-
公开(公告)号：CN109448015B
公开(公告)日：2021-03-30
申请号：CN201811272256.2
申请日：2018-10-30
Applicant: 河北工业大学
Abstract: 本发明基于显著图融合的图像协同分割方法，涉及图像处理技术领域，步骤是：输入图像组，预分割图像；计算图像Ij的对象图obj；计算图像Ij的基于DRFI的显著图Sd，计算图像Ij的基于背景先验优化的显著图Sr，计算图像Ij的基于近邻优化的显著图Ssca，计算图像Ij的基于DRFI和对象性的显著图Sdo，计算图像Ij的基于背景先验优化和对象性的显著图Sro；计算融合的显著图S；协同项优化融合的显著图S；结合数据项和平滑项协同分割，本发明克服了现有技术在分割结果中前景目标缺失，以及前景目标在边界处无法准确分割的问题。
-
公开(公告)号：CN109472259B
公开(公告)日：2021-03-26
申请号：CN201811272236.5
申请日：2018-10-30
Applicant: 河北工业大学
Abstract: 本发明基于能量优化的图像协同显著性检测方法，涉及图像数据处理领域，将三个重要的显著性线索进行融合，对融合后能量方程进行优化，步骤是：输入图像组{I1,I2,...,In}，进行预处理；确定初始候选简单显著性图计算初始协同显著性图设置简单图像Isim；分别提取简单图像的前景区域和背景区域的颜色特征；完成图像协同显著性检测。本发明克服了现有技术中人工标记复杂、背景噪声过多以及目标缺失的缺陷。
-
公开(公告)号：CN108090873B
公开(公告)日：2021-03-05
申请号：CN201711381261.2
申请日：2017-12-20
Applicant: 河北工业大学
IPC: G06T3/40
Abstract: 本发明基于回归模型的金字塔人脸图像超分辨率重建方法，涉及图像的增强或复原，利用图像具有非局部相似性的特征，对测试集中低分辨率人脸图像在其对应特征图像中搜索重建图像块的相似块，得到所有相似块的位置集合，将训练集中所有低分辨率图像在该位置集合中的人脸图像块作为测试集中的低分辨率人脸图像块对应的低分辨率训练集，利用测试集中的低分辨率人脸图像块对应的特征图像块与训练集中的低分辨率人脸图像块对应的特征图像块之间的距离以及测试集中的低分辨率图像经过插值放大后的人脸图像块对应的特征图像块与训练集中高分辨率人脸图像块对应的特征图像块之间距离之和构建约束条件；克服了现有技术在人脸图像重建过程中存在的诸多缺陷。
-
公开(公告)号：CN111062931A
公开(公告)日：2020-04-24
申请号：CN201911325073.7
申请日：2019-12-20
Applicant: 河北工业大学
Abstract: 本发明一种被拼接篡改的图像的检测方法，涉及图像分析，是基于光源图和金字塔特征图的被拼接篡改的图像的检测方法，利用两个结构相同的卷积神经网络分别提取被拼接篡改图像及其对应光源图的多阶段特征，结合多尺度信息，将两组多阶段特征进行融合和上采样，得到金字塔特征图，将金字塔特征图不同层分别经过区域生成网络，得到篡改候选区域,经过ROI Align生成固定尺寸特征图，对固定尺寸特征图进行分类、边界框回归和掩码预测，最后得到篡改区域的边界框和像素级定位，完成对被拼接篡改的图像的检测，克服了现有技术提取的图像篡改特征单一不全面，容易忽略区域较小的篡改目标，不能实现端到端的像素级定位的缺陷。
-
公开(公告)号：CN110991348A
公开(公告)日：2020-04-10
申请号：CN201911234416.9
申请日：2019-12-05
Applicant: 河北工业大学
Abstract: 本发明基于光流梯度幅值特征的人脸微表情检测方法，涉及用于识别图形记录载体的处理，该方法首先根据人脸关键点拟合人脸边缘提取人脸感兴趣区域，用FlowNet2网络提取视频序列中人脸图像帧间的光流场，然后提取人脸感兴趣区域的光流梯度幅值特征，再计算及处理特征距离并进行噪声消除，完成基于光流梯度幅值特征的人脸微表情检测，克服了在人脸微表情检测的现有技术中，存在提取的人脸图像运动特征中无法捕捉微小的人脸微表情运动，特征中包含过多干扰信息，易受头部偏移，眨眼运动和累积噪声影响及特征距离分析中单帧噪声影响的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN106127196B
公开(公告)日：2020-01-14
申请号：CN201610829694.9
申请日：2016-09-14
Applicant: 河北工业大学
IPC: G06K9/00
Abstract: 本发明基于动态纹理特征的人脸表情的分类与识别方法，涉及图像特征或特性的抽取，是一种利用加权多尺度ASCBP‑TOP算子提取人脸表情图像序列的动态纹理特征的人脸表情分类与识别方法，步骤是：人脸表情图像预处理；根据不同尺度对人脸表情图像序列进行分块，构建多尺度空间；利用加权多尺度ASCBP‑TOP算法提取人脸表情图像序列的动态纹理特征；采用支持向量机(SVM)分类器进行人脸表情的分类与识别。本发明方法克服了现有技术方法中忽略中心像素的作用、忽略人脸表情图像纹理的粗细程度以及局部细节的运动变化信息、稳定性较差、且噪声敏感的缺陷。
-
公开(公告)号：CN109472259A
公开(公告)日：2019-03-15
申请号：CN201811272236.5
申请日：2018-10-30
Applicant: 河北工业大学
Abstract: 本发明基于能量优化的图像协同显著性检测方法，涉及图像数据处理领域，将三个重要的显著性线索进行融合，对融合后能量方程进行优化，步骤是：输入图像组{I1,I2,...,In}，进行预处理；确定初始候选简单显著性图 计算初始协同显著性图 设置简单图像Isim；分别提取简单图像的前景区域和背景区域的颜色特征；完成图像协同显著性检测。本发明克服了现有技术中人工标记复杂、背景噪声过多以及目标缺失的缺陷。
-
公开(公告)号：CN105139039B
公开(公告)日：2018-05-29
申请号：CN201510631089.6
申请日：2015-09-29
Applicant: 河北工业大学
Abstract: 本发明视频序列中人脸微表情的识别方法，涉及用于识别图形的记录载体的处理，是一种利用HLACLF‑TOP算法提取人脸微表情序列的动态时空纹理特征方法，步骤是：人脸微表情视频欧拉放大；人脸微表情图像预处理；利用HLACLF‑TOP算法提取人脸微表情序列的动态时空纹理特征；利用ELM分类器进行训练和预测。本发明方法克服了现有技术中由于人脸微表情变化幅度小造成微表情难以识别的缺陷。
-
公开(公告)号：CN105373794B
公开(公告)日：2018-02-06
申请号：CN201510937041.8
申请日：2015-12-14
Applicant: 河北工业大学
Abstract: 本发明一种车牌识别方法，涉及用于识别图形的方法，步骤是：图像预处理；根据颜色和纹理特征分割车辆区域；提取车辆区域图的显著因子图；利用基于扩展的Haar‑like特征的Adaboost分类器提取候选车牌；从候选车牌中确定真车牌位置；将标记的车牌从对应的车辆区域原图中分割出来；利用结构特征进行字符分割；基于改进的模板匹配方法的字符识别。本发明方法克服了现有的车牌识别方法应用场景比较单一，有的只适用于简单的单一场景的单一车牌识别，难以适用于多场景的多车牌识别，识别率容易受到强光、雾霾和弱光照环境的影响的缺陷。
-
公开(公告)号：CN106778595A
公开(公告)日：2017-05-31
申请号：CN201611136453.2
申请日：2016-12-12
Applicant: 河北工业大学
Abstract: 本发明基于高斯混合模型的人群中异常行为的检测方法，涉及应用电子设备进行识别图形的方法，首先在预处理阶段使用高斯混合模型对输入视频进行背景建模来提取ROI，并利用形态学方法消除背景的影响，然后将人群看作整体来提取ROI光流运动特征和SIFT运动特征，再对输入视频序列中的图像进行分块，按图像子块分配运动特征，对不同子块建立高斯混合模型，利用最大期望EM算法训练高斯混合模型，检测人群中异常行为的图像，克服了现有技术中在高密度场景下人群存在遮挡和光照变化给行人运动分析带来的干扰，同时监控视频下不同区域运动状态的不同也给人群异常行为检测模型的建立带来了干扰，容易造成误检的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.031 seconds)
