-
公开(公告)号：CN119693260A
公开(公告)日：2025-03-25
申请号：CN202411584208.2
申请日：2024-11-07
Applicant: 金川集团股份有限公司 , 北京信息科技大学
IPC: G06T5/70 , G06T5/60 , G06T5/90 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及图像处理领域，具体涉及一种基于先验信息估计的图像增强处理方法及系统，该方法包括：选择原始图像并记录原始图像尺寸；对原始图像进行噪声估计，并制作尺寸相同的噪声水平图像；计算原始图像的对比度，并制作尺寸相同的对比度水平图像；将所述噪声水平图像、对比度水平图像作为先验信息与所述原始图像进行叠加，获得新的图像；对新的图像进行特征提取，获得特征图像；针对特征图像，提取多个不同尺度的特征图；分别对每个特征图进行图像增强处理；将增强后的特征图进行整合得到最终的增强后的图像。本发明的图像增强处理方法能够提高图像的清晰度和细节表达，有效去除噪声，保留图像细节信息，提高图像质量。
-
公开(公告)号：CN117528274B
公开(公告)日：2024-05-14
申请号：CN202311504397.3
申请日：2023-11-13
Applicant: 北京信息科技大学
IPC: H04N25/674 , H04N25/21 , G06T5/60 , G06T5/70 , G06T5/73 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了基于深度学习的红外成像非均匀噪声提取及优化方法，通过利用历史标准红外图像，基于深度学习构建卷积神经网络模型来对原始红外图像进行初始噪声特征提出，实现对原始红外图像的噪声提取，通过基于可疑噪声区域中的噪声均值，对可疑噪声区域进行去模糊噪声特征提取，实现对原始红外图像的进一步噪声提取，通过在利用卷积神经网络模型提取的初始噪声特征作为基础，再次利用去模糊理论进行去模糊噪声特征提取，最终基于初始噪声特征和去模糊噪声特征确定目标噪声特征，在原始红外图像减去目标噪声特征，从两个维度来共同决定对原始红外图像的优化，保证得到的目标红外图像的成像质量，为工业领域的自动化精准检测提供基础。
-
公开(公告)号：CN117251574A
公开(公告)日：2023-12-19
申请号：CN202311450732.6
申请日：2023-11-02
Applicant: 北京信息科技大学
IPC: G06F16/35 , G06F16/33 , G06F40/279 , G06F18/213 , G06F18/24 , G06F18/25
Abstract: 本发明提供一种基于多特征数据融合的文本分类提取方法及系统，其中方法包括：对待处理数据进行预处理，获取第一数据；基于预设的数据嵌入规则，对第一数据进行数据嵌入处理，获取第二数据；对第二数据进行特征提取，获取多个特征数据；基于预设的评分模型，确定各个特征数据的权重；基于多个特征数据和权重，确定特征向量矩阵和权重矩阵；基于特征向量矩阵和权重矩阵，确定分类层的输入。本发明的基于多特征数据融合的文本分类提取方法，以词为最小单元特征进行文本分类任务，将深度学习算法与文本的表示方法结合起来，可以有效提高文本分类的精确度。
-
公开(公告)号：CN117196995A
公开(公告)日：2023-12-08
申请号：CN202311249426.6
申请日：2023-09-26
Applicant: 北京信息科技大学
Abstract: 本发明提供了基于人工智能的红外成像智能优化方法，首先通过对红外图像进行非均匀校正，得到目标图像矩阵，实现在参数迭代之前对红外图像进行非均匀校正，利用处理图像矩阵，对原始图像矩阵进行图像修正，为图像参数的进一步迭代和优化提供好的图像质量基础，然后基于人工智能获取目标图像矩阵的暗色区域，亮色区域和正常区域，为红外图像的修正提供区域基础，然后分别对暗色区域和亮色区域的图像参数进行迭代，根据迭代结果确定暗色区域和亮色区域的目标图像参数，通过图像参数迭代的方式实现对红外图像的修正，消除了其他杂光的干扰，保证最终得到的目标红外图像的质量，为实现准确医疗诊断提供高质量红外图像。
-
公开(公告)号：CN115908305A
公开(公告)日：2023-04-04
申请号：CN202211425918.1
申请日：2022-11-14
Applicant: 北京信息科技大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开的实施例公开了胶质瘤识别系统。该系统包括样本采集服务器和模型训练服务器，其中：样本采集服务器，用于获取脑磁共振样本集合并将脑磁共振样本集合发送给模型训练服务器；模型训练服务器，用于：根据上述脑磁共振样本集合，训练胶质瘤识别模型，以得到可使用的胶质瘤识别模型；响应于检测到作用于用户胶质瘤识别页面包括的用户确认控件的选择操作，将脑磁共振图片集合中对应所选择的用户的脑磁共振图片确定为目标脑磁共振图片；响应于检测到作用于胶质瘤识别确认控件的选择操作，将上述目标脑磁共振图片输入至上述可使用的胶质瘤识别模型，得到胶质瘤识别结果并发送到通信连接的显示器供显示。该实施方式可以提升胶质瘤识别模型的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115690433A
公开(公告)日：2023-02-03
申请号：CN202211222873.8
申请日：2022-10-08
Applicant: 北京信息科技大学
Abstract: 本申请公开了一种基于深度卷积神经网络的红外非均匀性校正方法及装置。其中，该方法包括：获取红外图像；利用基于深度卷积神经网络预先构建并训练的红外非均匀性校正模型，来去除所述红外图像中的噪声，以校正所述红外图像。本申请解决了红外图像去噪效果不好而导致的图像细节模糊的技术问题。
-
公开(公告)号：CN113465746B
公开(公告)日：2022-03-08
申请号：CN202110751298.X
申请日：2021-07-02
Applicant: 北京信息科技大学 , 金川集团股份有限公司
Abstract: 本发明公开了一种用于工业炉测温的全自动红外测温系统，包括：红外检测组件，设置在所述工业炉上，用于：接收红外测温主机发送的控制指令，在确定所述控制指令为伸出指令时，插入所述工业炉的看火孔；将所述工业炉内壁发出的红外辐射场能转换为对应的阵列图像信号；红外测温主机，与所述红外检测组件连接，用于：接收所述红外检测组件发送的阵列图像信号，对所述阵列图像信号进行信号处理，生成与工业炉内壁相对应的温度场热像图；将所述温度场热像图进行存储及显示。有益效果：具有使用方便、测量精度高、降低了红外测温的成本的优点。
-
公开(公告)号：CN111325721A
公开(公告)日：2020-06-23
申请号：CN202010090294.7
申请日：2020-02-13
Applicant: 北京信息科技大学
Inventor： 邓峰
Abstract: 本发明公开了一种基于红外热成像的气体泄漏检测方法及系统，该方法包括：采集气体泄漏红外视频序列图像，获得气体红外图像序列；将获取的当前帧图像和前N帧图像逐帧进行预处理；对于预处理后的当前帧图像和前N帧图像进行数字细节增强；对数字细节增强后的当前帧图像和前N帧图像，采用联合帧间差分和背景差分获取当前帧图像中的气体泄露疑似区域；提取当前帧图像中的气体泄露疑似区域的气体云团特征；对提取的气体疑似区域的气体云团特征进行特征选择，选择出与被测气体最为相关的主要特征；输入预先训练好的分类器，对气体泄漏区域进行定位和识别检测。该方法结合红外热成像图像处理和机器学习技术，实现气体泄漏位置的精确定位和非接触检测。
-
公开(公告)号：CN117528274A
公开(公告)日：2024-02-06
申请号：CN202311504397.3
申请日：2023-11-13
Applicant: 北京信息科技大学
IPC: H04N25/674 , H04N25/21 , G06T5/60 , G06T5/70 , G06T5/73 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了基于深度学习的红外成像非均匀噪声提取及优化方法，通过利用历史标准红外图像，基于深度学习构建卷积神经网络模型来对原始红外图像进行初始噪声特征提出，实现对原始红外图像的噪声提取，通过基于可疑噪声区域中的噪声均值，对可疑噪声区域进行去模糊噪声特征提取，实现对原始红外图像的进一步噪声提取，通过在利用卷积神经网络模型提取的初始噪声特征作为基础，再次利用去模糊理论进行去模糊噪声特征提取，最终基于初始噪声特征和去模糊噪声特征确定目标噪声特征，在原始红外图像减去目标噪声特征，从两个维度来共同决定对原始红外图像的优化，保证得到的目标红外图像的成像质量，为工业领域的自动化精准检测提供基础。
-
公开(公告)号：CN114119641A
公开(公告)日：2022-03-01
申请号：CN202111422875.7
申请日：2021-11-26
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种左心室分割方法及装置，涉及医学图像处理技术领域，包括：获取受试者的心脏核磁共振图像，并采用专业标记方式标记左心室的轮廓，定义为第一轮廓区域；获取多个包含心脏核磁共振信息的图像，构建Numpy数组，并对Numpy数组内的图像进行剪切和翻转；将处理后的Numpy数组的图像作为预设神经网络的输入，训练预设神经网络，并获取左心室分割模型；将受试者的心脏核磁共振图像输入左心室分割模型，获取受试者左心室的轮廓区域，定义为第二轮廓区域；对比第一轮廓区域和第二轮廓区域，判断左心室分割模型输出的准确性。本申请基于可解释卷积神经网络训练的左心室分割模型，能够有效保证左心室分割结果的可行性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.027 seconds)
