“桑庆兵”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果16个，建议您升级VIP下载更多相关专利

[发明专利]一种基于卷积神经网络的图像失真类型分类方法-CN201911079537.0有效
发明人： 桑庆兵;朱玲莹;孙俊;吴小俊 -专利权人：江南大学
申请日： 2019-11-07 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于卷积神经网络的图像失真类型分类方法，其可以快速进行分类，且自动实施，无需人工判断，判断结果更为准确。其包括步骤：S1：得到待分类失真图像；S2：搭建基于卷积神经网络的图像失真类型分类模型；模型包括依次连接的输送层、第一卷积块、第二卷积块、第三卷积块，最后连接连续的三个全连接层；每一个卷积块后面跟着一个池化层；第一卷积块包括卷积核为11×11的卷积层，第二卷积块包括卷积核为5×5的卷积层，第三个卷积块包括卷积核为3×3的卷积层；三个全连接层中最后一个全连接层设置与失真类型对应的输出单元；S3：训练分类模型，得到训练好的分类模型；S4:将待分类失真图像输入到训练好的分类模型，进行图像分类。
一种基于卷积神经网络图像失真类型分类方法

[发明专利]一种基于生成对抗网络的无参考视频质量评价方法及装置-CN202010161674.5有效
发明人： 桑庆兵;朱泽;殷莹;孙俊;吴小俊 -专利权人：江南大学
申请日： 2020-03-10 - 公布日： 2023-06-06 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于生成对抗网络的无参考视频质量评价方法，其无需原始视频信息，方法简单，适用范围广，且分类准确率高。首先利用生成对抗网络恢复失真视频帧块的分辨率，然后将失真视频帧块和与其对应的复原的视频帧块的显著图作为输入送入到视频质量评价网络，对失真视频帧块的质量进行评价。同时本发明还公布了一种基于生成对抗网络的无参考视频质量评价装置。
一种基于生成对抗网络参考视频质量评价方法装置

[发明专利]一种基于集成学习与随机森林的图像质量评价方法-CN201810832910.4有效
发明人： 桑庆兵;殷莹;李朝锋;过榴晓;吴小俊 -专利权人：江南大学
申请日： 2018-07-25 - 公布日： 2023-04-28 - 主分类号： G06T7/00 文献下载
摘要：一种基于集成学习与随机森林的图像质量评价方法，其可大大提高图片质量评价的准确度，其具体实现步骤如下：（1）选择六种基学习算法，（2）采用步骤（1）所选择的基学习算法对失真图像进行打分，（3）将打分后的分数组成训练数据，（4）使用训练数据建立深度随机森林模型，深度随机森林模型包括包括K层训练步骤，经每层训练步骤中的随机森林过滤后得出过滤特征，将过滤特征与原始特征结构构成强化特征，将强化特征作为下一层训练步骤的输入值进行训练，循环往复，直至最后一层，最后一层训练步骤得出的数据作为失真图像的分数。
一种基于集成学习随机森林图像质量评价方法

[发明专利]一种基于注意力机制的脱机英文手写识别方法-CN202011632940.4在审
发明人： 桑庆兵;卓天天;孙俊;吴小俊 -专利权人：江南大学
申请日： 2020-12-31 - 公布日： 2021-04-20 - 主分类号： G06K9/68 文献下载
摘要：本发明提供一种基于注意力机制的脱机英文手写识别方法，其可以提高对手写字符串的识别率，满足实际应用的需求。本发明技术方案中构建的脱机英文手写识别模型包括基于注意力机制的卷积神经网络和双向长短期记忆网络模型，基于注意力机制构建的卷积神经网络提取的图像特征，特征图经注意力模块后更能聚焦有用特征而非无用的手写拖拽特征，使得提取的图像特征更加关注有用信息，忽略无用信息，进而提高了图像识别的准确率。
一种基于注意力机制脱机英文手写识别方法

[发明专利]基于时空域特征提取的无参考视频质量评价方法-CN201910149737.2有效
发明人： 桑庆兵;张浩;方伟;孙俊;吴小俊 -专利权人：江南大学
申请日： 2019-02-27 - 公布日： 2020-09-22 - 主分类号： H04N17/00 文献下载
摘要：基于时空域特征提取的无参考视频质量评价方法，其所需数据量小，计算复杂度低，适用于无线应用的实时测评，可大大降低视频质量评价时延性，提高评价结果获取效率，其包括以下步骤：S1，选取一幅噪声视频作为待评价视频，S2，对待评价视频进行颜色空间转换，获取噪声视频的亮度信号值、色度信号值，S3，提取预处理后的噪声视频的时域特征、时空域特征，S31，采用分帧处理方法提取时域特征，获取视频帧差图，S32，将视频帧差图送Xception网络提取时空域特征，S4，对时空域特征进行拼接，获取拼接图，然后采用PCA方法对拼接图进行降维处理，获取深度处理特征，S5，建立XGBOOST模型，获得噪声视频的图像噪声指标，S6，采用性能指标对图像噪声指标进行评价。
基于时空特征提取参考视频质量评价方法

[发明专利]一种基于卷积神经网络的图像去雾方法-CN201811560434.1在审
发明人： 桑庆兵;雎青青;殷莹;李朝锋;吴小俊 -专利权人：江南大学
申请日： 2018-12-20 - 公布日： 2019-06-18 - 主分类号： G06T5/00 文献下载
摘要：一种基于卷积神经网络的图像去雾方法，其可提高有雾图像的清晰度，避免图像失真，可简化图像的处理步骤，提高图像处理的整体效率，具体包括以下步骤：S1原始无雾图像的获取，原始无雾图像从现有的数据集中选取，选取N幅原始无雾图像作为整体训练样本，S2有雾图像的获取，将S1中原始无雾图像人工合成有雾图像，具体为依次采用蓝色通道加雾算法、大气散射模型对原始无雾图像进行处理，得到有雾图像，S3建立卷积神经网络模型，对有雾图像进行处理，得到最终去雾图像，搭建卷积神经网络模型，采用卷积神经网络模型对有雾图像进行处理。
图像卷积神经网络图像去雾蓝色通道去雾图像散射模型数据集中图像处理图像失真整体效率整体训练加雾算法样本

[发明专利]一种平面图像显著性检测方法-CN201810820639.2在审
发明人： 桑庆兵;殷莹;李朝锋;过榴晓;吴小俊 -专利权人：江南大学
申请日： 2018-07-24 - 公布日： 2019-01-11 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种平面图像显著性检测方法，其可以输出准确度更高的显著图，方法更简单，易于理解，适于应用。其包括以下步骤：S1：构件网络模型；S2：训练网络模型，得到训练后的网络模型；S3：将图像数据输入到S2中得到的训练后的网络模型，进行显著性检测，输出显著图，用于后续图像处理；在步骤S1中网络模型的结构包括一个左侧的收缩路径和一个右侧的扩张路径；收缩路径用来捕捉上下文，其包括一个输入层、多个卷积层和池化层；由输入层输入的被检测图像传入第一个卷积层进行卷积操作；每两个连续的卷积层之后跟着一个池化层；扩张路径用来精确定位，其包括多个上采样层和卷积层、一个输出层；每个上采样层之后跟着两个连续的卷积层。
卷积网络模型显著性平面图像上采样输入层显著图池化检测收缩后续图像处理图像数据输入训练网络模型检测图像准确度输出输出层捕捉应用

[发明专利]一种基于非负矩阵分解的离线手写签名识别-CN201310442638.6在审
发明人： 桑庆兵;马小晴;吴小俊;李朝锋;罗晓清 -专利权人：江南大学
申请日： 2013-09-24 - 公布日： 2015-03-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于非负矩阵分解的离线手写体签名识别方法，所需步骤包括：(一)采集签名数据，并对所有签名图像进行预处理，获得所有预处理后的训练集签名图像的数据矩阵A以及需识别的测试集签名图像的数据矩阵B；(二)对训练集签名图像特征的提取：将A进行非负矩阵分解(NMF)，得到对应的基图像矩阵W和每张签名图像对应的权重向量即特征向量构成的特征矩阵H；(三)对测试集签名图像特征的提取：将测试集签名图像的数据矩阵B在基图像上做投影，得到投影系数矩阵H’；(四)采用支持向量机进行训练并分类决策，判断是真签名还是假签名。
一种基于矩阵分解离线手写签名识别

[发明专利]一种基于小波域的半参考图像质量评价算法-CN201310283747.8无效
发明人：殷莹;桑庆兵;田燕宁 -专利权人：江南大学
申请日： 2013-07-05 - 公布日： 2015-01-14 - 主分类号： G06T7/00 文献下载
摘要：一种基于小波域的半参考图像质量评价算法，其特征在于按如下步骤进行：(一)：分别对失真图像和参考图像进行2尺度小波分解；(二)：分别提取参考图像和失真图像的特征向量CX_low(i)和CY_low(i)；(三)：将失真图像特征向量CX_low(i)看成N维欧氏空间中的点CX_low[i]，参考图像特征向量CY_low(i)看成N维欧氏空间中的点CY_low[i]，计算图像质量评价标准D(X，Y)。本文的半参考图像质量评价算法和其它半参考图像质量评价算法相比，算法简单，物理意义清晰，算法性能优越。在实际应用方面，本文的半参考图像质量评价算法和其它全参考图像质量评价算法相比，当无法获得参考图像的全部信息时，更具有实际应用价值。
一种基于小波域参考图像质量评价算法

[发明专利]一种基于奇异值分解无参考模糊图像质量评价方法-CN201310123536.8在审
发明人：朱国平;关彪;王占丑;吴小俊;桑庆兵 -专利权人：无锡金帆钻凿设备股份有限公司
申请日： 2013-04-10 - 公布日： 2014-10-15 - 主分类号： G06T7/00 文献下载
摘要：一种基于奇异值分解无参考模糊图像质量评价方法，其特征在于按如下步骤进行：(一)选择一幅图像为被评价图像；(二)将该图像转化为灰度图像；(三)对被评价图像做奇异值(SVD)分解，得到奇异值向量S₁；(四)根据奇异值建立图像质量评价函数Blur；(五)计算被评价图像的质量评价函数Blur的值，作为模糊指标。本发明是一种不需要参考图像，评价模糊图像模糊程度的方法，并且评价结果符合人类视觉主观认识结果，Blur值越大，被评价图像的质量越好。本发明不需要参考图像就可以快速评价一幅模糊图像的质量好坏，且与人类主观视觉感知一致性较好，方法简单。
一种基于奇异分解参考模糊图像质量评价方法

[发明专利]基于梯度相似度的无参考噪声图像质量评价方法-CN201310123325.4在审
发明人：朱国平;关彪;王占丑;吴小俊;桑庆兵 -专利权人：无锡金帆钻凿设备股份有限公司
申请日： 2013-04-10 - 公布日： 2014-10-15 - 主分类号： G06T7/00 文献下载
摘要：一种新的基于梯度结构相似度的无参考噪声图像质量评价方法(NRGSIM)。所需步骤包括：(1)将原始噪声图像经过高斯噪声滤波器进行加噪处理生成再加噪图像；(2)将原始噪声图像进行8x8分块，并将子块划分为边缘膨胀块和平滑块；(3)对不同类型块的GSIM值赋予不同的权值；(4)计算得到整幅图像的噪声值。本发明在无参考图像的前提下，通过简单的计算，即可对噪声图像进行质量评价，且与主观评分有较好的一致性。该方法计算简单，是一种准确可靠的无参考噪声图像评价方法。
基于梯度相似参考噪声图像质量评价方法

[发明专利]一种基于自动调焦原理无参考噪声图像质量评价方法-CN201310123322.0无效
发明人： 桑庆兵;吴小俊;殷莹;李朝峰;罗晓清 -专利权人：江南大学
申请日： 2013-04-10 - 公布日： 2014-10-15 - 主分类号： G06T7/00 文献下载
摘要：一种基于自动调焦原理无参考噪声图像质量评价方法，其特征在于按如下步骤进行：(一)选择一幅噪声图像为被评价图像；(二)将该噪声图像转化为灰度图像；(三)对被评价噪声图像进行高斯低通滤波，生成的图像作为参考图像；(四)分别对噪声图像和经过高斯滤波生成的参考图像进行奇异值分解，得到奇异值向量S₁和S₂；(五)根据奇异值的该变量构造噪声图像的质量评价函数Noise；(六)计算被评价图像的质量评价函数Noise的值，作为图像噪声指标。本发明是一种不需要参考图像，评价噪声图像质量的方法，并且评价结果符合人类视觉主观认识结果，Noise值越大，被评价图像的质量越好。
一种基于自动调焦原理参考噪声图像质量评价方法

[发明专利]一种基于广义回归神经网络无参考JPEG2000压缩图像质量评价方法-CN201310123323.5无效
发明人： 桑庆兵;吴小俊;殷莹;李朝峰;罗晓清 -专利权人：江南大学
申请日： 2013-04-10 - 公布日： 2014-10-15 - 主分类号： H04N17/00 文献下载
摘要：一种基于广义回归神经网络无参考JPEG2000压缩图像质量评价方法，其特征在于按如下步骤进行：(一)选择LIVE2数据库中的JPEG2000图像作为训练样本；(二)将该库中的图像转化为相位一致图像；(三)计算相位一致图像的信息熵、对比度和同质性；(四)把图像的信息熵、对比度和同质性3个参数作为输入，DMOS的值作为输出，在LIVE2数据库上对广义回归神经网络进行训练学习；(五)用训练好的广义回归神经网络对待评价图像质量进行预测，得分作为图像的质量评价指标。本发明是一种不需要参考图像，评价JPEG2000图像质量好坏的方法，并且评价结果符合人类视觉主观认识结果。
一种基于广义回归神经网络参考 jpeg2000 压缩图像质量评价方法

[发明专利]基于小波变换多分辨率预测的无参考图像质量评价方法-CN201010575207.3有效
发明人：李朝锋;金波;桑庆兵;周丽明;吴小俊;吉训生 -专利权人：江南大学
申请日： 2010-12-07 - 公布日： 2012-07-11 - 主分类号： H04N17/00 文献下载
摘要：本发明公开一种基于小波变换多分辨率预测的无参考图像质量评价方法。其步骤包括：(1)选取理想图像，计算小波变换后各尺度各方向的平均能量；(2)利用各尺度能量特征之间的近似线性关系，建立预测模型；(3)根据预测模型，利用失真图像的高尺度子带平均能量去预测理想图像低尺度的子带平均能量；(4)适当调整失真很严重图像所预测的平均能量；(5)补偿噪声失真图像的能量；(6)补偿JPEG失真类型图像的能量；(7)结合人类视觉系统特性，构建无参考图像质量评价尺度。本发明无需主观得分训练，与主观评价高度一致，能够适用于多种失真类型，可用于对图像视频处理方法有效性进行检测。
基于变换分辨率预测参考图像质量评价方法

[发明专利]基于轮廓波变换域图像特征的无参考图像质量评测方法-CN201010575153.0有效
发明人：李朝锋;金波;周丽明;桑庆兵;吴小俊;吉训生 -专利权人：江南大学
申请日： 2010-12-07 - 公布日： 2012-07-04 - 主分类号： H04N17/00 文献下载
摘要：本发明公开一种基于轮廓波变换域图像能量特征的无参考图像质量评测方法。该方法步骤包括：(1)选择理想图像，然后计算其经轮廓波变换后的各尺度平均能量；(2)利用各尺度能量特征之间的近似线性关系，建立预测模型；(3)利用预测模型和高尺度的平均能量，预测低尺度的平均能量；(4)根据预测的平均能量和由失真图像计算的平均能量初步度量图像质量；(5)对JPEG失真类型进行能量补偿；(6)根据图像质量初步度量和JPEG失真的能量补偿，构建无参考的图像质量评测尺度。本发明无需主观得分进行训练，方法简单，能够适用于多种蚀变类型，与主观评价高度一致，可用于对图像视频处理方法有效性进行检测。
基于轮廓变换图像特征参考质量评测方法

1
2
下一页»
尾页
共 16 条