一种基于显著性检测的RGB-D图像非规则缩放方法

    公开(公告)号:CN112184558A

    公开(公告)日:2021-01-05

    申请号:CN202011241661.5

    申请日:2020-11-09

    Inventor: 陈曦涛 訾玲玲

    Abstract: 本发明公开了一种基于显著性检测的RGB‑D图像非规则缩放方法,包括:使用显著性方法生成显著性图;加权融合显著性图、待缩放图像、深度图像的梯度图生成用于接缝裁剪的重要度图;使用Seam‑Carving算法将待缩放图像缩放成图像;以图像中心为原点建立直角坐标系水平方向为x轴,垂直方向为y轴,构建椭圆标准方程;将图像按照一、二、三、四象限分成4份;依次完成第二,三,四象限的缩放。本发明引入了深度图像信息,取得了更好的图像缩放效果,既保证了图像显著兴趣与内容又保留了背景信息的重要内容,完成图像的非规则形状缩放,在图像的非规则缩放上取得可观的效果,可以进行任意椭圆形状的非规则缩放,缩放效果更加真实美观,具备一定的理论和应用价值。

    三维模型创建方法及装置

    公开(公告)号:CN108492362B

    公开(公告)日:2021-10-19

    申请号:CN201810252787.9

    申请日:2018-03-26

    Abstract: 本发明实施例提供一种三维模型创建方法及装置。所述方法应用于计算设备,计算设备中存储有功能语义与形状基因的映射关系。所述方法包括:将多个初始三维模型进行显示,并根据用户选择计算多个初始三维模型中的被选择的初始三维模型的偏好性;根据被选择的初始三维模型的偏好性从被选择的初始三维模型中选择第一三维模型;基于功能语义与形状基因的映射关系及第一三维模型通过进化操作创建得到多个第二三维模型,并将多个第二三维模型作为多个初始三维模型重复上述步骤进行迭代,直到进化得到满足预设条件的三维模型,其中,每个三维模型包括多个形状基因。由此,可以满足三维模型创建智能化、个性化的需求。

    一种基于非线性降维及稀疏表示的遥感图像检索方法

    公开(公告)号:CN109815357A

    公开(公告)日:2019-05-28

    申请号:CN201910078994.1

    申请日:2019-01-28

    Abstract: 本发明提出一种基于非线性降维及稀疏表示的遥感图像检索方法,包括:获取遥感图像,作为训练样本;通过去雾增强及色彩恢复进行预处理;使用卷积神经网络模型进行特征提取;线性降维加非线性降维;利用SOMP算法求解稀疏系数矩阵,并使用K-SVD稀疏编码算法进行字典训练学习;构建分类准则;使用随机森林作为分类器,得到分类后的稀疏表示特征;用测试样本的图像特征向量与分类后的稀疏表示特征向量计算欧式距离,得到图像检索结果;本发明通过线性及非线性降维方式结合,对高维特征进行有效降维,并利用结合最近邻空间域像素的稀疏分类,使得数据集分类准确,经过实验结果验证,本发明可以解决遥感图像检索中效率低下和精度不高的问题。

    三维模型创建方法及装置

    公开(公告)号:CN108492362A

    公开(公告)日:2018-09-04

    申请号:CN201810252787.9

    申请日:2018-03-26

    Abstract: 本发明实施例提供一种三维模型创建方法及装置。所述方法应用于计算设备,计算设备中存储有功能语义与形状基因的映射关系。所述方法包括:将多个初始三维模型进行显示,并根据用户选择计算多个初始三维模型中的被选择的初始三维模型的偏好性;根据被选择的初始三维模型的偏好性从被选择的初始三维模型中选择第一三维模型;基于功能语义与形状基因的映射关系及第一三维模型通过进化操作创建得到多个第二三维模型,并将多个第二三维模型作为多个初始三维模型重复上述步骤进行迭代,直到进化得到满足预设条件的三维模型,其中,每个三维模型包括多个形状基因。由此,可以满足三维模型创建智能化、个性化的需求。

    资源分配方法、装置及系统

    公开(公告)号:CN108572875B

    公开(公告)日:2020-09-04

    申请号:CN201810398267.9

    申请日:2018-04-28

    Inventor: 丛鑫 訾玲玲 王红

    Abstract: 本发明涉及资源分配技术领域,具体涉及一种资源分配方法、装置及系统,方法应用于主服务器,方法包括:获得各从服务器的CPU的类型、可用资源量、计划关闭时间以及一预设时长,并开始计时,其中,预设时长为进行资源分配的时长,获取向各从服务器发送的多个处理任务中各处理任务的请求资源消耗量、任务类型以及预期截止时间,根据各处理任务的请求资源消耗量、任务类型和预期截止时间,以及各从服务器的CPU的类型、可用资源量、计划关闭时间和预设时长采用预设算法进行计算以得到可分配的处理任务及对应的可分配的从服务器并进行分配。通过上述设置,以在存在多个任务需要同时进行处理时,对多个任务进行合理分配至CPU进行处理,进而有效节约资源。

    一种基于非线性降维及稀疏表示的遥感图像检索方法

    公开(公告)号:CN109815357B

    公开(公告)日:2022-12-06

    申请号:CN201910078994.1

    申请日:2019-01-28

    Abstract: 本发明提出一种基于非线性降维及稀疏表示的遥感图像检索方法,包括:获取遥感图像,作为训练样本;通过去雾增强及色彩恢复进行预处理;使用卷积神经网络模型进行特征提取;线性降维加非线性降维;利用SOMP算法求解稀疏系数矩阵,并使用K‑SVD稀疏编码算法进行字典训练学习;构建分类准则;使用随机森林作为分类器,得到分类后的稀疏表示特征;用测试样本的图像特征向量与分类后的稀疏表示特征向量计算欧式距离,得到图像检索结果;本发明通过线性及非线性降维方式结合,对高维特征进行有效降维,并利用结合最近邻空间域像素的稀疏分类,使得数据集分类准确,经过实验结果验证,本发明可以解决遥感图像检索中效率低下和精度不高的问题。

Patent Agency Ranking