-
公开(公告)号：CN109740697A
公开(公告)日：2019-05-10
申请号：CN201910164071.8
申请日：2019-03-05
Applicant: 重庆大学
Abstract: 本发明提出一种基于深度学习的尿沉渣显微图像有形成分识别方法，包括改进AlexNet模型为De-AlexNet模型，迁移模型参数，利用可视化卷积神经网络模型制定一种合理的微调学习率和级联特征的策略，集成De-AlexNet模型、GoogLeNet模型和ResNet模型对尿沉渣显微图像进行特征提取，并设计全连接神经网络模型作为分类器对集成特征进行分类四个部分。与现有的尿沉渣显微图像有形成分识别方法相比，本发明识别准确率更高，操作更简洁，效率更优。
-
公开(公告)号：CN108711141A
公开(公告)日：2018-10-26
申请号：CN201810475368.1
申请日：2018-05-17
Applicant: 重庆大学
CPC classification number: G06T5/003 , G06N3/0454
Abstract: 本发明提出利用改进的生成式对抗网络的运动模糊图像盲复原方法，通过生成网络和判别网络对抗训练获得清晰图像，它的特点是不需要估计模糊核，可实现端对端图像盲复原。生成网络是与残差网络结合的全卷积神经网络，可加深网络层，同时降低训练时间。判别网络是由卷积层，池化层和全连接层组成的二分类网络，用于判定生成网络复原出的图像或原始清晰图像。损失函数采用平滑及非饱和梯度的最小均方差，可优化网络训练，避免梯度消失。同时在生成网络的损失函数中增加图像保真项，用于约束复原图像的分布更接近于清晰图像。
-
公开(公告)号：CN104657714B
公开(公告)日：2017-12-26
申请号：CN201510068009.0
申请日：2015-02-09
Applicant: 重庆大学
IPC: G06K9/00
Abstract: 本发明是一种光照对称性与全局光照强度融合的无参考光照评价方法。首先，将人脸划分为对称的左右两半，用亮度指标LQI计算得到光照对称性质量矩阵，提出采用相关性加权的方法求得光照对称值。然后，提出根据人眼对灰度的敏感性来确定对人眼产生激励的像素灰度范围，由此统计该范围内的像素占整幅图像总像素的比例，定义其为人脸图像的全局光照强度，将其作为权值。最后，提出以乘积的方式融合光照对称性与全局光照强度求得人脸图像的无参考光照质量值。实验结果表明：本发明是一种能够有效、快速地无参考人脸光照评价方法，该方法复杂度较低，计算时间快，适用于人脸识别系统有效人脸的筛选。
-
公开(公告)号：CN104134196B
公开(公告)日：2017-02-15
申请号：CN201410389135.1
申请日：2014-08-08
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明是一种基于非凸高阶全变差模型的Split Bregman权值迭代图像盲复原方法，属于图像处理技术领域。其核心是通过引入满足超拉普拉斯模型的图像边缘稀疏先验信息，结合能够产生分段线性解的高阶滤波器组，形成非凸高阶全变差正则化盲复原代价函数。然后提出权值迭代策略，将该代价函数最小化问题转化为权值更新后近似的凸性代价函数最小化问题。然后利用算子分裂技术将最小化问题转化为新的约束求解问题，通过加入惩罚项的方法将约束求解问题转化为分裂的代价函数，进而使用Split Bregman迭代求解框架对分裂的代价函数进行求解。实验表明本发明方法能够有效、快速地复原图像，克服传统全变差正则化盲复原方法产生阶梯效应的缺点，同时针对人工退化图像和真实退化图像都有很好的复原效果。
-
公开(公告)号：CN103279933B
公开(公告)日：2016-10-26
申请号：CN201310225721.8
申请日：2013-06-07
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 一种基于双层模型的单幅图像超分辨率重建方法，其包括（1）利用L0梯度最小化方法和HoG算子生成K个训练簇，然后训练它的对应字典对；（2）依据HoG算子，自适应的选取用于测试的低分辨率图像块对应的几何字典对，并求解出低分辨率图像对应的高分辨率纹理细节图像；（3）利用L0梯度最小化方法求解出用于测试的低分辨率图像对应的高分辨率边缘结构图像；（4）把求解出的高分辨率纹理细节图像加到高分辨率边缘结构图像上得到初始高分辨率图像；（5）对初始高分辨率图像进行全局和局部约束得到最终高分辨率图像。本发明可以使得重建后的图像轮廓更清晰，细节信息更丰富，提高重建后的图像质量。
-
Patent Agency Ranking
公开(公告)号：CN103235825B
公开(公告)日：2016-05-25
申请号：CN201310166729.1
申请日：2013-05-08
Applicant: 重庆大学
Abstract: 一种基于Hadoop的海量人脸识别搜索引擎设计方法，属于云计算和模式识别领域。以Hadoop云计算框架为基础，由内层、中间层和外层三层构成。内层用于存放海量的人脸图像及身份信息与提供分布式计算资源，中间层用于搜索引擎的索引表的建立与维护，外层用于接收任务与分配任务。为了在保证精度的同时提高人脸图像在数据库中的搜索速度，本方法采用在中间层使用K均值聚类算法建立人脸特征向量聚类索引表与聚类名单表相结合的方法。本方法可以使用廉价的普通服务器组构建海量人脸识别搜索引擎，并且采用经过大量实践证明的Hadoop云计算框架为基础实现，具有良好的稳定性，方法简单，易于实施。
-
公开(公告)号：CN103279936B
公开(公告)日：2016-04-27
申请号：CN201310250354.7
申请日：2013-06-21
Applicant: 重庆大学
Abstract: 本发明公开了一种基于画像的人脸伪照片自动合成及修正方法，其实现过程为：首先，应用局部本征变换方法自动生成伪照片的初始估计；然后，从输入的人脸画像中提取出头发和脸部轮廓信息对初始估计进行自动增强；最后，由用户判断自动合成的人脸伪照片是否存在局部合成错误，如果存在明显的合成错误，则采用基于控制点的变形方法对重新输入的伪照片对应的人脸画像进行局部变形，然后再重新进行自动合成，从而修正局部合成错误。在修正过程中，利用主动形状模型获取人脸画像的特征点，利用移动最小二乘法进行基于控制点的刚性变形。本发明能快速、有效地根据输入的人脸画像自动合成人脸伪照片，可以为刑侦、反恐等领域中对人脸素描画像的人工及自动识别提供辅助。
-
公开(公告)号：CN104809456A
公开(公告)日：2015-07-29
申请号：CN201510262199.X
申请日：2015-05-21
Applicant: 重庆大学 , 重庆市科学技术研究院
CPC classification number: G06K9/00201 , G06K9/4609 , G06K2209/21
Abstract: 本发明提出了一种基于二值描述符的三维目标识别方法，包括三维目标特征描述步骤，所述三维目标特征描述步骤包括以下过程:S1，将三维目标中的网格深度图像Q进行网格分辩率R的计算；S2，根据计算所得的网格分辨率R对网格深度图像Q进行均匀采样，得到特征点P'的坐标；S3，根据计算所得的特征点P'的坐标构建局部参考系，并对该局部参考系的x轴、y轴和z轴的方向进行消歧处理；S4，根据消歧后的局部参考系构建特征向量，得到特征点P'的二值化三维特征fp。本发明计算方法简单，特征提取和特征匹配效率高，可快速准确的实现对三维目标的二值化描述。
-
公开(公告)号：CN103235825A
公开(公告)日：2013-08-07
申请号：CN201310166729.1
申请日：2013-05-08
Applicant: 重庆大学
Abstract: 一种基于Hadoop云计算框架的海量人脸识别搜索引擎设计方法，属于云计算和模式识别领域。以Hadoop云计算框架为基础，由内层、中间层和外层三层构成。内层用于存放海量的人脸图像及身份信息与提供分布式计算资源，中间层用于搜索引擎的索引表的建立与维护，外层用于接收任务与分配任务。为了在保证精度的同时提高人脸图像在数据库中的搜索速度，本方法采用在中间层使用K均值聚类算法建立人脸特征向量聚类索引表与聚类名单表相结合的方法。本方法可以使用廉价的普通服务器组构建海量人脸识别搜索引擎，并且采用经过大量实践证明的Hadoop云计算框架为基础实现，具有良好的稳定性，方法简单，易于实施。
-
公开(公告)号：CN101964055A
公开(公告)日：2011-02-02
申请号：CN201010515043.5
申请日：2010-10-21
Applicant: 重庆大学
Abstract: 本发明公开了一种模仿视觉感知机制的自然场景类型辨识方法，属于计算机视觉技术领域。该方法旨在利用自然场景图像中的固有统计性视觉特征来进行自然场景图像类型辨识，其技术方案包括以下步骤：1、对给定的自然场景图像样本集进行预处理；2、用模仿视觉感知机制的方法提取自然场景图像样本集的特征；3、用自然场景图像样本集的特征训练出一个自然场景类型辨识器模型；4、对一幅待辨识的自然场景图像，进行预处理和用模仿视觉感知机制的方法提取其特征；5、利用自然场景类型辨识器模型对待辨识的自然场景图像进行场景类型辨识。本发明能够实现对多种自然场景类型的辨识，有效提高对自然场景图像进行场景类型辨识的正确率。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.027 seconds)
