-
公开(公告)号：CN103942809A
公开(公告)日：2014-07-23
申请号：CN201410197540.3
申请日：2014-05-12
Applicant: 福州大学
Abstract: 本发明涉及岩石节理裂隙检测技术领域，特别是一种检测岩石图像中节理裂隙的方法，包括以下步骤：步骤1：对岩石图像的二值图像进行去噪和增强处理，并进行骨架提取；步骤2：采用Hough变换分别检测出步骤1处理后的二值图像中各节理裂隙段的主线(连通域)；步骤3：采用Bresenham算法对每条主线分段扩展，得到节理裂隙区域。该方法提高了图像中岩石节理裂隙的检测效果。
-
公开(公告)号：CN119477734A
公开(公告)日：2025-02-18
申请号：CN202411664561.1
申请日：2024-11-20
Applicant: 福州大学
IPC: G06T5/60 , G06T5/70 , G06T5/90 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种面向色障患者（CVD）感知图像的色彩增强方法和系统；所述方法包括以下步骤：步骤S1、基于色觉障碍者的视觉特性，通过主观实验建立色觉障碍友好图像数据库；步骤S2、构建色觉障碍感知引导增强模型(CVD Perception‑guided Enhancement Model，CPEM)，所述色觉障碍感知引导增强模型包括色觉障碍者CVD引导的特征提取模块和扩散变换模块；步骤S3、利用色觉障碍友好图像数据库完成对色觉障碍感知引导增强模型的训练；步骤S4、将原始图像和纯噪声图像作为模型输入，通过训练后的色觉障碍感知引导增强模型对原始图像进行色彩重构，生成符合CVD用户视觉感知的增强图像。本发明所提出的模型在提升色觉障碍个体色彩感知方面具有显著优势。
-
公开(公告)号：CN115412906B
公开(公告)日：2025-02-14
申请号：CN202211011016.3
申请日：2022-08-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合中继‑智能反射面和联邦学习的无线通信方法。联邦学习作为分布式机器学习的一种，它的核心思想是在边缘设备上通过协作训练学习模型以获得最优全局模型，并且同时避免传输原始数据。考虑到无线信道固有的叠加特性，因此引入空中计算来支持大量的本地设备上传数据。同时根据物理层安全中的保密速率来筛除部分不安全的设备以获得更高的安全性。由于混合中继‑智能反射面不仅可以反射而且可以放大入射信号，因此可以通过它来增强联邦学习过程中的上行链路的增益，以获得更优的精确度。本发明通过制定一种设计方法，交替优化设备选择、混合中继‑智能反射面放大系数、相移以及接收波束成形向量以提高联邦学习的精确度和安全性。
-
公开(公告)号：CN114401400B
公开(公告)日：2024-06-14
申请号：CN202210057728.2
申请日：2022-01-19
Applicant: 福州大学
IPC: H04N17/04 , H04N19/149 , H04N19/154 , H04N19/184 , H04N19/20
Abstract: 本发明提出一种基于视觉显著性编码效应感知的视频质量评测方法及系统，首先引入视觉显著性模型提取视频显著性图；接着通过图像灰度变换技术增强图像显著性区域的对比度，以更准确地从显著性图中提取显著性区域；最后利用提出的编码效应检测模型测量显著性区域的压缩效应，以实现压缩效应的强度值到视频质量的映射，构建了压缩视频质量评价模型。实验结果表明了所提出模型在评估压缩视频质量上性能的优越性。
-
公开(公告)号：CN115412906A
公开(公告)日：2022-11-29
申请号：CN202211011016.3
申请日：2022-08-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于混合中继‑智能反射面和联邦学习的无线通信方法。联邦学习作为分布式机器学习的一种，它的核心思想是在边缘设备上通过协作训练学习模型以获得最优全局模型，并且同时避免传输原始数据。考虑到无线信道固有的叠加特性，因此引入空中计算来支持大量的本地设备上传数据。同时根据物理层安全中的保密速率来筛除部分不安全的设备以获得更高的安全性。由于混合中继‑智能反射面不仅可以反射而且可以放大入射信号，因此可以通过它来增强联邦学习过程中的上行链路的增益，以获得更优的精确度。本发明通过制定一种设计方法，交替优化设备选择、混合中继‑智能反射面放大系数、相移以及接收波束成形向量以提高联邦学习的精确度和安全性。
-
Patent Agency Ranking
公开(公告)号：CN114401400A
公开(公告)日：2022-04-26
申请号：CN202210057728.2
申请日：2022-01-19
Applicant: 福州大学
IPC: H04N17/04 , H04N19/149 , H04N19/154 , H04N19/184 , H04N19/20
Abstract: 本发明提出一种基于视觉显著性编码效应感知的视频质量评测方法及系统，首先引入视觉显著性模型提取视频显著性图；接着通过图像灰度变换技术增强图像显著性区域的对比度，以更准确地从显著性图中提取显著性区域；最后利用提出的编码效应检测模型测量显著性区域的压缩效应，以实现压缩效应的强度值到视频质量的映射，构建了压缩视频质量评价模型。实验结果表明了所提出模型在评估压缩视频质量上性能的优越性。
-
公开(公告)号：CN113852813A
公开(公告)日：2021-12-28
申请号：CN202111114535.8
申请日：2021-09-23
Applicant: 福州大学
IPC: H04N19/117 , H04N19/80 , H04N19/85 , G06K9/62
Abstract: 本发明提出一种基于注意力机制的压缩视频修复与画质增强方法及系统，首先，采用动态滤波处理，对视频的当前帧和目标帧在特征域上进行对齐，进而有效的利用视频帧间的时空关系；其次，为了避免过度平滑，利用注意力机制设计序列残差注意力模块(SRAB)作为网络的基本单元，对视频帧的细节进行修正；最后，利用训练模型预测出的结果与原始未压缩的视频帧进行对比，判断任务中目标的完成情况。本发明方法较采用其他视频增强算法相比本发明在视觉性能上表现最好，并且处理速度较快，优势明显。
-
公开(公告)号：CN110032662A
公开(公告)日：2019-07-19
申请号：CN201910405257.8
申请日：2019-05-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进的dice损失函数的视频图像失真效应模型构建方法。首先，基于Dice损失函数进行函数改进，加入权重因子和平滑因子更好的适应样本数据集特征；其次，在DenseNet的密集型卷积神经网络采用改进的损失函数对数据进行训练，实现模型的分类构建；最后，利用训练好的模型对现有的视频图像进行分类预测，判断视频图像是否失真。本发明方法较采用传统的损失函数训练模型相比，改进的损失函数在六种常见的视频图像失真效应数据集里识别检测的精度有所提高，优势明显。
-
公开(公告)号：CN105809703A
公开(公告)日：2016-07-27
申请号：CN201610189166.1
申请日：2016-03-30
Applicant: 福州大学
CPC classification number: G06T5/002 , G06T2207/20152 , G06T2207/20192
Abstract: 本发明涉及一种基于改进的分数阶微分及图论的粘连血细胞图像分割方法，首先针对血细胞图像模糊及对比度不高的现象，将形态学去噪和改进的类圆形掩膜算子的分数阶微分算法结合起来对血细胞图像进行预处理，所述改进的分数阶微分算法在滤除血细胞图像的染色污染和颗粒噪声的同时较好地保留了细胞边缘细节；接着用分水岭算法对预处理过的图像进行初分割，把过分割区域映射为节点；最后用改进的图论最小生成树(MST)算法对步骤S2得到的细胞图像进行再分割。本发明能够提高了细胞图像中粘连细胞分割的精度。
-
公开(公告)号：CN115941938A
公开(公告)日：2023-04-07
申请号：CN202211721536.3
申请日：2022-12-30
Applicant: 福州大学
IPC: H04N17/00 , H04N19/154 , G06F16/783 , G06F16/787 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及一种基于感知数据驱动的视频质量评测方法，包括如下步骤：步骤S1、构建基于半自动标记的压缩视频数据库；步骤S2、考虑视频视觉显著性的时空特征，构建感知数据驱动的压缩视频质量评价模型，并通过压缩视频数据库进行训练；步骤S3、利用得到的压缩视频质量评价模型对输入的压缩视频进行质量评测。该方法及系统有利于提高在预测压缩视频质量方面的性能。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.028 seconds)
