专利汇可以提供一种基于主动学习和半监督学习的图像压缩方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于主动学习和半 监督学习 的图像压缩方法。本发明的方法是基于主动学习的方式,选取图像中一些最具有代表性的 像素 点的 颜色 信息来学习一个能够预测图像剩下的像素点的颜色的模型。方法主要步骤如下:给出一张图像的所有像素点,本发明的方法首先简单地将 图像分割 为若干个矩形区域,在这些矩形区域中随机各选一个像素点,然后对这些点进行主动学习选出最具代表性的像素点,记录其灰度及颜色值,对图像剩余像素点则只记录其灰度值,完成压缩过程;在解压时使用拉普拉斯正则化最小二乘LapRLS这一种 半监督学习 的 算法 来预测还原所有像素点颜色。,下面是一种基于主动学习和半监督学习的图像压缩方法专利的具体信息内容。
1.一种基于主动学习和半监督学习的图像压缩方法,其特征在于:
1)简单地将图像分割成若干个矩形区域,在这些矩形区域中各自随机选择一个像素点,形成像素点矩阵;
2)所得的矩阵中通过主动学习算法,选取最具代表性的像素点,记录其颜色值;对图像剩余点仅记录灰度值,完成对图像的压缩;
3)图像的解压缩过程利用主动学习过程中选取的点的颜色值,采用LapRLS算法对剩余点的颜色值进行预测还原。
2.根据权利要求1所述的一种基于主动学习和半监督学习的图像压缩方法,步骤(1)中提取每个像素点的空间位置、灰度值和颜色信息(YUV空间)作为特征值;根据图像的大小将其平均分割为若干个矩形区域,在每个矩形区域中随机选取一个像素点;并根据取出的这些点构建若干个最近邻图。
3.根据权利要求1所述的一种基于主动学习和半监督学习的图像压缩方法,步骤(2)中的最具代表性的像素点的选取,目标是使根据所选取的点通过LapRLS算法所预测剩余像素点颜色的结果的协方差期望值最小化,即通过选取适当的学习带标签像素点集,使得对于目标函数
其中f是LapRLS算法使用带标签和不带标签点进行学习的回归模型,在m个点之中k个点是带标签的;yi是点的标签,z是带标签的点,x是任何点;S是相似度矩阵,λ1和λ2是对应的权重,学习的解 的协方差最小。
4.根据权利要求1所述的一种基于主动学习和半监督学习的图像压缩方法,步骤(3)使用LapRLS,利用步骤(2)中选取的带标签点矩阵学习JLapRLS(w)的解 从而使用来获得对图像中除带标签点矩阵以外所有点的颜色的预测值,完成对图像的还原。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于流形正则和范数正则的领域迁移极限学习机方法 | 2020-05-11 | 423 |
一种基于Triple-GAN的分类方法 | 2020-05-11 | 545 |
锥束计算机断层扫描图像注册与重叠方法 | 2020-05-15 | 20 |
一种基于半监督学习深度对抗网络的故障诊断方法 | 2020-05-12 | 671 |
一种资产配置方法、装置、电子设备及存储介质 | 2020-05-11 | 647 |
一种基于语音和表情的自适应权重双模态融合情感识别方法 | 2020-05-19 | 142 |
基于对抗训练的跨领域虚假评论识别方法 | 2020-05-13 | 239 |
一种图形化编程的深度学习神经网络搭建方法 | 2020-05-18 | 737 |
基于半监督学习的图片分类方法、装置和计算机设备 | 2020-05-08 | 521 |
一种软件系统的用户需求处理系统及处理方法 | 2020-05-11 | 780 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。