公开(公告)号：CN113808057A

公开(公告)日：2021-12-17

申请号：CN202110885619.5

申请日：2021-08-03

Applicant: 上海大学

Inventor： 刘金华 ,  黄东晋 ,  周舒华 ,  石永生

IPC: G06T5/50 ,  G06T7/90

Abstract: 本发明涉及一种基于无监督学习的内窥镜图像增强方法，包括四个步骤：(1)对原始内窥镜图像数据集进行预处理，利用三种图像增强技术处理原始图像得到三张派生图；(2)将原始图像和其对应的派生图转换到HSI颜色空间，保持H通道图像不变，将派生图的I通道图像输入无监督学习网络，进行深度网络模型训练；(3)根据网络训练后得到的训练参数，得到I通道图像增强结果；(4)对原始图像的S通道图像进行自适应非线性拉伸处理，并将HSI颜色空间转换回RGB颜色空间输出最终增强图像。本发明的无监督学习网络不需要ground truth作为参考图像，通过non‑reference损失函数实现网络的训练。该方法较现有方法在对比度、清晰度和细节信息方面都有显著的提高，具有很高的临床应用价值。

公开(公告)号：CN118071578A

公开(公告)日：2024-05-24

申请号：CN202410107116.9

申请日：2024-01-25

Applicant: 上海大学

Inventor： 黄东晋 ,  李贞妍 ,  刘金华 ,  石永生 ,  曲建涛

IPC: G06T3/04 ,  G06T7/194 ,  G06T7/90 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0455

Abstract: 本发明涉及一种基于生成对抗网络的发型转换方法，该方法针对人脸头发图像转换生成质量问题设计了一种视角图像生成方法。该方法在头发分割阶段，通过改进分割算法并内嵌能够增强视觉表示学习能力的注意力结构，对发型转换中的头发形状进行分割；在头发映射阶段，通过将头发颜色信息映射到头发映射器的中语义层，来提高与参考图像的颜色一致性。本发明方法无需昂贵算力要求，可以生成发型和发色一致度更高的图像，在视觉质量和真实感上具备最好的综合性能，这将有效促进数字互娱高质量发展。

公开(公告)号：CN116188340A

公开(公告)日：2023-05-30

申请号：CN202211649623.2

申请日：2022-12-21

Applicant: 上海大学

Inventor： 刘金华 ,  黄东晋 ,  周舒华 ,  石永生

IPC: G06T5/50 ,  G06T5/00 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种基于图像融合的肠道内窥镜图像增强方法，该方法针对内窥镜图像照度不均、对比度偏低、纹理细节信息缺失设计了一种增强方法，它包括四个步骤：(1)创建数据集；(2)将图像输入编码器‑解码器多注意力U‑Net网络，进行深度网络模型训练以获取全局增强图像；(3)将图像输入分割网络HarDNet‑MSEG，进行深度网络模型训练以获取息肉分割mask图像；(4)判断是否含有息肉，若含有，进行图像融合，否则输出全局增强图像；(5)将编码器‑解码器多注意U‑Net网络获取的全局增强图像和HarDNet‑MSEG获取的mask图像融合输出最终局部增强图像。本发明提出的基于图像融合的肠道内窥镜图像增强方法相对其他图像增强算法更能引起人们对病变区域的关注，具有可应用于临床诊断的医学价值。