-
公开(公告)号：CN104268590B
公开(公告)日：2017-08-11
申请号：CN201410476532.2
申请日：2014-09-17
Applicant: 电子科技大学
Abstract: 本发明提供一种基于互补性组合特征与多相回归的盲图像质量评价方法，在特征提取方面，采有互补性的全局频域和局部空频图像特征，来更准确地捕捉图像感知相关信息。在预测模型构建方面，引入多项支撑矢量回归方案，并通过搜索每幅测试图像的K副近邻来构建其独立的训练样本集。通过该分段回归操作，可以有效提高感知质量预测模型的预测精度。本发明相比于现有的代表性盲图像质量评价方法，该方法更加鲁棒，并且可以取得和人工打分更一致的预测质量打分。
-
公开(公告)号：CN103456010B
公开(公告)日：2016-03-30
申请号：CN201310392715.1
申请日：2013-09-02
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明提供一种基于特征点定位的人脸卡通画生成方法，包括：获取输入图像的特征点，所述特征点包括具有标志性的面部轮廓点；对输入图像中的眼睛、眉毛、鼻子分别进行重叠分块；在人脸图像块库中为所有分块寻找最佳匹配块，各最佳匹配块对应在卡通图像块库的卡通块即为找到的卡通匹配块；将卡通匹配块合成为完整的器官块，按照特征点的位置将这些器官放到输入图像的相应位置；按照特征点的位置将面部轮廓与嘴巴放到输入图像的相应位置；将头发部分放到输入图像的相应位置；对卡通化后的图像进行上色，生成最终的人脸卡通画。本发明利用特征点对输入图像进行分块，从而寻找出最佳匹配块合成完整器官，能够较快、较好地接近真实人脸。
-
公开(公告)号：CN104268552A
公开(公告)日：2015-01-07
申请号：CN201410449365.2
申请日：2014-09-04
Applicant: 电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6268 , G06F17/30247 , G06K9/626
Abstract: 本发明涉及图像信息处理技术领域，尤其涉及一种基于部件多边形的精细类别分类方法。本发明采用基于部件点的多边形可以有效地校正不同姿态下目标，分类过程采用的fisher编码特征对目标尺度和方向上的变化具有鲁棒性，所用的贪婪算法能找出最具判别力的部件点组合的集合，而精细分类器能够区分非常相似的类别。本发明提供的方法将目标图像的部件点进行连接，构建了多个基于部件点的多边形，可有效减少校正所带来的误差。
-
-
公开(公告)号：CN104282019A
公开(公告)日：2015-01-14
申请号：CN201410473339.3
申请日：2014-09-16
Applicant: 电子科技大学
Abstract: 本发明提供一种基于自然场景统计和感知质量传播的盲图像质量评价方法，对测试图像和大量无失真的自然图像计算专家场FoE梯度响应值，统计响应值直方图分布，计算两者分布的KL散度，得到测试图像的绝对失真程度。对测试图像和已标记的失真图像提取质量感知特征，并根据特征间的卡方距离，找到与测试图像最相似的N个标记图像。通过将这些标记图像的质量打分加权求和，可得到测试图像的相对失真程度。最后，通过把前两步预测打分组合到一起即可获得最终的预测图像质量分数。相比于现有的代表性无参考图像质量评价方法，该方法简单高效，并且无需大量人工标记样本。
-
Patent Agency Ranking
公开(公告)号：CN103456010A
公开(公告)日：2013-12-18
申请号：CN201310392715.1
申请日：2013-09-02
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明提供一种基于特征点定位的人脸卡通画生成方法，包括：获取输入图像的特征点，所述特征点包括具有标志性的面部轮廓点；对输入图像中的眼睛、眉毛、鼻子分别进行重叠分块；在人脸图像块库中为所有分块寻找最佳匹配块，各最佳匹配块对应在卡通图像块库的卡通块即为找到的卡通匹配块；将卡通匹配块合成为完整的器官块，按照特征点的位置将这些器官放到输入图像的相应位置；按照特征点的位置将面部轮廓与嘴巴放到输入图像的相应位置；将头发部分放到输入图像的相应位置；对卡通化后的图像进行上色，生成最终的人脸卡通画。本发明利用特征点对输入图像进行分块，从而寻找出最佳匹配块合成完整器官，能够较快、较好地接近真实人脸。
-
-
公开(公告)号：CN104268590A
公开(公告)日：2015-01-07
申请号：CN201410476532.2
申请日：2014-09-17
Applicant: 电子科技大学
CPC classification number: G06K9/6269 , G06T7/90 , G06T2207/30168
Abstract: 本发明提供一种基于互补性组合特征与多相回归的盲图像质量评价方法，在特征提取方面，采有互补性的全局频域和局部空频图像特征，来更准确地捕捉图像感知相关信息。在预测模型构建方面，引入多项支撑矢量回归方案，并通过搜索每幅测试图像的K副近邻来构建其独立的训练样本集。通过该分段回归操作，可以有效提高感知质量预测模型的预测精度。本发明相比于现有的代表性盲图像质量评价方法，该方法更加鲁棒，并且可以取得和人工打分更一致的预测质量打分。
-
-
公开(公告)号：CN104282019B
公开(公告)日：2017-06-13
申请号：CN201410473339.3
申请日：2014-09-16
Applicant: 电子科技大学
Abstract: 本发明提供一种基于自然场景统计和感知质量传播的盲图像质量评价方法，对测试图像和大量无失真的自然图像计算专家场FoE梯度响应值，统计响应值直方图分布，计算两者分布的KL散度，得到测试图像的绝对失真程度。对测试图像和已标记的失真图像提取质量感知特征，并根据特征间的卡方距离，找到与测试图像最相似的N个标记图像。通过将这些标记图像的质量打分加权求和，可得到测试图像的相对失真程度。最后，通过把前两步预测打分组合到一起即可获得最终的预测图像质量分数。相比于现有的代表性无参考图像质量评价方法，该方法简单高效，并且无需大量人工标记样本。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
