-
公开(公告)号：CN107609982B
公开(公告)日：2020-11-24
申请号：CN201710829612.5
申请日：2017-09-14
Applicant: 福州大学
Abstract: 本发明涉及一种考虑社区结构稳定度和增量相关节点进行社区发现的方法，包括以下步骤：1、生成初始社区集，设置社区的初始权重，并初始化迭代时刻；2、计算增量相关节点集合IVt；3、遍历每个社区，解散社区集NSt中社区权重和社区规模小于阈值的社区；4、对集合IVt中的节点进行社区划分，生成新社区；5、遍历每个新社区，解散社区规模小于阈值的新社区；6、遍历剩余相关节点集合IVt‑rm中各节点，计算节点与相邻社区的相似度，将其加入相似度最高的社区，生成社区集NSt；7、更新每个社区的稳定度和权重；8、计算NSt的社区结构稳定度；9、判断是否满足迭代停止条件，以结束计算。该方法可以高效、准确地进行社区发现。
-
公开(公告)号：CN111951207A
公开(公告)日：2020-11-17
申请号：CN202010861879.4
申请日：2020-08-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度增强学习和语义损失的图像质量增强方法，步骤S1：构造两种数据集，分别为单一程度单一失真类型数据集和不同程度混合失真类型的数据集；步骤S2：设计一种卷积神经网络模型和一个深度增强学习网络，并为深度增强学习网络设计一种包含综合失真损失和语义损失的损失函数；训练深度增强学习网络，得到训练好的图像质量增强模型；步骤S3：将待测的失真图像划分为图像块，利用训练好的图像质量增强模型恢复待测失真图像的质量，得到最终的图像质量增强结果。本发明利用预训练好的应对单一失真类型的工具集合，通过找出使恢复结果最佳的工具及其使用顺序，最终显著增强混合失真类型图像的质量。
-
公开(公告)号：CN111860691A
公开(公告)日：2020-10-30
申请号：CN202010758819.X
申请日：2020-07-31
Applicant: 福州大学
IPC: G06K9/62 , G06N3/04 , H04N13/10 , H04N13/161
Abstract: 本发明涉及基于注意力和循环神经网络的专业立体视频视觉舒适度分类方法，包括以下步骤：1、对训练视频集合和待预测视频集合进行场景分割并通过预处理得到视差图；2、进行帧级处理得到帧级特征；3、进行镜头级处理得到隐藏状态集；4、双流融合，使用注意力网络对上一步输出的隐藏状态集合进行融合得到最终的隐藏状态；5、最终的隐藏状态经过分类网络输出分类概率并将专业立体视频分类为适合儿童观看或仅适合成人观看。6、将待测试视频集合中立体视频的左视图和对应的视差图输入训练好的模型中进行分类。本发明能有效分辨专业立体视频是否适合儿童观看。
-
公开(公告)号：CN111798400A
公开(公告)日：2020-10-20
申请号：CN202010700648.5
申请日：2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的无参考低光照图像增强方法及系统，该方法包括以下步骤：分别对原始分辨率的低光照图像和正常光照图像进行预处理，得到用于训练的不成对的低光照图像块和正常光照图像块；构建用于低光照增强的生成器网络和用于进行对抗训练的判别器网络；使用低光照图像块和正常光照图像块交替训练生成器网络和判别器网络收敛到纳什平衡；将用于测试的原始低光照图像输入训练好的生成器网络预测其增强后的图像。该方法及系统有利于提高低光照图像增强的质量。
-
公开(公告)号：CN111669563A
公开(公告)日：2020-09-15
申请号：CN202010563773.6
申请日：2020-06-19
Applicant: 福州大学
IPC: H04N13/106 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于强化学习的立体图像视觉舒适度增强方法，首先构造两种数据集，然后设计立体图像几何校正网络，依次采用不同的单一变换数据集训练该网络分别得到不同的立体图像几何校正工具；接着设计视觉舒适度增强模型，利用混合变化数据集并采用强化学习算法来训练该视觉舒适度增强模型；最后将待调整的立体图像输入训练好的视觉舒适度增强模型中，以提高其视觉舒适度。本发明可以显著提高视觉不适的立体图像的质量，给予观看者舒适的观看体验。
-
Patent Agency Ranking
公开(公告)号：CN111311517A
公开(公告)日：2020-06-19
申请号：CN202010120345.6
申请日：2020-02-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于抠图的颜色校正优化方法，包括以下步骤：S1：输入参考图像和目标图像，生成颜色校正结果图像和初始残差图像；S2：利用初始残差图像建立损失函数并使其最小化，获得关于最优残差图像的二次型损失函数；S3：利用MDSI和GSM方法分别生成目标图像和颜色校正结果图像的结构一致性置信图和梯度相似性置信图，进而得到图像一致性置信图；S4：在二次型损失函数中添加结构数据项来约束图像的结构，生成最优残差图像，进而生成结果图像；S5：利用梯度优化算法对结果图像进行梯度一致性优化，增强结果图像的边缘结构，生成最终结果图像。该方法有利于在对图像进行颜色校正优化的同时保证图像的清晰度。
-
公开(公告)号：CN109978859A
公开(公告)日：2019-07-05
申请号：CN201910237280.0
申请日：2019-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于可见失真池化的图像显示适应质量评估方法。包括以下步骤：S1：读取原始图像，使用显著物体检测算法生成显著性图S；S2：使用图像配准方法建立原始图像与显示适应图像的像素级映射关系；S3：使用像素级映射关系计算图像的块级保真度F；S4：使用可见失真池化策略池化显著性图S和图像保真度F，计算显示适应图像的整体客观评估质量Q。本发明可有效地模拟显示适应图像客观质量评估中的人眼评估机制，解决重要度加权池化策略在组间比较时的不足，并有助于提升客观评估方法的评估分数与主观评分之间的一致性，可应用于显示适应图像的客观质量评估领域，以及其他需要采用池化策略结合局部信息评估整体质量的应用领域。
-
公开(公告)号：CN109727246A
公开(公告)日：2019-05-07
申请号：CN201910077607.2
申请日：2019-01-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于孪生网络的对比学习图像质量评估方法。首先，将待训练的图像做局部对比度归一化处理，然后划分为图像块，并生成图像对；其次，设计孪生卷积神经网络的结构，使用所设计的网络训练图像质量评估模型；最后，将待测图像划分为图像块，并生成图像对。利用训练好的模型预测所生成的所有待预测图像对的质量优劣，得出所有图像的质量排名，根据排名得出每张图像的质量分数。本发明方法提出将图像质量评价问题转换为图像块之间的质量对比问题，利用图像块间的两两对比，通过统计每张图和其他图像对比的结果来获得每张图像的质量得分，能显著提高无参照图像质量评估性能。
-
公开(公告)号：CN109242047A
公开(公告)日：2019-01-18
申请号：CN201811206225.7
申请日：2018-10-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于K-means++聚类和残差网络分类的银行卡卡号检测与识别方法,包括以下步骤：步骤S1:采集银行卡数据集和银行卡卡号数据集，并对采集的银行卡数据集进行标注，对采集的银行卡卡号数据集进行分类；步骤S2:构建银行卡卡号定位模型，并根据得到的银行卡数据集训练银行卡卡号定位模型；步骤S3:构建银行卡卡号分类模型，并根据得到的银行卡卡号数据集训练银行卡卡号分类模型步骤S4:将待检测的银行卡图像输入训练好的银行卡卡号定位模型中，定位卡号位置，并保存卡号图像；将卡号图像输入训练好的银行卡卡号分类模型中，得到卡号识别结果。本发明能够有效地对待检测图像中的银行卡卡号进行检测与识别。
-
公开(公告)号：CN108334955A
公开(公告)日：2018-07-27
申请号：CN201810172388.1
申请日：2018-03-01
Applicant: 福州大学
Abstract: 本发明公开了一种基于Faster-RCNN的身份证复印件检测方法，包括：选择若干身份证复印件图像，制作Faster-RCNN模型的数据集，设置Faster-RCNN模型的参数，对身份证复印件测试图像进行预处理，基于数据集对Faster-RCNN模型进行训练，输入测试图像，利用训练好的Faster-RCNN模型进行检测。本发明方法对图像模糊、角度众多、边框不清晰的身份证复印件同样能够取得较好的检测结果，实用性强，检测效果较好，发展前景良好。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.026 seconds)
