惩罚项使之最大化，从而使算法具有较好的聚类效果。该算法与传统的聚类算法相比，对带有噪声点数据集鲁棒性较高，对不平衡数据和边界模糊数据集聚类效果较佳。
-
公开(公告)号：CN104700089A
公开(公告)日：2015-06-10
申请号：CN201510134189.8
申请日：2015-03-24
Applicant: 江南大学
Abstract: 本发明公开了一种基于Gabor小波和SB2DLPP的人脸识别方法，该方法主要包括预处理、特征提取、特征降维和分类识别四个步骤。(1)对已知的人脸库中所有的人脸图像进行预处理，包括尺度归一化和直方图均衡化；(2)利用Gabor小波对预处理过的人脸图像进行特征提取；(3)引入类别信息，对步骤(2)提取到的高维图像特征应用有监督的双向二维局部保持投影(SB2DLPP)算法进行降维，从而提取出映射到低维子空间的特征矩阵；(4)采用最近邻分类器进行分类识别。本发明的基于Gabor和SB2DLPP的人脸识别方法利用Gabor小波和改进的B2DLPP算法对图像进行识别，克服了传统人脸识别方法易受光照、表情等外部因素影响的问题，有效地提高了人脸识别率。
-
公开(公告)号：CN103473921A
公开(公告)日：2013-12-25
申请号：CN201310309477.3
申请日：2013-07-22
Applicant: 江南大学
IPC: G08G1/00
Abstract: 本发明揭露了一种多延时动力系统的交通流量仿真方法，所述方法包括多车道上的交通流的简单数学模型；在多时段的延时动力系统的基础上，离散多通道的车辆数学模型；根据三种决策表的情况，给出交通流模型的可能形式。本发明通过对动力系统的道路交通流量的研究，针对多车道、路况可变、流量可变的复杂交通环境进行建模，利用前后多时间段对道路交通流量的相互影响，能够模拟真实的道路交通流量变化，对于控制交通流量以及分析交通系统的特点是有效的。
-
公开(公告)号：CN109886161B
公开(公告)日：2023-12-12
申请号：CN201910092625.8
申请日：2019-01-30
Applicant: 江南大学
IPC: G06V20/58 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/30 , G06V10/32 , G06T3/40 , G06T5/00
Abstract: 本发明公开了一种基于可能性聚类和卷积神经网络的道路交通标识识别方法，包括以下步骤对图像数据集进行预处理，所述预处理包括归一化操作、数据增强、色彩增强以及使用极大化类间距离的可能性聚类算法与Hu不变矩相结合进行降噪和特征提取，得到训练数据集；构建卷积神经网络模型，并利用所述训练数据集对所述卷积神经网络模型进行充分训练，利用训练后的网络模型对图像进行分类识别。效果：采用归一化与数据增强对数据集进行预先操作使得满足
-
公开(公告)号：CN110837804A
公开(公告)日：2020-02-25
申请号：CN201911082514.5
申请日：2019-11-07
Applicant: 江南大学
Abstract: 本发明公开了一种基于稀疏混合字典学习的特征提取方法并将其应用在人脸鉴别中，在一定程度上提高了人脸鉴别的准确性，本发明以费舍尔判别准则和拉普拉斯矩阵为约束，利用类别特色字典提取数据类别之间的特殊性，在保留稀疏编码数据相似性的同时减小类内编码离散度，增大类间编码离散度；然后利用类内差异字典提取类别共性，捕捉不同类别的相同特征，最后将类别特色字典与类内差异字典相结合。使用本发明在AR、CMU-PIE、LFW等人脸数据库上进行实验，结果表明，该方法在少样本训练条件下可以获得更高识别精度。
-
Patent Agency Ranking
公开(公告)号：CN107808384A
公开(公告)日：2018-03-16
申请号：CN201711162183.7
申请日：2017-11-21
Applicant: 江南大学
CPC classification number: G06T7/11 , G06K9/6221 , G06N7/02 , G06T7/136 , G06T2207/20152
Abstract: 本发明揭露了一种基于网格化局部分水岭的模糊聚类方法，将超像素思想与分水岭算法相结合，并且在模糊C均值聚类算法(Fuzzy c-means)的基础上进行改进，提高图像分割算法对图像显著区域的抓取能力及效率以及去噪能力。本发明先根据区域灰度值方差将图像进行不均匀网格化，再对每个网格使用局部最优阈值的分水岭算法，减少了全局分水岭带来的局部信息遗失，获得各个网格内的显著性聚水盆，再实施区域融合，将每个标记区域的灰度均值化，最后使用考虑区域面积的FCM进行聚类，得到最终的分割图像。本发明对噪声的鲁棒性强，能够有效剔除干扰区域，分割出图像中的显著区域，同时也具有较低的时间复杂度。
-
公开(公告)号：CN104683803A
公开(公告)日：2015-06-03
申请号：CN201510134321.5
申请日：2015-03-24
Applicant: 江南大学
IPC: H04N19/142 , H04N19/513 , H04N19/129
Abstract: 本发明公开了一种应用于视频对象跟踪的压缩域运动对象快速跟踪方法，该方法基于压缩码流中提取的运动矢量来进行滤波、分割，从而对运动对象进行跟踪。首先根据压缩码流中的运动矢量信息，公开了一种基于边界搜索的运动对象凸壳分割方案，对滤波后的运动矢量进行八方向边界搜索得到运动区域，再对分散的运动区域进行规则聚类得到多目标分割，然后根据分割的结果，提出了基于卡尔曼滤波的运动对象跟踪方法。本发明将高复杂的视频分析直接在解码时直接通过码流信息进行分析，而免去大量的解码时间，大大降低了监控视频分析的时间代价，并对运动对象的分割方法中提出的基于规则聚类的方法与边界搜索方法，均有效地降低了运算的复杂度，提高了整体的实时跟踪可行性。
-
公开(公告)号：CN104680499A
公开(公告)日：2015-06-03
申请号：CN201510134187.9
申请日：2015-03-24
Applicant: 江南大学
Abstract: 本发明揭露了一种基于Steiner点的移动目标遮挡恢复方法，所述方法包括对视频中移动目标进行处理，首先提取移动目标的边界，经过凸壳处理、多边形逼近过程后，转化成易于处理的凸多边形。利用推导出的遮挡结论，计算出移动目标Steiner点的偏移向量，再结合未被遮挡区域的Steiner点，从而可以计算出移动目标的特征点-Steiner点的位置，从而解决被遮挡。本发明通过基于曲率中心的方法实现了目标运动过程中被遮挡，准确恢复目标中心，这样即使发生遮挡，也能准确的预测到物体的移动轨迹，恢复物体的特征中心。
-
公开(公告)号：CN103870839A
公开(公告)日：2014-06-18
申请号：CN201410083904.5
申请日：2014-03-06
Applicant: 江南大学
Abstract: 本发明揭露了一种视频目标在线多特征跟踪方法，所述方法包括对输入的视频首帧选取待检测目标，计算选取区域稀疏特征的值；将选取区域作为正样本，背景区域作为负样本，分别提取数据特征；计算视频序列新一帧候选区域的稀疏特征值，进行目标匹配跟踪；更新分类器和参数，进行新一轮目标跟踪。本发明通过对待检测目标稀疏特征表示，降低计算复杂性，并采用实时更新分类器的方法，实现在线跟踪，使得目标不易丢失，达到稳定的跟踪效果。
-
公开(公告)号：CN109360207A
公开(公告)日：2019-02-19
申请号：CN201811118676.5
申请日：2018-09-26
Applicant: 江南大学
Abstract: 本发明公开了一种融合邻域信息的模糊聚类方法，包括，第一步，对图像进行处理，将用作聚类的图像数据信息由单一测度扩充为三层测度；第二步，改进模糊C均值算法，并为隶属度矩阵添加先验知识概率因子项；第三步，在目标函数上添加隶属度差异惩罚项；第四步，对图像进行聚类分割。通过本发明提高对噪声的鲁棒性，有效的剔除干扰区域，分割出图像中的显著区域，同时降低时间复杂度。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
