专利交易市场

本发明公开了一种基于CS和SVM决策级融合的SAR图像目标识别方法。本发明结合了压缩感知和支持向量机各自的优势，利用压缩感知的优化求解数据校正方位角，并对压缩感知和支持向量机的识别结果进行决策级融合。首先将SAR图像目标识别问题转化为稀疏信号恢复问题，基于恢复的稀疏系数分别获得目标分类结果和目标方位角估计，然后对测试图像进行姿态校正，利用支持向量机获取目标分类结果，最后将三者分类结果根据投票法进行决策级融合。实验结果表明，在不进行姿态校正的情况下，基于压缩感知的目标识别算法与其它算法相比，显著提高了SAR图像变形目标识别的准确率；当样本数较少情况下，本发明显著提高了SAR变形目标的识别率。

本发明公开了一种基于共享弱分类器组合的人手分类器及其检测方法，能够从杂乱背景中检测多姿态手。在分类器训练过程中boosting的每一轮，都选取一组共享特征，使用该组共享特征构建一个对应的共享弱分类器组合。同时，使用共享特征组合构建对应的多阈值共享弱分类器组合，提升了分类器的分类能力。

本发明提供一种基于判别性语义部件学习的对象检测方法。本发明提出的基于稀疏表示的判别性语义部件聚类提纯得到最终语义部件集合，以及利用学习的语义部件检测器的对象置信度谱获取检测结果。相对于现有基于部件的对象检测方法在对象模型训练过程中需要强监督信息且仅能对训练的特定类别对象进行检测，本发明语义部件学习过程完全自动化，且在整个部件学习过程中，仅需要对象的窗口标注信息，不需要提供更多的强监督部件信息；利用了不同类对象部件信息具有几何相似性的特点，基于不同类对象部件共享的方式，能对跨类别的对具有几何相似性的对象进行检测，提高了基于部件的对象检测算法的泛化性能。

本发明提供一种基于互补性组合特征与多相回归的盲图像质量评价方法，在特征提取方面，采有互补性的全局频域和局部空频图像特征，来更准确地捕捉图像感知相关信息。在预测模型构建方面，引入多项支撑矢量回归方案，并通过搜索每幅测试图像的K副近邻来构建其独立的训练样本集。通过该分段回归操作，可以有效提高感知质量预测模型的预测精度。本发明相比于现有的代表性盲图像质量评价方法，该方法更加鲁棒，并且可以取得和人工打分更一致的预测质量打分。