-
公开(公告)号：CN107564022B
公开(公告)日：2019-08-13
申请号：CN201710570472.4
申请日：2017-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种贝叶斯融合的视频显著性检测方法，主要解决现有视频显著性检测方法不能检测小目标的问题。其实现方案是：1提取视频序列静态边界概率显著图、颜色均值显著图和颜色对比显著图，加权融合生成静态显著图；2.提取视频序列动态边界概率显著图、PCA先验显著图和背景先验显著图，加权融合生成动态显著图；3.将静态显著图和动态显著图利用贝叶斯模型进行融合，进而得到视频序列的显著图。本发明相较于传统的视频显著性算法，增强了特征空间和时间的表征能力，降低了复杂背景对检测效果的影响，有效地检测出视频中的小目标，可用于视频目标跟踪、视频分割的前期预处理。
-
公开(公告)号：CN105913456B
公开(公告)日：2019-03-26
申请号：CN201610224972.8
申请日：2016-04-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种区域分割的视频显著性检测方法，主要解决现有视频显著性检测方法检测准确率低的问题，其步骤是：1.对视频帧进行线性迭代聚类，得到超像素块，提取超像素块静态特征；2.利用变分光流法，得到超像素块的动态特征；3.将静态特征和动态特征进行融合得到特征矩阵，再对特征矩阵进行K‑means聚类；4.对每一类分别进行线性回归模型训练，得到回归模型，5.用回归模型重建测试集样本与显著性程度的映射关系得到测试集超像素块的显著值，进而得到测试序列的显著图。本发明相较于传统的视频显著性算法，增强了特征空间和时间表征能力，降低了光照对检测效果的影响，可用于视频目标跟踪、视频分割的前期预处理。
-
公开(公告)号：CN108960074B
公开(公告)日：2020-09-04
申请号：CN201810577466.6
申请日：2018-06-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的小尺寸行人目标检测方法。主要解决现有技术对小尺寸行人目标检测效果差的问题。其实现方案是：读取行人检测数据库数据，使用VGG网络提取特征；将VGG网络不同层特征进行叠加融合，得到两种特征融合层；根据VGG网络中特征层Conv5_3和第一种特征融合层，获得候选区域的回归边界和分类概率；根据候选区域的回归边界和第二种特征融合层，得到检测结果的回归边界和分类概率；根据检测结果的回归边界和分类概率，使用损失函数对VGG网络进行训练，得到最终的精确检测结果。本发明能实现对小尺寸目标精确检测，可用于无人驾驶或辅助驾驶。
-
公开(公告)号：CN108960074A
公开(公告)日：2018-12-07
申请号：CN201810577466.6
申请日：2018-06-07
Applicant: 西安电子科技大学
CPC classification number: G06K9/00335 , G06N3/0454 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的小尺寸行人目标检测方法。主要解决现有技术对小尺寸行人目标检测效果差的问题。其实现方案是：读取行人检测数据库数据，使用VGG网络提取特征；将VGG网络不同层特征进行叠加融合，得到两种特征融合层；根据VGG网络中特征层Conv5_3和第一种特征融合层，获得候选区域的回归边界和分类概率；根据候选区域的回归边界和第二种特征融合层，得到检测结果的回归边界和分类概率；根据检测结果的回归边界和分类概率，使用损失函数对VGG网络进行训练，得到最终的精确检测结果。本发明能实现对小尺寸目标精确检测，可用于无人驾驶或辅助驾驶。
-
公开(公告)号：CN104992187B
公开(公告)日：2018-08-31
申请号：CN201510412525.0
申请日：2015-07-14
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于张量动态纹理模型的极光视频分类方法，主要解决现有技术无法直接对极光视频进行分类，只能进行单帧操作，分类准确率和分类效率较低的问题。其实现步骤是：(1)获取训练极光视频和测试极光视频；(2)提取训练极光视频和测试极光视频的混合观测矩阵；(3)对训练极光视频和测试极光视频的混合观测矩阵进行优化；(4)用训练极光视频的最优混合观测矩阵训练支持向量机，得到SVM分类器；(5)用SVM分类器对测试极光视频进行分类。本发明能实现对现有四类极光视频的计算机自动分类，且具有分类准确率高的优点，可用于极光视频的特征提取和计算机图像识别。
-
Patent Agency Ranking
公开(公告)号：CN104992187A
公开(公告)日：2015-10-21
申请号：CN201510412525.0
申请日：2015-07-14
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于张量动态纹理模型的极光视频分类方法，主要解决现有技术无法直接对极光视频进行分类，只能进行单帧操作，分类准确率和分类效率较低的问题。其实现步骤是：(1)获取训练极光视频和测试极光视频；(2)提取训练极光视频和测试极光视频的混合观测矩阵；(3)对训练极光视频和测试极光视频的混合观测矩阵进行优化；(4)用训练极光视频的最优混合观测矩阵训练支持向量机，得到SVM分类器；(5)用SVM分类器对测试极光视频进行分类。本发明能实现对现有四类极光视频的计算机自动分类，且具有分类准确率高的优点，可用于极光视频的特征提取和计算机图像识别。
-
公开(公告)号：CN105931180A
公开(公告)日：2016-09-07
申请号：CN201610224497.4
申请日：2016-04-12
Applicant: 西安电子科技大学
CPC classification number: G06T3/4038 , G06T2207/10024
Abstract: 本发明公开了一种利用显著信息引导的图像不规则马赛克拼接方法，主要解决现有技术目标边界锯齿现象严重、细节信息缺失的问题。其实现步骤为：1.输入目标图像，提取图像的显著性区域；2.根据显著性等级将目标图像分割成不同密度的网格图像；3.提取拼接图像集图像和目标图像网格区域的颜色均值特征；4.为网格区域选取颜色特征最相似的拼接图像；5.提取网格区域宽度与高度信息，并据此缩放对应拼接图像，将拼接图像与网格区域对齐并裁剪，再将其填充到相应网格中，完成整幅图像的马赛克填充。本发明不仅保持了马赛克拼接图像的观赏性，同时加强了目标图像的细节信息，可用于图像传输、图像安全、图像信息隐藏及广告设计。
-
公开(公告)号：CN105468738A
公开(公告)日：2016-04-06
申请号：CN201510822183.X
申请日：2015-11-24
Applicant: 西安电子科技大学
CPC classification number: G06F17/30277 , G06F3/013 , G06F3/015 , G06F17/30268 , G06F2203/011
Abstract: 本发明公开了一种基于眼动和脑电相结合的图像检索方法，主要解决现有技术检索量大、检索效率低的问题。其实现步骤为：1.通过被试者观察待检索图像，用眼动仪和脑电仪获取被试者的眼动数据和脑电数据；2.将眼动数据和脑电数据相结合，提取出待检索图像的热区图；3.从生成的热区图中提取出待检索的目标图像；4.在图像库中，用全搜索或者基于尺度不变特征转换SIFT算法的图像检索方式对待检测的目标图像进行图像检索。本发明通过眼动和脑电相结合的方法在图像库对目标图像进行图像检索，降低了检索量，提高了检索效率，可用于物体辨识、目标识别和影像追踪。
-
公开(公告)号：CN103049767B
公开(公告)日：2015-07-15
申请号：CN201310028098.7
申请日：2013-01-25
Applicant: 西安电子科技大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于生物激发特征和流形学习的极光图像分类方法。其实现步骤为：（1）对输入的极光图像进行边缘去噪的预处理；（2）使用多尺度，多方向的Gabor滤波器组对预处理后的极光图像进行Gabor滤波，得到C1层特征图，取每幅特征图的像素灰度值之和作为极光图像的C1特征；（3）提取极光图像的Gist特征；（4）将C1特征和Gist特征融合，得到极光图像的BIFs特征；（5）对BIFs特征进行模糊c均值聚类后，利用流形学习算法DLA进行降维，得到BIFs在低维空间的表示；（6）利用支持向量基分类器SVM和最近邻分类器NN分别实现对极光图像的分类。本发明能很好的模拟人脑视皮层的识别过程，减少了数据冗余，提高了分类正确率，可用于场景分类与目标识别。
-
公开(公告)号：CN103971120A
公开(公告)日：2014-08-06
申请号：CN201410160536.X
申请日：2014-04-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空时极向局部二值模式的极光图像序列分类方法，主要解决现有技术分类效率不高的问题。其实现步骤为：(1)对极光图像序列进行逆时针旋转62.63°的预处理；(2)对预处理后的极光图像序列进行若干次块数不同的分块；(3)使用极向局部二值模式PVLBP算法，提取每块的极向局部二值模式特征PVLBP，并将各个块的PVLBP特征顺次连接得到空时极向局部二值模式特征ST-PVLBP；(4)将极光序列的空时极向局部二值模式特征ST-PVLBP输入给支持向量机SVM分类器进行分类，得到分类结果。本发明在保持高分类精度的同时，缩短了分类时间，提高了分类效率，可用于场景分类与事件检测。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.045 seconds)
