-
公开(公告)号：CN114821580A
公开(公告)日：2022-07-29
申请号：CN202210497742.4
申请日：2022-05-09
Applicant: 福州大学
Abstract: 本发明提供了一种分阶段融入去噪模块的含噪图像分割方法，首先将噪声图像输入到主干网络中，经过卷积运算，提取四个阶段的特征图；其次，将第四个阶段所提取到的特征图通过双重注意力机制，得到初步的语义分割结果。在此基础上，利用主干网络不同阶段的特征区别，通过迭代融合多阶段语义特征，形成去噪帮助分割，分割帮助去噪的模式；最后将得到的三个语义分割结果进行结合，形成最终的分割结果，通过混合交叉熵损失进一步优化参数。本发明利用协同去噪和分割来提高噪声图像的语义分割精度，解决了现有的针对带噪图像语义分割方法中去噪环节丢失语义信息，从而影响后续目标类别划分的准确性以及目标轮廓的分割完整度的问题。
-
公开(公告)号：CN106447675B
公开(公告)日：2019-05-10
申请号：CN201610878522.0
申请日：2016-10-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于先验形状和循环移位的目标分割方法。该方法，首先将形状用概率的方式定义，建立一个先验目标的形状库并运用主成份分析进行降维，利用核密度估计拟合先验形状分布建立先验形状约束项。然后利用先验形状的循环移位，将目标位移和旋转变换，看作循环卷积运算，通过快速傅里叶变换，提高运算速度。将目标形变与底层灰度特征相结合建立数据约束项。接着将数据约束项和先验形状约束项线性组合建立总的能量函数，最后通过能量极小化完成目标的分割。本发明利用高层先验形状的循环移位辅助底层目标分割，解决了现有目标分割方法中对于目标形状发生形变时分割效果不佳的问题。
-
公开(公告)号：CN106599901A
公开(公告)日：2017-04-26
申请号：CN201610878504.2
申请日：2016-10-09
Applicant: 福州大学
CPC classification number: G06K9/6256 , G06K9/6277
Abstract: 本发明涉及一种基于深度玻尔兹曼机的协同目标分割与行为识别方法。该方法，首先利用深度玻尔兹曼机从目标行为训练库中学习行为与动作的多层结构特征，接着以底层图像分割为出发点，根据贝叶斯推理，将目标分割看作最大化条件概率，然后在学习得到的高层先验行为指导下，采用目标形状信息作为底层、中层和高层连接的纽带，并建立总的能量函数，最后通过能量极小化完成目标的同时分割与行为识别。本发明利用底层与高层的协同合作可以同时提高目标分割的精度和行为识别的准确性，解决了在低质量环境下由于噪声、遮挡、光照等多种因素影响下分割效果不佳的问题。
-
公开(公告)号：CN114821654B
公开(公告)日：2024-09-03
申请号：CN202210497768.9
申请日：2022-05-09
Applicant: 福州大学
IPC: G06V40/10 , G06V20/40 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明提供了一种融合局部与深度的时空图网络的人手检测方法首先使用传统检测器获取视频图像的多尺度特征图；随后将特征图选取置信度高的目标候选框，将目标候选框内图像再次输入检测器获取特征图，利用滑动窗口的激活值获取局部关键信息候选框，将候选框建立图关系网络，并且融合深度信息和视频前数帧的图像分别建立图网络进行训练；最后根据图计算获得的节点属性和原始特征图的特征信息相加，从而达到增强识别的效果。本发明利用图关系网络、深度信息和视频前后信息来增强图像识别，解决了传统检测器无法利用图像深度信息、视频图像先后信息和目标间具有关联关系的问题。
-
公开(公告)号：CN115393862A
公开(公告)日：2022-11-25
申请号：CN202211163459.4
申请日：2022-09-23
Applicant: 福州大学
IPC: G06V30/168 , G06V30/32
Abstract: 本发明提供了一种基于梯度图拉普拉斯正则的手写笔迹平滑算法，包括以下步骤：步骤S1：读取手写笔迹点的位置信息；步骤S2：将手写笔迹点的位置信息在矩阵上进行体现，步骤S3：判断两个像素点是否满足距离要求；步骤S4：重复上述步骤；步骤S5：将向量，拼接成矩阵；步骤S6：根据梯度构建的梯度图，计算它的邻接矩阵；步骤S7：得到拉普拉斯矩阵；步骤S8：根据拉普拉斯矩阵，得到它关于梯度的GLR表达形式：步骤S9：定义本文算法的能量函数；步骤S10：最小化能量得到手写笔迹的最佳平滑效果；应用本技术方案可实现最后得到较好的手写笔迹平滑效果，而且不会占用额外的内存。
-
Patent Agency Ranking
公开(公告)号：CN113160188B
公开(公告)日：2022-07-05
申请号：CN202110458896.8
申请日：2021-04-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于圆形特征的鲁棒血细胞检测方法。该方法，首先设置模型的相关配置，模型采用YOLO，骨干网络采用抗噪特征提取模块结合Darknet53；通过抗噪特征提取模块实现噪声鲁棒；模型共有三个输出，每个输出的尺度不同，并且分别负责检测不同大小的目标；锚框形状采用圆形；锚框直径通过数据集聚类获得，每个检测头分配3个相应大小的锚框；训练阶段开始后，每张输入图像通过分配器分配正负样本，进行预处理后输入模型，三个检测头得到不同的输出；预先分配好的正负样本根据损失函数分别进行损失计算；最后通过反向传播训练模型；直到模型损失趋于平缓，训练结束，保存参数文件。模型在YOLO的基础上增加了圆形锚框与IOU损失函数，以及抗噪特征提取模块，显著提高了模型对于圆形目标的检测精度和抗噪能力。
-
公开(公告)号：CN111241561B
公开(公告)日：2022-05-03
申请号：CN202010024855.3
申请日：2020-01-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于隐私保护的用户可认证外包图像去噪方法，包括步骤：可信第三方TTP给内容所有者CO、授权用户AU和两个边缘计算服务器ES1、ES2分配相关的密钥；CO首先使用由TTP分配的密钥对含噪图像进行加密，并将加密后的图像发送到第一边缘计算服务器ES1；第二边缘计算服务器ES2辅助第一边缘计算服务器ES1进行密文图像去噪，并计算所得结果发送给第一边缘计算服务器ES1；AU向相应的CO提出图像使用请求，并从第一边缘计算服务器ES1获得相应的去噪密文图像，在自身的私钥帮助下，授权用户AU解密恢复出所需的明文去噪图像。本发明确保用户隐私数据安全同时提供图像去噪服务；且降低了用户本地计算、通信开销，其密文去噪效果几乎等同于明文域性能。
-
公开(公告)号：CN113935924A
公开(公告)日：2022-01-14
申请号：CN202111327728.1
申请日：2021-11-10
Applicant: 福州大学
IPC: G06T5/00 , G06K9/62 , G06V10/762
Abstract: 本发明涉及一种基于先验信息指导的子空间低秩正则图像复原方法，包括以下步骤：步骤S1:获取自然图像，并利用混合高斯模型学习图像块的多个子空间结构；步骤S2:将待复原图像进行重叠分块，利用学习得到的多个子空间结构对这些重叠块进行聚类，得到多个相似块组；步骤S3:针对每一个相似块组,利用该块组的子空间结构指导线性变换建立子空间；步骤S4:在每个子空间进行低秩矩阵近似；步骤S5:将所有的块组进行聚合，再结合ADMM得到复原后的图像，步骤S5:循环步骤S2‑S5，迭代至满足预设复原要求的结果，即最终的复原图像。本发明能够提升信息丢失或噪声污染严重图像的复原质量。
-
公开(公告)号：CN113298030A
公开(公告)日：2021-08-24
申请号：CN202110664516.6
申请日：2021-06-16
Applicant: 福州大学
Abstract: 本发明提出一种轻量级隐私保护外包脑电信号特征提取方法，其允许边缘服务器在无法获取明文脑电信号数据的前提下对用户上传的脑电信号数据进行特征提取；同时，为了实现对脑电信号的隐私保护，设计了一系列安全外包计算协议，以此来实现对加密脑电信号的特征提取；此外，为了提高脑电信号的信噪比，利用TRCA来对脑电信号进行空间滤波；最后，为了减少用户与服务器之间的响应延迟，引入了边缘计算技术。保证了不泄露原始脑电信号数据有关隐私的信息。该技术方案在确保脑电信号中的相关信息隐私安全性的同时，实现了外包脑电信号的特征提取，且降低了用户本地计算和通信成本。
-
公开(公告)号：CN113160247A
公开(公告)日：2021-07-23
申请号：CN202110433521.6
申请日：2021-04-22
Applicant: 福州大学
Abstract: 本发明提出一种基于频率分离的抗噪孪生网络目标跟踪方法，其特征在于：首先利用卷积神经网络对跟踪目标和后续帧搜索区域图进行特征提取。然后利用Ocatave卷积结构对搜索区域特征图和模板特征图进一步生成高维特征图，在完成互相关操作后将互相关相应图进行融合获得目标位置回归图，利用目标位置回归信息得到物体感知分类结果图，利用相同的方法获得常规分类图，获得最终分类结果图完成目标位置的确定。本发明利用高低频信息交换增强网络的抗噪能力，同时引入一种新的特征融合方法，该特征融合方法可以聚合本地和全局上下文信息，解决了现有目标跟踪方法中对于噪声环境下跟踪效果不佳的问题。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.066 seconds)
