-
公开(公告)号：CN111192211B
公开(公告)日：2022-07-01
申请号：CN201911346539.1
申请日：2019-12-24
Applicant: 浙江大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于单个深度神经网络的多噪声类型盲去噪方法，包括以下步骤：基于卷积神经网络构建多任务噪声估计子网络，利用该多任务噪声估计子网络对输入原始噪声图像进行噪声类型估计和噪声水平估计；基于卷积层构建去噪子网络，利用该去噪子网络对多任务噪声估计子网络输出的噪声类型和噪声水平整合获得的混合图像进行去噪，输出噪声残差图像；融合原始噪声图像和噪声残差图像，获得去噪后图像。该多噪声类型盲去噪方法通过对噪声进行分类然后针对每类噪声单独去噪，大大提升了去噪效果。
-
公开(公告)号：CN113034380B
公开(公告)日：2022-06-10
申请号：CN202110178143.1
申请日：2021-02-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于改进可变形卷积校正的视频时空超分辨率方法和装置，包括：构建包含特征提取模块、帧间校正模块以及图像重建模块的视频时空超分辨率网络；对视频时空超分辨率进行网络参数优化后备用；应用时，利用特征提取模块从输入低分率的相邻视频帧提取特征图，利用帧间校正模块依据相邻视频帧对应的特征图在进行校正处理合成中间帧特征图，利用及图像重建模块对输入的中间帧特征图和相邻视频帧对应的特征图进行帧间与帧内特征的提取，重建输出高分辨率高帧率的图像序列。通过改进可变形卷积的模式、引入显式光流估计、注意力网络等技巧，使得帧间校正网络更好地胜任视频时空超分辨率任务，大大提升了复原效果。
-
公开(公告)号：CN112741636B
公开(公告)日：2022-06-10
申请号：CN202011494364.1
申请日：2020-12-17
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多位点同步性变化的颞叶癫痫检测系统，其特征在于，包括至少一个计算机系统，其被配置成：接收同步记录在海马和边缘系统上多个位点的异常放电信号；对接收的异常放电信号进行预处理确定用于检测的目标频段；根据目标频段内多位点的异常放电信号的同步变化情况检测颞叶癫痫。通过分析海马与边缘系统上多个位点的同步性变化，检测癫痫发作。
-
公开(公告)号：CN114549687A
公开(公告)日：2022-05-27
申请号：CN202210042583.9
申请日：2022-01-14
Applicant: 浙江大学
Abstract: 本发明公开了一种基于贝叶斯压缩感知的反卷积复值波束图的构建方法和装置，(1)获取声纳系统接收的反射信号，采用波束形成算法根据反射信号构建复值波束图；(2)基于复值波束图构建复值反卷积问题，并在赋予先验概率条件下，采用扩展复值贝叶斯压缩感知算法搜索复值波束图中的候选目标点；(3)对候选目标点对应的索引编号向量和控制参数向量进行检查和重新构建，得到候选目标点的筛选结果；(4)以重新构建的索引编号向量和控制参数向量为基础，利用复值贝叶斯压缩感知算法对候选目标点的筛选结果进行再次搜索，以得到复值波束图中的目标点；(5)基于复值波束图中的目标点构建反卷积复值波束图。该方法能够获得高质量反卷积复值波束图。
-
公开(公告)号：CN113057656B
公开(公告)日：2022-02-01
申请号：CN202110336139.3
申请日：2021-03-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自适应阈值在线脑神经锋电位信号检测方法、装置和系统，包括：步骤1，确定起始位置，依据初始化的信号最小值和信号差值，对起始位置起的脑神经信号进行筛选获得测试样本，依据测试样本的长度确定测试周期；步骤2，以每个测试周期内首个测试样本的标准差作为每个测试周期的噪声带阈值；步骤3，针对测试周期内的每个脑神经信号，依据噪声带阈值与以当前脑神经信号为止的前一段历史脑神经信号确定脑神经信号的自适应阈值；步骤4，依据脑神经信号与对应的自适应阈值筛选基准脑神经信号点，并依据基准脑神经信号点提取锋电位信号。以实现降低在线检测计算消耗的同时提升检测准确性。
-
Patent Agency Ranking
公开(公告)号：CN113034381A
公开(公告)日：2021-06-25
申请号：CN202110184461.9
申请日：2021-02-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于空洞化的核预测网络的单图像去噪方法和装置，包括：构建包含特征提取模块、特征压缩模块、核预测模块以及图像重建模块的基于空洞化的核预测网络；对空洞化的核预测网络进行参数优化后备用；应用时，将噪声图像输入至参数优化后的基于空洞化的核预测网络，利用特征提取单元从噪声图像中提取高级特征图，利用特征压缩模块将高级特征图压缩成压缩特征图，利用核预测模块根据高级特征图提取预测卷积核，利用图像重建模块基于预测卷积核和压缩特征图获得预测图后与噪声图像融合，得到去噪后图像。通过为单图像去噪问题引入核预测网络，并使用空洞卷积、多核通道融合、压缩特征图等技巧实现单图像去噪任务，大大提升了去噪效果。
-
公开(公告)号：CN112416844A
公开(公告)日：2021-02-26
申请号：CN202011358360.0
申请日：2020-11-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于FPGA与GPU的Spike信号检测与分类装置，装置使用FPGA进行可变通道Spike信号数据的采集与预处理；使用GPU对预处理后的数据进行特征提取与分类，完成Spike信号的提取与分类任务。装置采用PCI‑E、千兆以太网技术进行数据传输，数据传输具有稳定、可靠、实时的特点。采用FPGA和GPU混合架构，提高了数据并行处理能力，增强装置的实时性。通道数量可变，Spike信号提取方法可选，同时将原始数据上传到上位机中，具有很强的灵活性和可扩展能力。
-
公开(公告)号：CN111722232A
公开(公告)日：2020-09-29
申请号：CN202010398304.3
申请日：2020-05-12
Applicant: 浙江大学
Abstract: 本发明公开了一种具备三维定位能力的多波束成像声纳实时信号处理装置，包括嵌入式GPU信号处理子系统、信号交互子系统、多个信号采集子系统；信号采集子系统包含并行的至少2个采集组件，每个采集组件受信号交互子系统控制同步并行采集声纳线阵数据，并对采集数据进行预处理后传输至信号交互子系统；信号交互子系统同时控制多个信号采集子系统采集声纳线阵数据，作为中间桥梁实现嵌入式GPU信号处理子系统与信号采集子系统之间声纳线阵数据的传输；嵌入式GPU信号处理子系统控制信号交互子系统传输声纳线阵数据，并对声纳线阵数据进行波束形成算法和互谱法的实时计算，以获得二维声学图像数据和目标三维定位结果并上传至上位机以显示。
-
公开(公告)号：CN108921910B
公开(公告)日：2020-05-29
申请号：CN201810853338.X
申请日：2018-07-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于可伸缩卷积神经网络的JPEG编码压缩图像复原方法，属于图像信号处理、人工智能领域。本发明首先提出了基于可伸缩卷积神经网络的JPEG编码压缩图像复原方法的处理框架，该框架由图像特征编码单元、图像特征解码单元、非线性特征映射单元以及用于训练可伸缩卷积神经网络的贪心损失框架组成。本发明利用贪心损失框架局部最优特性，结合深度卷积神经网络强大的泛化能力，实现了在不改变网络模型权值的前提下对网络的深度进行动态的调整。同时，该方法在JPEG编码压缩图像复原领域较传统的图像去块滤波方法在主观图像质量及PSNR、SSIM等关键技术指标上均有明显的提升。
-
公开(公告)号：CN111123273A
公开(公告)日：2020-05-08
申请号：CN201911347839.1
申请日：2019-12-24
Applicant: 浙江大学
IPC: G01S15/89
Abstract: 本发明公开了一种基于贝叶斯压缩感知算法的稀疏阵列优化方法，包括以下步骤：(1)将阵列稀疏问题转化为阵列的参考波束的贝叶斯概率匹配问题，并通过求解相关向量机得到初始稀疏阵列；(2)对获得的初始稀疏阵列进行一阶泰勒近似展开以增加阵元位置的位置偏移量，对增加位置偏移量的稀疏阵列进行优化；(3)定义一个最小阵元间距值，将间距小于该最小阵元间距值的阵元点合并以达到约束最小阵元间距的目的，最后通过凸优化技术计算阵元的权重系数。该稀疏阵列优化方法具有较高的计算效率，采用更少的换能器数量获得相同的波束方向图性能，同时，稀疏阵的阵元最小间距被约束在了一个合理的数值上。
-
-
-
-
-
-
-
-
-
Search Results
314
records
(took 0.053 seconds)
