检索结果分析
- 基于谱空结合和梯度域损失的高光谱图像超分辨重构方法
-
申请号：CN201810639042.8
申请日：20180620
申请人：重庆大学
浏览量：0 - 摘要：本发明涉及一种基于谱空结合和梯度域损失的高光谱图像超分辨重构方法，属于图像超分辨重构领域。该方法包括：S1：得到高光谱图像；S2：将高光谱图像分成训练集和测试集；S3：将训练集输入谱空结合的神经网络中，并利用空域和梯度域...
- 一种基于深度混合网络结构的机械故障诊断方法
-
申请号：CN201810443346.7
申请日：20180510
申请人：重庆大学
浏览量：0 - 摘要：本发明涉及一种基于深度混合网络结构的机械故障诊断方法,属于机械故障诊断领域。该方法包括以下步骤：1)原始振动信号获取；2)原始振动信号通过混合网络的第一部分散射网络,提取其频率域特征,抑制噪声干扰；3)散射网络输出的各个...
- 一种基于零空间LDA的语义空间监督学习的图像分类方法
-
申请号：CN201710586578.3
申请日：20170718
申请人：重庆大学
浏览量：0 - 摘要：本发明涉及一种基于零空间LDA的语义空间监督学习的图像分类方法，属于属于图像分类领域。该方法包括以下步骤：采集图像数据库Z样本，在数据Z的原始表示上，求出组内散度矩阵、组间散度矩阵，以及全散度矩阵；对全散度矩阵St做特征...
- 一种基于密度语义子空间的文本与图像无标签识别的方法
-
申请号：CN201710561397.5
申请日：20170711
申请人：重庆大学
浏览量：0 - 摘要：本发明公开了一种基于密度语义子空间的文本与图像无标签识别的方法，包括以下子步骤：S1利用高斯核函数估计原始空间的样本密度；S2采用柯西核函数估计本征语义空间的密度；S3最小化目标函数，结合原始空间的样本密度函数和本征语义...
- 一种基于低秩矩阵恢复的背景建模方法
-
申请号：CN201710266833.6
申请日：20170421
申请人：重庆大学
浏览量：0 - 摘要：本发明公开了一种基于低秩矩阵恢复的背景建模方法，背景建模方法转换成求解一个低秩矩阵恢复的问题，首先将连续的帧图像集合以像素值方式显示，变成一个数据矩阵Y，然后使用基于原子范数的最小描述长度准则来作为评价准则选取最小秩的最...
- 基于无参数低秩矩阵恢复的高动态范围成像去鬼影的方法
-
申请号：CN201710267417.8
申请日：20170421
申请人：重庆大学
浏览量：0 - 摘要：本发明公开了一种基于无参数低秩矩阵恢复的高动态范围成像去鬼影的方法，将鬼影去除转换成了求解秩最小化的优化问题，首先将一系列低动态范围图像以像素值显示，变成一个原始数据矩阵Y，然后使用基于原子分解的最小描述长度准则，通过求...
- 一种基于散射变换的旋转机械故障预测方法
-
申请号：CN201510023125.0
申请日：20150116
申请人：重庆大学
浏览量：0 - 摘要：本发明涉及一种基于散射变换的旋转机械故障预测方法，该方法主要包括以下步骤：1.信号获取；2.特征变换和故障特征的提取，对原信号进行散射变换得到散射变换系数，然后对散射变换各个子带的系数计算其能量值作为信号区分的特征值；3...
- 一种基于散射变换的旋转机械故障预测方法
-
申请号：CN201510023125.0
申请日：20150116
申请人：重庆大学
浏览量：0 - 摘要：本发明涉及一种基于散射变换的旋转机械故障预测方法，该方法主要包括以下步骤：1.信号获取；2.特征变换和故障特征的提取，对原信号进行散射变换得到散射变换系数，然后对散射变换各个子带的系数计算其能量值作为信号区分的特征值；3...
- 一种文本内容无关的褶皱中文手写体鉴别方法
-
申请号：CN201410341142.4
申请日：20140717
申请人：重庆大学
浏览量：0 - 摘要：本发明提出了一种文本内容无关的褶皱中文手写体鉴别方法，属于字迹鉴别领域。该方法包括：1)将手写体文本扫描后输入到计算机，对得到的手写体图像进行预处理；2)根据手写体图像建立图片数据库；3)对图片数据库中的每张图片进行散射...
- 基于压缩域的车牌定位方法
-
申请号：CN201010504875.7
申请日：20101013
申请人：重庆大学
浏览量：0 - 摘要：本发明公开了一种车牌定位方法，通过部分解压提取被检测图像压缩域DCT变换系数矩阵参数构建纹理垂直频率矩阵和纹理水平频率矩阵，通过阈值法将纹理垂直频率矩阵转换成车牌二值模板矩阵，再通过形态学计算，纹理垂直、水平频率矩阵的频...
- 一种多源图像融合方法
-
申请号：CN201010288552.9
申请日：20100921
申请人：重庆大学
浏览量：0 - 摘要：本发明公开了一种多源图像融合方法，在前期特征提取阶段将基于小波核的支持度变换和抗混叠轮廓波结合在一起，一方面增加了支持度变换无法提取的方向信息，另一方面消除了轮廓波变换中产生的混叠现象；在图像融合阶段，采用脉冲耦合神经网...