-
公开(公告)号：CN106548180A
公开(公告)日：2017-03-29
申请号：CN201610922185.0
申请日：2016-10-21
Applicant: 华中科技大学
CPC classification number: G06K9/4671 , G06K9/00268 , G06K9/48 , G06K9/481 , G06K9/6256 , G06K2009/485
Abstract: 本发明公开了一种获取模糊不变图像的特征描述子的方法，先将图像划分为多个局部图块，对局部图块细分进行密集采样得到LPQ+；将每个局部图块对应的多个LPQ+合并获得局部图块的特征描述，然后对所有的局部图块的特征描述子进行FV(Fisher Vector)编码并进行相应正则化处理来获得更高维度的模糊图像特征描述。本发明提供的这种获取模糊不变图像的特征描述子的方法，针对模糊图像识别基于LPQ提出的一种更高效、更准确的模糊图像识别特征描述子LPQ+，具有判别性高和特征维度较低的优势；FV编码提高了传统描述子的综合性能；而FV编码与LPQ+的结合，相较于FV编码与传统描述子的结合，在识别精度和识别效率上均具有更好效果。
-
公开(公告)号：CN107463954B
公开(公告)日：2019-10-25
申请号：CN201710600227.3
申请日：2017-07-21
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种模糊异谱图像的模板匹配识别方法，主要针对三维投影模板图像和红外实时图像的异谱匹配问题。方法先搜集红外图像和大量可见光图像，利用基于可见光图像训练的卷积神经网络作为特征提取器，结合难例挖掘机制迭代训练面向单个正样本的样例支撑向量机，从而利用样例支撑向量机遍历红外实时图像进行模板匹配识别。本发明提供的这种模糊异谱图像的模板匹配识别方法，有效地融合了迁移学习和特征选择机制，基于数据驱动有针对性地迁移了可见光图像域的知识，并且通过特征模式判别分析削弱了判别能力不强的特征在模板匹配识别中所起的作用，为模板匹配识别引入了参数化的解决方案。
-
公开(公告)号：CN107463954A
公开(公告)日：2017-12-12
申请号：CN201710600227.3
申请日：2017-07-21
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种模糊异谱图像的模板匹配识别方法，主要针对三维投影模板图像和红外实时图像的异谱匹配问题。方法先搜集红外图像和大量可见光图像，利用基于可见光图像训练的卷积神经网络作为特征提取器，结合难例挖掘机制迭代训练面向单个正样本的样例支撑向量机，从而利用样例支撑向量机遍历红外实时图像进行模板匹配识别。本发明提供的这种模糊异谱图像的模板匹配识别方法，有效地融合了迁移学习和特征选择机制，基于数据驱动有针对性地迁移了可见光图像域的知识，并且通过特征模式判别分析削弱了判别能力不强的特征在模板匹配识别中所起的作用，为模板匹配识别引入了参数化的解决方案。
-
公开(公告)号：CN106548180B
公开(公告)日：2019-04-12
申请号：CN201610922185.0
申请日：2016-10-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种获取模糊不变图像的特征描述子的方法，先将图像划分为多个局部图块，对局部图块细分进行密集采样得到LPQ+；将每个局部图块对应的多个LPQ+合并获得局部图块的特征描述，然后对所有的局部图块的特征描述子进行FV(Fisher Vector)编码并进行相应正则化处理来获得更高维度的模糊图像特征描述。本发明提供的这种获取模糊不变图像的特征描述子的方法，针对模糊图像识别基于LPQ提出的一种更高效、更准确的模糊图像识别特征描述子LPQ+，具有判别性高和特征维度较低的优势；FV编码提高了传统描述子的综合性能；而FV编码与LPQ+的结合，相较于FV编码与传统描述子的结合，在识别精度和识别效率上均具有更好效果。
-
-
-
Search Results
4
records
(took 0.031 seconds)
