-
公开(公告)号：CN104463843A
公开(公告)日：2015-03-25
申请号：CN201410606709.6
申请日：2014-10-31
Applicant: 南京邮电大学
IPC: G06T7/00
CPC classification number: G06T7/11
Abstract: 本发明提供一种安卓系统的交互式图像分割方法，为提取图像前景物体的新方法，首先，对传统图割算法的能量函数定义进行改进，取消了区域项，增强了边界项，从而消除了边界项参数对分割结果的影响，并将改进的方法在安卓平台加以实现；然后，在安卓平台上，针对迭代交互式图割算法的迭代次数对分割精度的影响，得出迭代次数性价比最高的设定；最后，利用迭代交互式图割算法，针对某些分割不准确的情况，加入交互式修正环节，来确保图像分割的精度，并将所提取景物体融入到其它背景图像中；交互式图割算法上的改进，消除了原能量函数中区域项，从而提高算法计算效率，将此改进算法应用于安卓平台，用户在安卓设备上就能轻松实现图像分割。
-
公开(公告)号：CN114972079B
公开(公告)日：2024-11-15
申请号：CN202210513142.2
申请日：2022-05-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于二阶广义全变分和核范数的动态磁共振成像方法，包括：获取动态磁共振成像的原始矩阵；通过利用二阶广义全变分和核范数分别对所述原始矩阵的稀疏矩阵和低秩矩阵进行约束，构建二阶广义全变分和核范数模型；利用原始对偶算法对所述二阶广义全变分和核范数模型进行迭代求解，得到最优的低秩矩阵和稀疏矩阵；将所得到的最优的低秩矩阵和稀疏矩阵组合即为动态磁共振的重建图像。本发明在动态磁共振成像时能够在保留图片边缘信息的同时具有很好的抑制空间伪影的效果，保障重建图像的质量。
-
公开(公告)号：CN116453048A
公开(公告)日：2023-07-18
申请号：CN202310297846.5
申请日：2023-03-24
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种结合可学习注意力机制的人群计数方法，包括：1、获取目标区域的图像以及真实点阵图；2、对目标区域的图像进行预处理；3、生成真实密度分布图；4、初始化可学习注意力机制网络模型参数，将训练集中的图像作为输入，目标区域的预测密度分布图作为输出，通过比较目标区域的预测密度分布图与真实密度分布图之间的误差，训练可学习注意力机制网络模型，并通过测试集测试模型精度，获得训练完成的可学习注意力机制网络模型。本发明可以解决人群计数网络模型在尺度变化和人头位置偏差的问题，同时更能适应场景中的尺度变化。
-
公开(公告)号：CN114897724A
公开(公告)日：2022-08-12
申请号：CN202210496574.7
申请日：2022-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于TWF的软阈值加权相位恢复方法、装置及存储介质，该方法包括：向采样系统输入图像信号，获得观测值；根据获得的观测值，利用截断谱方法计算初始测量值；将初始测量值代入软阈值加权迭代公式，获得测量值；计算测量值的恢复误差，若恢复误差低于阈值则输出测量值，否则将测量值代入软阈值加权迭代公式，获得下一轮测量值至恢复误差低于阈值，相比于现有技术有更强的图像恢复质量和优秀的收敛性。
-
公开(公告)号：CN114820352A
公开(公告)日：2022-07-29
申请号：CN202210365831.3
申请日：2022-04-08
Applicant: 南京邮电大学
IPC: G06T5/00 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种高光谱图像去噪方法、装置及存储介质，将待去噪的高光谱图像数据输入预训练优化好的高光谱图像去噪模型，得到输出的经过去噪的高光谱图像结果；其中所述高光谱图像去噪模型的构建方法包括：首先利用低秩张量分解将噪声从原始图像中分离出来，得到退化模型；接着在模型中加入改进的加权的全变分正则器,充分表征高光谱图像波段之间的空间和光谱相关性；然后用L1范数来规范稀疏噪声，用F范数来规范高斯噪声；最后利用增广拉格朗日乘子法求解模型，结合输入带有稀疏噪声和高斯噪声的训练集图像，更新优化模型。本发明公开的高光谱图像去噪方法可以得到更好的恢复效果，在定量评价和视觉比较方面有明显的改善。
-
Patent Agency Ranking
公开(公告)号：CN112927263A
公开(公告)日：2021-06-08
申请号：CN202110445836.2
申请日：2021-04-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于互补几何模型与相似度矩阵的运动分割方法，首先对视频序列进行假设估计，分别拟合仿射矩阵，基本矩阵与单应性矩阵模型的假设估计；然后用有序残差核算法计算相关性；接着采用累加方法获得相似度矩阵；最后通过谱聚类得到聚类结果；本发明公开的运动分割方法在更普遍的视频序列数据集上可以得到更好的准确率，相比于现有技术中的运动分割方法有更强的普适性。
-
公开(公告)号：CN111126464A
公开(公告)日：2020-05-08
申请号：CN201911280832.2
申请日：2019-12-13
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于无监督域对抗领域适应的图像分类方法，该方法将生成对抗网络的技术应用于无监督领域适应的图像分类；为了消除边缘样本的错分率，该方法将源域样本和目标域样本共同处理基于深度双通道网络。首先，利用有标签的源域样本训练双通道网络的参数；然后，通过对抗游戏和相关性对齐方法学习与不变特征来消除域差异；另外该方法通过联合中心鉴别方法和特征相似增强方法使域不变特征有更好的鉴别性，本发明分类效果更好，通过无监督与对抗领域适应图像分类方法，边缘样本的错分率得到了有效的缓解。
-
公开(公告)号：CN111028301A
公开(公告)日：2020-04-17
申请号：CN201911105175.8
申请日：2019-11-13
Applicant: 南京邮电大学
IPC: G06T9/00
Abstract: 一种基于加权L1范数的卷积稀疏编码方法，包括如下步骤，对字典过滤器{dm}和目标图像s进行傅里叶变换，并计算L1范数的自适应权重wm；根据交替方向乘子法构建卷积稀疏编码优化模型，将优化问题分解为x子问题和y子问题；根据卷积定律将x子问题转化为频域；通过变量重排列将x子问题的求解分解为若干个独立的线性问题进行求解；通过软阈值法对y子问题进行求解；根据获取的x子问题和y子问题的求解更新对偶变量um，计算出原始残差rp和对偶残差rd及计算原始停止条件∈pri和对偶停止条件∈dua，更新惩罚系数ρ，当循环达到最大迭代次数或原始残差和对偶残差满足停止条件rp≤∈pri且rd≤∈pri时，输出卷积稀疏特征图，否则循环上述步骤。本方法具有编码效果好，计算速度快的优点。
-
公开(公告)号：CN108805222A
公开(公告)日：2018-11-13
申请号：CN201810430232.9
申请日：2018-05-08
Applicant: 南京邮电大学
IPC: G06K9/68
CPC classification number: G06K9/6835
Abstract: 本发明涉及一种基于ARM平台的深度学习手写数字识别方法，属于图像识别领域，具体步骤为：构建softmax深度学习神经网络模型；利用MNIST训练集训练模型；将深度学习模型移植到ARM平台；摄像头拍摄的手写数字照片预处理；识别并输出结果。本发明利用TensorFlow进行深度学习，具有开发简单、建模速度快、识别准确率高的优点，且ARM嵌入式平台具有成本低、稳定性好、实时性高等诸多优点。
-
公开(公告)号：CN108492267A
公开(公告)日：2018-09-04
申请号：CN201810222590.0
申请日：2018-03-16
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图正则化的矩阵填充图像修复方法，包括以下步骤：步骤1：将待修复图像D分成i个搜索区域M，将第Mi个搜索区域分成j个图像块K；步骤2：在第Mi个搜索区域中寻找p个与第Kj个图像块最为相似的图像块形成数据矩阵F；步骤3：计算数据矩阵F的图拉普拉斯矩阵与图正则化项；步骤4：将据矩阵F输入到基于图正则化的矩阵填充算法；步骤5：运用交替方向法求解基于图正则化的矩阵填充算法优化问题；步骤6：完成该搜索区域j个图像块处理后，通过整合图像块复原该搜索区域图像；若所有搜索区域都处理结束，跳到步骤7，否则跳到步骤2；步骤7：直至恢复出完整的图像。本发明有图像修复效果好的优点。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.033 seconds)
