-
公开(公告)号：CN105139013A
公开(公告)日：2015-12-09
申请号：CN201510396171.5
申请日：2015-07-08
Applicant: 河南科技大学
IPC: G06K9/46
Abstract: 一种融合形状特征和兴趣点的物体识别方法，针对用单一的全局特征或者单一的局部特征识别物体的缺陷，采用改进的HU矩描述的形状表示全局特征，快速鲁棒特征描述的兴趣点表示局部特征。将二者融合起来共同描述物体的特征，采用相似性测度进行物体的分类识别。实验结果表明，该方法对物体的尺度变换、视角变换和多种不同的噪声变化具有较好的鲁棒性。并将该方法与同类方法进行比较，结果表明该方法具有更佳的识别性能。
-
公开(公告)号：CN106651935B
公开(公告)日：2019-06-14
申请号：CN201611069406.0
申请日：2016-11-29
Applicant: 河南科技大学
Abstract: 一种基于多尺度采样的纹理图像表示方法，对纹理图像进行旋转不变性处理，一个纹理图像的像素由符号模式和大小模式表示，通过连接同一尺度下的采样方向均值向量和频率向量，我们能够得到图像纹理单一尺度的旋转不变性表示特征，通过把不同尺度下的旋转不变性表示特征进行连接，得到用于表示纹理图像的多尺度旋转不变性表示特征，利用提取的MRIR特征，通过KNN分类器对纹理图像进行分类。本发明有益效果：本发明针对不同的成像条件，例如光照变化、图像旋转等，都能够获取很好的分类性能；同时，在保证分类性能的情况下，提取的特征还能够实现快速的纹理图像分类。
-
公开(公告)号：CN105139013B
公开(公告)日：2019-02-26
申请号：CN201510396171.5
申请日：2015-07-08
Applicant: 河南科技大学
IPC: G06K9/46
Abstract: 一种融合形状特征和兴趣点的物体识别方法，针对用单一的全局特征或者单一的局部特征识别物体的缺陷，采用改进的HU矩描述的形状表示全局特征，快速鲁棒特征描述的兴趣点表示局部特征。将二者融合起来共同描述物体的特征，采用相似性测度进行物体的分类识别。实验结果表明，该方法对物体的尺度变换、视角变换和多种不同的噪声变化具有较好的鲁棒性。并将该方法与同类方法进行比较，结果表明该方法具有更佳的识别性能。
-
公开(公告)号：CN106372647B
公开(公告)日：2019-10-25
申请号：CN201610892856.3
申请日：2016-10-13
Applicant: 河南科技大学
Abstract: 一种基于韦伯局部二值计数的图像纹理分类方法，首先对纹理图像进行多尺度分解，构造差分激励向量特征和局部二值计数直方图特征，然后构造L尺度的韦伯局部二值计数描述子特征，最后对提取的纹理图像的L尺度的韦伯局部二值计数特征采用K近邻分类器进行分类，获取分类结果。本发明有益效果：有效地提高了纹理图像的分类精度，有效地适应纹理图像成像条件的变化，有效地提高分类速度。
-
Patent Agency Ranking
公开(公告)号：CN106408029A
公开(公告)日：2017-02-15
申请号：CN201610857338.8
申请日：2016-09-28
Applicant: 河南科技大学
Abstract: 一种基于结构差分直方图的图像纹理分类方法，通过提取图像纹理三个部分的特征，即分割结构模式特征、细分的局部二值模式特征和邻域差分模式特征，并对三个部分特征进行标准化，形成用于描述纹理图像的结构差分直方图表示特征，实现对图像纹理进行分类的目的。本发明有益效果：有效地提高了纹理图像的分类精度，有效地适应较小尺寸的纹理图像，另外，本发明方法充分利用了纹理图像的方向多尺度信息，具有广泛的应用价值。
-
公开(公告)号：CN106651935A
公开(公告)日：2017-05-10
申请号：CN201611069406.0
申请日：2016-11-29
Applicant: 河南科技大学
CPC classification number: G06K9/4609 , G06K9/6267 , G06T2207/20024
Abstract: 一种基于多尺度采样的纹理图像表示方法，对纹理图像进行旋转不变性处理，一个纹理图像的像素由符号模式和大小模式表示，通过连接同一尺度下的采样方向均值向量和频率向量，我们能够得到图像纹理单一尺度的旋转不变性表示特征，通过把不同尺度下的旋转不变性表示特征进行连接，得到用于表示纹理图像的多尺度旋转不变性表示特征，利用提取的MRIR特征，通过KNN分类器对纹理图像进行分类。本发明有益效果：本发明针对不同的成像条件，例如光照变化、图像旋转等，都能够获取很好的分类性能；同时，在保证分类性能的情况下，提取的特征还能够实现快速的纹理图像分类。
-
公开(公告)号：CN106372647A
公开(公告)日：2017-02-01
申请号：CN201610892856.3
申请日：2016-10-13
Applicant: 河南科技大学
Abstract: 一种基于韦伯局部二值计数的图像纹理分类方法，首先对纹理图像进行多尺度分解，构造差分激励向量特征和局部二值计数直方图特征，然后构造L尺度的韦伯局部二值计数描述子特征，最后对提取的纹理图像的L尺度的韦伯局部二值计数特征采用K近邻分类器进行分类，获取分类结果。本发明有益效果：有效地提高了纹理图像的分类精度，有效地适应纹理图像成像条件的变化，有效地提高分类速度。
-
公开(公告)号：CN106408029B
公开(公告)日：2019-09-24
申请号：CN201610857338.8
申请日：2016-09-28
Applicant: 河南科技大学
Abstract: 一种基于结构差分直方图的图像纹理分类方法，通过提取图像纹理三个部分的特征，即分割结构模式特征、细分的局部二值模式特征和邻域差分模式特征，并对三个部分特征进行标准化，形成用于描述纹理图像的结构差分直方图表示特征，实现对图像纹理进行分类的目的。本发明有益效果：有效地提高了纹理图像的分类精度，有效地适应较小尺寸的纹理图像，另外，本发明方法充分利用了纹理图像的方向多尺度信息，具有广泛的应用价值。
-
公开(公告)号：CN106485278A
公开(公告)日：2017-03-08
申请号：CN201610893165.5
申请日：2016-10-13
Applicant: 河南科技大学
CPC classification number: G06K9/6278
Abstract: 一种基于剪切波和高斯混合模型的图像纹理分类方法，首先用剪切波对给定的具有相同类别标号的训练样本集进行方向多尺度分解，获取这些训练样本的子带系数，然后构造这些子带系数的能量特征，用计算得到的能量特征表示这些方向子带，选择核主成分分析（KPCA）方法对这些能量特征进行降低维数处理，接着建立这些能量特征的高斯混合模型 （GMM），并用期望最大化EM）算法估计高斯混合模型的参数，最后用贝叶斯分类器进行纹理图像分类；本发明有益效果：有效地提高了纹理图像的分类精度，有效地适应较小尺寸的纹理图像，另外，本发明方法充分利用了纹理图像的方向多尺度信息，具有广泛的应用价值。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.052 seconds)
