-
公开(公告)号：CN106708951A
公开(公告)日：2017-05-24
申请号：CN201611060072.0
申请日：2016-11-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种支持所有权认证的客户端图像模糊去重方法，主要解决现有去重技术准确性低、安全性低的问题。其实现方案是：(1)检测服务器端是否存在与客户端待去重的原始图像相似的图像，若是，则进行“所有权认证”；若否，则不进行去重；(2)服务器对原始图像进行“所有权认证”，若认证成功，则进行质量比较，若认证失败，则拒绝客户端进行去重；(3)服务器比较原始图像的质量是否大于相似图像的质量，若是，则将相似图像的链接返回给客户端；若否，则将原始图像上传并存储在服务器端。本发明提高了重复检测的准确性，保证了“所有权认证”的安全性，使得服务器端可以保留质量好的图像，可用于对相似图像进行去重。
-
公开(公告)号：CN106708951B
公开(公告)日：2019-10-11
申请号：CN201611060072.0
申请日：2016-11-25
申请人： 西安电子科技大学
IPC分类号： G06F16/174 , G06T3/40
摘要： 本发明公开了一种支持所有权认证的客户端图像模糊去重方法，主要解决现有去重技术准确性低、安全性低的问题。其实现方案是：(1)检测服务器端是否存在与客户端待去重的原始图像相似的图像，若是，则进行“所有权认证”；若否，则不进行去重；(2)服务器对原始图像进行“所有权认证”，若认证成功，则进行质量比较，若认证失败，则拒绝客户端进行去重；(3)服务器比较原始图像的质量是否大于相似图像的质量，若是，则将相似图像的链接返回给客户端；若否，则将原始图像上传并存储在服务器端。本发明提高了重复检测的准确性，保证了“所有权认证”的安全性，使得服务器端可以保留质量好的图像，可用于对相似图像进行去重。
-
公开(公告)号：CN105956612B
公开(公告)日：2019-03-26
申请号：CN201610261010.X
申请日：2016-04-25
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于主动学习和半监督学习的高光谱图像分类方法，克服了现有技术下标记样本数不足、选取的样本信息量低的问题。本发明具体实现的步骤为：(1)输入数据；(2)获取聚类图；(3)设置最大迭代次数为22；(4)分类；(5)区域划分；(6)区域样本标记；(7)更新样本集；(8)判断最大迭代次数是否为0，若是，则执行步骤(9)，否则，将最大迭代次数减1后执行步骤(4)；(9)利用更新后的训练样本集训练支撑向量机SVM对测试样本集进行分类，输出高光谱图像分类图。本发明利用了区域划分策略选取信息量高的样本，同时，也减少了标记样本的数量，促进了分类精度快速地提高。
-
公开(公告)号：CN105956612A
公开(公告)日：2016-09-21
申请号：CN201610261010.X
申请日：2016-04-25
申请人： 西安电子科技大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6269
摘要： 本发明公开了一种基于主动学习和半监督学习的高光谱图像分类方法，克服了现有技术下标记样本数不足、选取的样本信息量低的问题。本发明具体实现的步骤为：(1)输入数据；(2)获取聚类图；(3)设置最大迭代次数为22；(4)分类；(5)区域划分；(6)区域样本标记；(7)更新样本集；(8)判断最大迭代次数是否为0，若是，则执行步骤(9)，否则，将最大迭代次数减1后执行步骤(4)；(9)利用更新后的训练样本集训练支撑向量机SVM对测试样本集进行分类，输出高光谱图像分类图。本发明利用了区域划分策略选取信息量高的样本，同时，也减少了标记样本的数量，促进了分类精度快速地提高。
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)
