-
公开(公告)号：CN113362350B
公开(公告)日：2024-04-02
申请号：CN202110846744.5
申请日：2021-07-26
Applicant: 海南大学
IPC: G06T7/11
Abstract: 本申请提供了一种癌症病历图像的分割方法、终端设备和计算机可读存储介质，获取待识别癌症病历DWI图像；将待识癌症病历DWI图像输入至预先训练的癌症区域分割模型，分别分割出待识别癌症病历DWI图像中的癌症区域和非癌症区域；其中，癌症区域分割模型是采用标记的不同尺度的癌症病历DWI图像样本对改进的神经网络进行训练得到的，改进的神经网络包括注意力网络；该方法可以采用一个模型快速分割出癌症和非癌症区域，减少了操作，提高了识别的效率。另外，该方法采用了改进的神经网络，识别准确率高。
-
公开(公告)号：CN113792640B
公开(公告)日：2023-07-14
申请号：CN202111044073.7
申请日：2021-09-07
Applicant: 海南大学
IPC: G06V20/10 , G06V10/30 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于DenseNet的海洋遥感图像噪声识别方法，包括步骤：获取海洋遥感图像，对海洋遥感图像进行多尺度特征提取，通过提取浅层特征的信息构建噪声图像数据集；对海洋遥感图像信息进行分析，将海洋遥感图像使用高频分解进行预处理；对DenseNet网络进行改进，增加网络底层的语义信息并与高级语义信息进行融合，形成一个新的特征增强块；将步骤S103所获得的特征增强块改进为Dense Block模块，在其网络结构中增加密集连接的密集块，再将形成的新的网络输入到注意力机制网络中；将改进后的Dense Block模块与DenseNet网络进行结合，获得海洋遥感图像识别后的噪声图像。所述方法具有计算复杂度低、去噪时间短、效果好的优点。
-
公开(公告)号：CN114240808A
公开(公告)日：2022-03-25
申请号：CN202111097327.1
申请日：2021-09-18
Applicant: 海南大学
Abstract: 本发明提供基于联合双边滤波和非下采样剪切波的图像融合算法，能够对来自不同传感器的遥感图像数据进行信息处理、分析，从而获得兼具不同来源的遥感图像的特征信息。处理过后的图像通常情况下比起源遥感图像的信息更丰富、更全面、更加符合人眼的视觉特性或机器的信息处理方式，以便于后续处理和更好地满足应用要求。
-
公开(公告)号：CN113792640A
公开(公告)日：2021-12-14
申请号：CN202111044073.7
申请日：2021-09-07
Applicant: 海南大学
Abstract: 本发明提供一种基于DenseNet的海洋遥感图像噪声识别方法，包括步骤：获取海洋遥感图像，对海洋遥感图像进行多尺度特征提取，通过提取浅层特征的信息构建噪声图像数据集；对海洋遥感图像信息进行分析，将海洋遥感图像使用高频分解进行预处理；对DenseNet网络进行改进，增加网络底层的语义信息并与高级语义信息进行融合，形成一个新的特征增强块；将步骤S103所获得的特征增强块改进为Dense Block模块，在其网络结构中增加密集连接的密集块，再将形成的新的网络输入到注意力机制网络中；将改进后的Dense Block模块与DenseNet网络进行结合，获得海洋遥感图像识别后的噪声图像。所述方法具有计算复杂度低、去噪时间短、效果好的优点。
-
Patent Agency Ranking
公开(公告)号：CN113643197A
公开(公告)日：2021-11-12
申请号：CN202110814955.0
申请日：2021-07-19
Applicant: 海南大学
Abstract: 本发明提供一种结合引导滤波和NSCT的两阶轻量型网络全色锐化方法，将引导滤波保留更好的边缘、细节信息和NSCT多尺度多方向的分解优势，与CNN相结合搭建两阶轻量型网络模型对MS图像和PAN图像进行融合，其中引导滤波对直方图匹配后的全色图像MLPAN进行滤波得到多尺度的高频分量以及低频分量，NSCT对从MS图像中提取的I分量图像进行滤波得到多尺度多方向的高频方向子带图像以及低频子带图像，再利用残差模块的优势构建细节提取网络ResCNN以提取注入细节In‑details，最后将In‑details和DUMS图像作为输入构建非线性模型NLCNN，对NLCNN网络充分训练，得到最优模型，该方法能更大程度提高空间分辨率的同时保留光谱信息，网络结构简单，减少了训练时间，防止出现过拟合现象，提高融合性能。
-
公开(公告)号：CN116958005A
公开(公告)日：2023-10-27
申请号：CN202310941029.9
申请日：2023-07-28
Applicant: 海南大学
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明提供一种自适应阶导向融合和多分辨率判别器的遥感图像融合方法，主要包括步骤：构建时空融合数据集和空谱融合数据集；确定自适应阶层；双向自适应阶特征提取；自适应阶渐进式注意力导向融合；构建自适应阶分辨率U型判别器；构建复合损失函数对模型进行优化；使用批量数据同时对生成器和多分辨率U型判别器进行训练，并使用Adam优化器对集成融合模型进行优化，得到最优模型并冻结；使用最优模型对测试数据进行空谱融合和时空融合生成高分辨率图像，本发明构建的集成融合模型既能实现空谱融合又能实现时空融合，实现了多任务的高分辨率图像的生成，并提高了融合精度。
-
公开(公告)号：CN113642429B
公开(公告)日：2023-07-14
申请号：CN202110865502.0
申请日：2021-07-29
Applicant: 海南大学
IPC: G06V20/40 , G06V10/46 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08 , G06T7/246 , G06T7/269
Abstract: 本发明提供一种基于TPP‑TCCNN的海洋鱼类识别方法，包括下列步骤：采集包含多种鱼类的原始视频，将所述原始视频划分为训练集以及测试集，并对所述训练集的鱼类视频信息进行预处理；对预处理后的鱼类视频信息进行特征提取，获取光流图像；建立双通道卷积神经网络，以光流图像以及RGB图像输入带有金字塔池化层的双通道卷积神经网络中进行训练，获得输出特征，所述RGB图像中所包含的鱼类信息与所述原始视频中的一致；通过softmax分类模型对所述输出特征进行分类训练；将测试集中的鱼类视频信息输入到最终的softmax分类模型中，得到鱼类分类结果。
-
公开(公告)号：CN113643197B
公开(公告)日：2023-06-20
申请号：CN202110814955.0
申请日：2021-07-19
Applicant: 海南大学
Abstract: 本发明提供一种结合引导滤波和NSCT的两阶轻量型网络全色锐化方法，将引导滤波保留更好的边缘、细节信息和NSCT多尺度多方向的分解优势，与CNN相结合搭建两阶轻量型网络模型对MS图像和PAN图像进行融合，其中引导滤波对直方图匹配后的全色图像MLPAN进行滤波得到多尺度的高频分量以及低频分量，NSCT对从MS图像中提取的I分量图像进行滤波得到多尺度多方向的高频方向子带图像以及低频子带图像，再利用残差模块的优势构建细节提取网络ResCNN以提取注入细节In‑details，最后将In‑details和DUMS图像作为输入构建非线性模型NLCNN，对NLCNN网络充分训练，得到最优模型，该方法能更大程度提高空间分辨率的同时保留光谱信息，网络结构简单，减少了训练时间，防止出现过拟合现象，提高融合性能。
-
公开(公告)号：CN113870281A
公开(公告)日：2021-12-31
申请号：CN202111090101.9
申请日：2021-09-17
Applicant: 海南大学
Abstract: 本发明提供一种基于金字塔机制的遥感影像海洋与非海区域分割方法，所述方法包括下列步骤：获取高分遥感图像，并对所述高分遥感图像进行裁剪，并绘制相对应的海陆分割真值图；将裁剪后的高分遥感图像依次进行分块以及图像刚性变换，并基于变换结果划分训练集以及测试集；建立金字塔机制融合神经网络，将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割模型；将所述测试集中的数据输入金字塔机制融合神经网络中，得到遥感图像海陆分割结果。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
