找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。
找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。
找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。
找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。
找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。
找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。
找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。
找到12项技术成果数据。
找技术>-
基于双重字典学习的压缩感知图像超分辨率重建方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
基于双重字典学习的压缩感知图像超分辨率重建方法，专利号201210184626.3。 随着安防设备的普及，监控设备的应用也会越来越广泛，在我们生活中扮演的角色也越来越重要，由于监控的视野越大或者目标景物离监控设备的距离越远，分配到每个景物上的像素点越少，导致目标景物的细节丢失，图像变得模糊，不利于后续处理与目标识别，因此，对目标景物进行超分辨率重建就显得尤为重要。超分辨率重建技术在医学成像、卫星遥感遥测、军事侦察与定位以及城市安防等领域有广泛的应用。 本发明将压缩感知理论应用于图像超分辨重建，采用单冗余字典进行稀疏表示，对重建方程采用迭代收缩的方法进行目标超分辨率图像求解，重建结果好。 本发明可应用于珍贵旧图像恢复，也可应用于安保场合分辨率不高的图像超分辨重建等场合。
-
一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法，属于数字图像处理技术领域。首先构建样本数据并训练出两个初始字典：文字字典和背景字典；然后由训练好的初始字典、待检测的图像和自适应字典学习算法计算出待检测图像的文字和背景所对应的字典和稀疏表示系数；再由自适应字典和待检测图像对应的稀疏表示系数重建待检测图像中的文字图像；用启发式规则对重建的文字图像进行处理来检测出待检测图像中的候选的文字区域；最后用矩形框框出最终的文字区域。本发明使计算机能够自动地理解图像所包含的语义信息、并为导盲技术，车牌识别和车辆定位追踪技术以及图像检索技术等提供了有力的支撑。
-
基于耦合字典学习的低秩核范数正则人脸图像超分辨方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。
-
一种基于条件随机场和二次字典学习的图像场景标注方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于条件随机场和二次字典学习的图像场景标注方法，针对训练集图像进行超像素区域过分割，获取每幅图像的超像素过分割区域；提取各个超像素过分割区域的特征，并结合基准标注图像构建超像素标签池，利用超像素标签池训练出支持向量机分类器，计算超像素一元势能；计算相邻超像素成对项势能；借助训练集中全局性的过分割超像素区域的类别统计，以构建应用于类别统计直方图的分类器作为分类成本，基于每一类超像素区域内关键点特征的稀疏表示的稀疏编码子之和的直方图统计作为该CRF模型的高阶势能，分别以类字典、共享字典两种判别字典经过二次稀疏表示优化稀疏编码子，更新字典和CRF参数与分类器参数；本发明提高了标注精度。
-
利用稀疏表示与字典学习进行图像分割的方法
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本发明公开了一种利用稀疏表示与字典学习进行图像分割的方法,主要解决现有技术在不需要样本标签的情况下分割结果不稳定的问题,其实现过程是：（1）输入待分割图像并对待分割图像提取灰度共生特征和小波特征;（2）利用所得特征对待分割图像进行K均值聚类得到K类特征点;（3）利用KSVD方法得到K类特征点所对应的K个字典;（4）利用BP算法在K个字典上对所有特征进行稀疏分解,得到稀疏系数矩阵;（5）对每一个特征点计算各类字典的稀疏表示误差,并将该特征对应的点划分到字典误差最小的类别中;（6）重复步骤（5）直到所有点都得到标签值,完成最后的分割。本发明与现有技术相比显著的提高了图像的稳定性能以及分割性能,可用于目标检测与背景分离。
-
基于改进的字典学习的入侵检测方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。
-
一种基于形态学特征和字典学习的高光谱图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
一种基于自调制字典学习的图像分类方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了基于自调制字典学习的图像分类方法，包含如下步骤：训练阶段：步骤1，局部特征抽取；对于训练图像集中的每一幅训练图像进行局部特征描述子抽取生成训练图像集的局部特征集合；步骤2，自调制字典学习；步骤3，训练图像表示：包含特征稀疏编码和图像空间聚合两个子步骤。步骤4，分类模型学习；步骤5，局部特征抽取；步骤6，待分类图像表示；步骤7，模型预测。本发明为字典学习引入了合理的顺序机制，设计了一套自调制机制的字典学习方法，并结合图像分类进行分析验证，最终提高图像分类的准确度。
-
基于结构保持字典学习的SAR目标型号识别方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开了一种基于结构保持字典学习的SAR目标型号识别方法，主要解决现有技术在低信噪比条件下进行目标识别时效果不好的问题。其实现步骤是预处理，去除背景杂波，得到训练样本图像和测试样本图像的归一化子图像；字典学习，利用feature‑sigh search算法与K‑SVD算法迭代训练，获得和训练样本类别数量相同的多个字典矩阵；利用OMP算法计算测试样本的稀疏描述向量；计算重构误差；基于最小重构误差准则，确定识别结果。本发明与现有技术相比提高了识别算法的鲁棒性，具有低信噪比条件下高精度识别的能力。
-
一种基于判别字典学习与稀疏表示的场景图片文字检测的方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明涉及一种基于判别字典学习与稀疏表示的场景图片文字检测的方法，属于数字图像处理技术领域。首先用训练数据以及提出的判别字典学习的方法训练学习出两个字典：文字字典和背景字典，再序列地合并文字字典和背景字典；然后由合并的字典、待检测的图像以及稀疏表示的方法计算出待检测图像所对应的文字和背景的稀疏表示系数；最后由学习到的字典与计算出的待检测图像对应的稀疏表示系数，重建待检测图像中的文字；用启发式规则对重建的文字图像中的文字区域进行处理从而检测出待检测图像中的候选的文字区域；本发明提出的判别字典学习与稀疏表示的场景图像文字检测的方法可以大幅度提高文字识别的准确度。