-
公开(公告)号：CN106202256B
公开(公告)日：2019-12-17
申请号：CN201610498952.X
申请日：2016-06-29
申请人： 西安电子科技大学
IPC分类号： G06F16/955 , G06F16/35 , G06K9/62
摘要： 本发明属于图像处理技术领域，具体提供了一种基于语义传播及混合多示例学习的Web图像检索方法，将图像的视觉特征与文本信息结合起来进行Web图像检索，首先将图像表示为BoW模型，然后对图像分别根据视觉相似度和文本相似度进行聚类，并通过文本类中的通用视觉词汇将图像所具有的语义特征传播到图像的视觉特征向量中；在相关反馈阶段，引入混合多示例学习算法，解决实际检索过程中的小样本问题。该检索方法与传统CBIR框架相比，以跨模态方式利用互联网图像的文本信息将图像的语义特征传播给视觉特征，并且在基于多示例学习的相关反馈中引入半监督学习应对小样本问题，能够有效缩减语义鸿沟，并提升Web图像检索性能。
-
公开(公告)号：CN106202256A
公开(公告)日：2016-12-07
申请号：CN201610498952.X
申请日：2016-06-29
申请人： 西安电子科技大学
摘要： 本发明属于图像处理技术领域，具体提供了一种基于语义传播及混合多示例学习的Web图像检索方法，将图像的视觉特征与文本信息结合起来进行Web图像检索，首先将图像表示为BoW模型，然后对图像分别根据视觉相似度和文本相似度进行聚类，并通过文本类中的通用视觉词汇将图像所具有的语义特征传播到图像的视觉特征向量中；在相关反馈阶段，引入混合多示例学习算法，解决实际检索过程中的小样本问题。该检索方法与传统CBIR框架相比，以跨模态方式利用互联网图像的文本信息将图像的语义特征传播给视觉特征，并且在基于多示例学习的相关反馈中引入半监督学习应对小样本问题，能够有效缩减语义鸿沟，并提升Web图像检索性能。
-
公开(公告)号：CN104574335A
公开(公告)日：2015-04-29
申请号：CN201510018267.8
申请日：2015-01-14
申请人： 西安电子科技大学
IPC分类号： G06T5/50
摘要： 本发明属于图像处理技术领域，具体涉及一种基于显著图和兴趣点凸包的红外与可见光图像融合方法，包括如下步骤：首先，对红外图像进行显著性检测，得到二值化显著图；然后，对红外图像进行兴趣点检测；其次，进行去游离兴趣点处理得到显著兴趣点；再次，对显著兴趣点求取凸包；再通过对二值化显著图和凸包图像做“与”运算，得到目标区域，图像剩余部分作为背景区域；最后，分别对目标区域和背景区域采取不同的融合规则，实现红外与可见光图像的融合；该方法，能够剔除那些位于背景上的少数兴趣点，使得对显著兴趣点求取的凸包更加接近真实的目标，并通过与显著图结合，能够更准确地提取出目标区域，该方法简单、快速，能够有效提升融合性能。
-
公开(公告)号：CN106202250A
公开(公告)日：2016-12-07
申请号：CN201610497888.3
申请日：2016-06-29
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于类的综合特征和完整类匹配的图像检索方法，是针对基于区域的图像检索中个别区域匹配方法易造成信息的丢失，完整区域匹配方法计算量大、相似区域重复匹配的问题，提出的基于类的图像检索方法，把图像中所有区域聚集为能完整代表图像且具有唯一性的若干个类，在类的层次提取特征并进行匹配；通过加速统计区域合并和近邻传播方法得到图像中的类；利用类的综合特征方法对类进行特征提取；完整类匹配方法被用来根据每个类在图像中的重要性为其分配权值并进行匹配。对Corel-1000和Caltech-256图像库进行实验，结果表明本发明方法比传统的基于区域的检索方法具有更好的检索效果。
-
公开(公告)号：CN106204509B
公开(公告)日：2019-12-17
申请号：CN201610532153.X
申请日：2016-07-07
申请人： 西安电子科技大学
IPC分类号： G06T5/50
摘要： 本发明属于图像处理技术领域，涉及一种基于区域特性的红外与可见光图像融合方法，包括对红外图像A进行处理得到红外增强图像A1；对场景进行区域划分得区域划分图C，并通过图C对红外增强图像A1、可见光图像B和红外图像A进行区域映射；对可见光图像B、红外图像A、红外增强图像A1分别进行NSCT变换，得到原图像各个子区域的高低频系数；对得到的不同子区域采用不同的融合方法进行融合；对分区域融合后的图像进行NSCT反变换得最终融合图像五个步骤；该基于图像区域特性的红外与可见光图像融合方法，能够避免干扰区域，完整地提取目标区域，既有效地保留了红外目标，又有效地获取了原图像的空间域信息，得到了较好的融合效果。
-
公开(公告)号：CN104574335B
公开(公告)日：2018-01-23
申请号：CN201510018267.8
申请日：2015-01-14
申请人： 西安电子科技大学
IPC分类号： G06T5/50
摘要： 本发明属于图像处理技术领域，具体涉及一种基于显著图和兴趣点凸包的红外与可见光图像融合方法，包括如下步骤：首先，对红外图像进行显著性检测，得到二值化显著图；然后，对红外图像进行兴趣点检测；其次，进行去游离兴趣点处理得到显著兴趣点；再次，对显著兴趣点求取凸包；再通过对二值化显著图和凸包图像做“与”运算，得到目标区域，图像剩余部分作为背景区域；最后，分别对目标区域和背景区域采取不同的融合规则，实现红外与可见光图像的融合；该方法，能够剔除那些位于背景上的少数兴趣点，使得对显著兴趣点求取的凸包更加接近真实的目标，并通过与显著图结合，能够更准确地提取出目标区域，该方法简单、快速，能够有效提升融合性能。
-
公开(公告)号：CN106204509A
公开(公告)日：2016-12-07
申请号：CN201610532153.X
申请日：2016-07-07
申请人： 西安电子科技大学
IPC分类号： G06T5/50
摘要： 本发明属于图像处理技术领域，涉及一种基于区域特性的红外与可见光图像融合方法，包括对红外图像A进行处理得到红外增强图像A1；对场景进行区域划分得区域划分图C，并通过图C对红外增强图像A1、可见光图像B和红外图像A进行区域映射；对可见光图像B、红外图像A、红外增强图像A1分别进行NSCT变换，得到原图像各个子区域的高低频系数；对得到的不同子区域采用不同的融合方法进行融合；对分区域融合后的图像进行NSCT反变换得最终融合图像五个步骤；该基于图像区域特性的红外与可见光图像融合方法，能够避免干扰区域，完整地提取目标区域，既有效地保留了红外目标，又有效地获取了原图像的空间域信息，得到了较好的融合效果。
-
公开(公告)号：CN106202250B
公开(公告)日：2019-12-17
申请号：CN201610497888.3
申请日：2016-06-29
申请人： 西安电子科技大学
IPC分类号： G06F16/583 , G06K9/62
摘要： 本发明公开了一种基于类的综合特征和完整类匹配的图像检索方法，是针对基于区域的图像检索中个别区域匹配方法易造成信息的丢失，完整区域匹配方法计算量大、相似区域重复匹配的问题，提出的基于类的图像检索方法，把图像中所有区域聚集为能完整代表图像且具有唯一性的若干个类，在类的层次提取特征并进行匹配；通过加速统计区域合并和近邻传播方法得到图像中的类；利用类的综合特征方法对类进行特征提取；完整类匹配方法被用来根据每个类在图像中的重要性为其分配权值并进行匹配。对Corel‑1000和Caltech‑256图像库进行实验，结果表明本发明方法比传统的基于区域的检索方法具有更好的检索效果。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.028 秒)
