“显著性计算”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果8149441个，建议您升级VIP下载更多相关专利

[发明专利]一种基于信息熵的时空显著性视觉注意方法-CN201010192240.8有效
发明人：魏龙生;桑农;王岳环 -专利权人：华中科技大学
申请日： 2010-06-06 - 公布日： 2010-10-06 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了一种基于信息熵的时空显著性视觉注意方法，步骤为：①提取短视频中的动态显著性图和静态显著性图；②将静态显著性图和动态显著性图联合生成最终显著性图；③胜者全赢；④返回抑制，将最终显著性图中最显著性的区域的像素值都置为零，得到了一个新的最终显著性图；⑤注意选择。在计算动态显著性时，本发明直接计算所有帧之间的动态显著性，仅仅计算当前帧的静态显著性图，这样很好地解决了现有方法存在的问题，节约了计算时间，并能更好地检测出动态显著性部分；另外本发明还运用了多尺度的方法计算了动态显著性，这样就能更好地计算出视频中不同大小物体的动态显著性，获得良好的视觉效果。
一种基于信息时空显著视觉注意方法

[发明专利]图像显著性检测方法和装置-CN201711454483.2有效
发明人：李革;朱春彪;黄侃 -专利权人：北京大学深圳研究生院
申请日： 2017-12-28 - 公布日： 2022-01-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种图像显著性检测方法和装置。其中，该方法包括：对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像。本发明解决了现有技术中对图像的显著性检测结果不够精确的技术问题。
图像显著检测方法装置

[发明专利]图像重定位方法及装置-CN201410186673.0在审
发明人：王琳;张祺深;陈志军 -专利权人：小米科技有限责任公司
申请日： 2014-05-05 - 公布日： 2014-08-20 - 主分类号： G06T7/60 文献下载
摘要：所述图像重定位方法包括：建立图像的显著性模型；根据所述显著性模型，计算所述图像中各个像素点的显著性值；根据所述像素点的显著性值，计算各条像素线的总显著性值；根据所述图像的目标尺寸以及各条像素线的总显著性值通过建立的显著性模型计算图像中各条像素线的总显著性值，根据图像的目标尺寸以及各条像素线的总显著性值，对图像进行重定位；解决了相关技术中存在的在进行图像重定位时，需要对原图像的非冗余信息进行分析，分析过程过于繁杂，计算量非常大的问题；达到了可以大大降低计算量的效果。
图像定位方法装置

[发明专利]基于无监督学习的多视角显著性估计方法-CN202011250827.X在审
发明人：夏辰;韩军伟;郭雷 -专利权人：西北工业大学
申请日： 2020-11-10 - 公布日： 2021-02-05 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于无监督学习的多视角显著性估计方法，属于视频图像处理领域。首先进行单视角背景建模，采用深层自动编码器对单视角背景进行学习，计算单视角显著性图；然后联合视角背景建模，对联合视角背景进行学习，计算联合视角显著性图；最后对单视角显著性图和联合视角显著性图进行多尺度显著性图融合本发明方法仅需要采样场景无标记图像块来进行学习，结合了单视角与多视角下的显著性计算，可以更好的针对背景进行学习，减少背景的干扰，得到比基于显著性区域学习算法更高的预测精度。
基于监督学习视角显著估计方法

[发明专利]一种基于频域视觉显著性分析的图像相似性计算方法-CN201810424185.7有效
发明人：袁夏;张亚楠;岳娟 -专利权人：南京理工大学
申请日： 2018-05-07 - 公布日： 2022-02-18 - 主分类号： G06V10/56 文献下载
摘要：本发明公开了一种基于频域视觉显著性分析的图像相似性计算方法。该方法为：首先、将两张待比较的彩色数字图像转换为灰度图像，转换后分别进行二维离散傅里叶变换，对变换得到的幅度谱进行滤波，然后再分别进行傅里叶反变换，得到两张待比较图像的显著性图；其次、根据显著性图检测显著性前景区域和非显著性背景区域，分别计算显著性前景权重比率和非显著性背景权重比率；最后、按照定义的距离计算公式，计算待比较图像之间的距离，距离越小则图像相似度越高。本发明方法具有抗背景颜色一致能力强、计算效率高的优点。
一种基于视觉显著分析图像相似性计算方法

[发明专利]结合颜色和深度信息的显著性目标检测方法-CN201510781045.1有效
发明人：童若锋;唐延龙;唐敏;张赟 -专利权人：浙江大学
申请日： 2015-11-16 - 公布日： 2019-02-05 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种结合颜色和深度信息的显著性目标检测方法，包括：S1:输入双目图像，并计算左图的深度图；S2:利用区域颜色对比度方法计算左图初始的显著性图，然后基于深度图计算第二个显著性图；S3:把S2中的两个显著性图结合，产生一个滤除背景噪声的显著性图，从中提取显著性区域，并从中采样种子点，作为显著性物体位置的估计；S4：利用S3中的种子点，推断出显著性目标的边界，扩散出整个显著性物体。该发明能够显著提高显著性目标的检测效果。
显著性显著性图显著性物体目标检测深度信息种子点深度图计算背景噪声区域颜色双目图像深度图采样滤除推断扩散检测

[发明专利]一种基于实际应用的显著性检测元评估方法-CN201810342813.7在审
发明人：牛玉贞;陈建儿;陈羽中 -专利权人：福州大学
申请日： 2018-04-17 - 公布日： 2018-09-18 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于实际应用的显著性检测元评估方法，包括以下步骤：1、提取图像检索数据集中每幅图像的深度卷积特征，利用基于深度卷积特征的图像检索方法计算得到T种显著性检测算法对应的T个检索序列集合；2、分别计算图像检索数据集中所有图像的标准检索序列集合与T个检索序列集合之间的平均精度值，据此降序排列得到图像检索应用对T种显著性检测算法的评估排序序列；3、计算显著性检测评估方法对T种显著性检测算法的评估值，据此降序排序得到显著性检测评估方法对T种显著性检测算法的评估排序序列；4、计算两序列的相关性，以此作为显著性检测评估方法的评估值。该方法有利于为实际应用选出合适有效的显著性检测评估方法。
显著性评估检测算法检测图像检索检索序列排序序列卷积应用集合图像标准检索检索数据降序排列降序排序数据集中提取图像序列集合

[发明专利]一种立体视觉显著性检测方法-CN201610244589.9有效
发明人：丛润民;雷建军;侯春萍;李重仪;贺小旭;段金辉 -专利权人：天津大学
申请日： 2016-04-19 - 公布日： 2018-08-31 - 主分类号： G06T7/11 文献下载
摘要：本发明属于图像处理、立体视觉技术领域，为研究一种能够准确、完整的提取显著性区域的方法，实现基于紧致性分析和多线索融合的立体视觉显著性检测。本发明采用的技术方案是，立体视觉显著性检测方法,步骤如下:1.图的构建2.基于紧致性分析的显著性计算3.基于多线索融合的前景显著性计算具体的实施步骤如下：(1)前景种子选择方法(2)多线索融合的局部对比显著性计算(3)基于流形排序的扩散处理4.显著性融合。
一种立体视觉显著检测方法

[发明专利]一种基于光流融合的光场显著性检测方法-CN202310168513.2在审
发明人：吴聿铭;朱虎;邓丽珍 -专利权人：南京邮电大学
申请日： 2023-02-27 - 公布日： 2023-05-09 - 主分类号： G06V10/46 文献下载
摘要：本发明公开了一种基于光流融合的光场显著性检测方法，属于图像处理领域。该方法利用光场数据集训练光场显著性检测系统，使用光场显著性检测系统在光场数据集多视图图像上进行显著性检测，计算中心视图特征，并将其余视图作为参考图像，计算光流并与中心视图特征融合，辅助显著性检测。该系统由光场特征提取模块、光流生成模块、光流融合模块和显著性检测模块组成。引入光场深度信息，同时去除了各个视图之间的冗余信息，有助于提高显著性检测精度，并减少计算量，能够有效处理不同尺度的显著性目标，做到更准确的检测。
一种基于融合显著检测方法

[发明专利]一种基于HEVC的压缩域显著性检测方法-CN201711389311.1有效
发明人：周巍;白瑞;魏恒璐;张冠文 -专利权人：西北工业大学
申请日： 2017-12-21 - 公布日： 2021-07-13 - 主分类号： H04N19/186 文献下载
摘要：本发明提供了一种基于HEVC的压缩域显著性检测方法，涉及视频技术处理领域，通过提取色度、亮度和纹理静态特征图，建立滤除静态特征图背景的模型，计算最终静态显著性图和动态显著性图，得到最终的显著性图。本发明较其它显著性模型的精度有一定的提高，并且检测算法较为稳定，同时相应降低了算法的复杂度，应用高斯分布滤除静态特征图的背景，充分提取静态特征信息，使得计算精度提高；动态显著性图计算中包含了图像的运动特征、纹理特征和统计特性，使得算法的复杂度降低，因为压缩域的显著性反应的是重建视频的显著性，所以更有利于感知视频编码；采用自适应的融合算法，使得显著性值更加精确。
一种基于 hevc 压缩显著检测方法

[发明专利]一种互联网用户体验改进测试试验结束的判定方法-CN202110928344.9在审
发明人：陈光辉;张维学 -专利权人：张维学
申请日： 2021-08-13 - 公布日： 2022-05-06 - 主分类号： G06F17/18 文献下载
摘要：本发明实施例公开了一种互联网用户体验改进测试试验结束的判定方法，包括如下步骤：步骤100、选择样本，并将样本分别标记为样本A和样本B；步骤200、设定因随机因素引起的改进差异概率为x，并计算x值；步骤300、依据x值计算统计显著性Y值，其中，Y值表示不由随机因素引起而是由用户体验不同而引起差异的概率；步骤400、设定统计显著性的阈值，并将计算结果与其进行比对，根据计算的统计显著性的历史变化趋势得出结论的判据；本发明根据统计显著性的变化特征，得出可靠的AB测试结论，其中，统计显著性的变化特征包括统计显著性的数值和统计显著性变化趋势，并以统计显著性的变化特征总结为规则，用计算机软件自动执行此规则。
一种互联网用户体验改进测试试验结束判定方法

[发明专利]基于除法归一化的图像视觉显著性检测方法-CN201410619259.4有效
发明人：余映;林洁;杨鉴 -专利权人：云南大学
申请日： 2014-11-06 - 公布日： 2017-10-03 - 主分类号： G06T7/90 文献下载
摘要：本发明公开了一种基于除法归一化的图像视觉显著性检测方法，属于自底向上视觉显著性的自动计算领域。该方法利用各个像素的颜色和亮度特征来计算其视觉显著性，采用除法归一化计算模拟了初级视觉皮层中具有同类检测特征神经元的相互抑制作用，具有生物合理性。和传统的显著性计算方法相比，本发明计算简单高效，能准确检测到颜色差异引起的视觉显著性，且显著区域的显著值得到整体增强，获取的图像视觉显著图具有清晰的形状。
基于除法归一化图像视觉显著检测方法

[发明专利]基于学习的视频中显著物体序列自动检测方法-CN200810150324.8有效
发明人：刘铁;袁泽剑;郑南宁;盛兴东;崔超;张耿;董毅 -专利权人：西安交通大学
申请日： 2008-07-11 - 公布日： 2008-12-24 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了一种基于学习的视频中显著物体序列自动检测方法，该方法首先计算静态显著性特征，计算动态显著性特征，并与静态显著性特征自适应组合起来构成显著性特征约束。计算每帧图像中的空间连续性。计算相邻帧图像中显著物体的时间连续性。这里计算所有可能的显著物体之间的相似度。利用前一次计算获得显著物体序列计算全局主题模型，并计算相应的能量贡献。利用动态规划算法进行全局最优求解，从而获得全局最优的显著物体序列。当未满足收敛条件继续迭代求解。否则，输出矩形框序列作为最优的显著物体序列。本发明能有效解决静态与动态显著性特征的选取与多种约束条件的优化集成，以及目标序列检测的高效计算。
基于学习视频显著物体序列自动检测方法

[发明专利]一种基于纹理显著性的微光图像目标检测方法-CN201310334161.X有效
发明人：柏连发;张毅;金左轮;韩静;岳江;陈钱;顾国华 -专利权人：南京理工大学
申请日： 2013-08-02 - 公布日： 2015-02-11 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于纹理显著性的微光图像目标检测方法。本方法首先提取图像粗糙度特征图，进行二值化特征处理，合并属于同一目标区域，分别计算全局显著性、局部显著性和位置显著性，以此计算纹理显著性获得纹理显著图，最后利用纹理显著图进行图像目标检测。其核心内容是利用微光图像目标纹理与背景差异较大的特点，通过纹理显著性进行目标检测。利用本发明方法探测微光图像目标，目标轮廓性好、击中率高。
一种基于纹理显著微光图像目标检测方法

[发明专利]一种基于深度学习的高光谱目标显著性检测方法-CN201911410767.0有效
发明人：许廷发;黄晨;张宇寒;潘晨光;郝建华;王冬 -专利权人：北京理工大学重庆创新中心;北京理工大学
申请日： 2019-12-31 - 公布日： 2022-07-26 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于深度学习的高光谱目标显著性检测方法，所述目标显著性检测方法至少包括深层特征提取步骤和显著性优化步骤，其中，所述深层特征提取步骤包括将原始高光谱图像经双通道的卷积神经网络完成包括空间特征和光谱特征的深层特征提取；所述显著性优化步骤包括将基于提取的深层特征完成背景线索和前景线索计算，并基于计算结果进行显著性优化，生成最终的显著性图。本发明基于深度学习提取高光谱图像的空间和光谱深层特征，提升了特征的鲁棒性，且卷积神经网络采用自监督训练，无需真值标签；利用显著性优化，能够提升生成显著性图的质量，突出显著性目标。
一种基于深度学习光谱目标显著检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条