-
公开(公告)号：CN108830806A
公开(公告)日：2018-11-16
申请号：CN201810531902.6
申请日：2018-05-29
申请人： 河南科技大学
CPC分类号： G06T5/007 , G06T5/10 , G06T5/20 , G06T2207/20024 , G06T2207/20056 , G06T2207/20084
摘要： 一种感受野模型的敏感度及模型参数动态调控方法，该动态调控方法具体如下：首先，根据人类视觉机制构建感受野模型；其次，利用构建的感受野模型，设计敏感度及模型参数动态调控方法；最后，利用设计的敏感度及模型参数动态调控方法对构建的感受野模型进行修正，并用于图像增强。本发明提供一种感受野模型的敏感度及模型参数动态调控方法，根据输入图像本身亮度、灰度分布以及能量分布构造了敏感度及模型参数动态调控方法，能够实现动态调整感受野模型参数，符合人类的视觉特性，图像增强效果良好。
-
公开(公告)号：CN108830806B
公开(公告)日：2020-12-18
申请号：CN201810531902.6
申请日：2018-05-29
申请人： 河南科技大学
摘要： 一种感受野模型的敏感度及模型参数动态调控方法，该动态调控方法具体如下：首先，根据人类视觉机制构建感受野模型；其次，利用构建的感受野模型，设计敏感度及模型参数动态调控方法；最后，利用设计的敏感度及模型参数动态调控方法对构建的感受野模型进行修正，并用于图像增强。本发明提供一种感受野模型的敏感度及模型参数动态调控方法，根据输入图像本身亮度、灰度分布以及能量分布构造了敏感度及模型参数动态调控方法，能够实现动态调整感受野模型参数，符合人类的视觉特性，图像增强效果良好。
-
公开(公告)号：CN110276049A
公开(公告)日：2019-09-24
申请号：CN201910549625.6
申请日：2019-06-24
申请人： 河南科技大学
摘要： 一种半监督自适应图正则化判别非负矩阵分解方法，包括如下步骤：S1、获取样本数据矩阵，样本数据矩阵中每列元素代表一个样本，每个样本中包括若干个数据点；S2、根据数据点之间的相似度构建相似矩阵，并且对相似矩阵进行约束，得到第一约束条件；S3、为样本设定标签，并且根据数据点的标签构建标签矩阵，得到第二约束条件；S4、将第一约束条件和第二约束条件代入到传统非负矩阵分解目标函数中，得到新目标函数；S5、对新目标函数进行迭代更新得到系数矩阵；S6、对系数矩阵进行聚类。本发明提供一种半监督自适应图正则化判别非负矩阵分解方法,能够很好地利用局部结构信息和标签信息来获得更好的数据表示。
-
公开(公告)号：CN109657611B
公开(公告)日：2022-09-23
申请号：CN201811555125.5
申请日：2018-12-19
申请人： 河南科技大学
IPC分类号： G06V40/16 , G06V10/762 , G06V10/77
摘要： 为了解决现有技术中针对人脸识别准确率低的问题，本发明提供一种用于人脸识别的自适应图正则化非负矩阵分解方法，包括以下步骤：先向量化处理人脸照片，再将数据矩阵X分解成基矩阵和系数矩阵的乘积，并对基矩阵和系数矩阵中的每个元素加上非负约束，然后对数据矩阵X的系数矩阵进行约束，得到处理后的相似矩阵，再利用对角矩阵与拉普拉斯矩阵对相似矩阵S进行处理，引入权重约束项λ，得到自适应图，最后将自适应图作为正则化约束项引入到数据矩阵X的非负矩阵分解目标函数中，对人脸照片进行识别。本发明通过引入权重约束项，权重矩阵不再保持不变，去除了大量噪声和离群值，使局部邻域结构信息完整，提升了识别准确率。
-
公开(公告)号：CN109657611A
公开(公告)日：2019-04-19
申请号：CN201811555125.5
申请日：2018-12-19
申请人： 河南科技大学
摘要： 为了解决现有技术中针对人脸识别准确率低的问题，本发明提供一种用于人脸识别的自适应图正则化非负矩阵分解方法，包括以下步骤：先向量化处理人脸照片，再将数据矩阵X分解成基矩阵和系数矩阵的乘积，并对基矩阵和系数矩阵中的每个元素加上非负约束，然后对数据矩阵X的系数矩阵进行约束，得到处理后的相似矩阵，再利用对角矩阵与拉普拉斯矩阵对相似矩阵S进行处理，引入权重约束项λ，得到自适应图，最后将自适应图作为正则化约束项引入到数据矩阵X的非负矩阵分解目标函数中，对人脸照片进行识别。本发明通过引入权重约束项，权重矩阵不再保持不变，去除了大量噪声和离群值，使局部邻域结构信息完整，提升了识别准确率。
-
-
-
-
搜索结果
5 条记录 (耗时 0.022 秒)
