-
公开(公告)号：CN116152565A
公开(公告)日：2023-05-23
申请号：CN202310185625.9
申请日：2023-03-01
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/30 , G06V10/82 , G06V10/80 , G06N3/084
Abstract: 本发明通过搜集大量图像样本获取训练集和测试集，提取噪声图及其振幅谱和相位谱输入分类网络，从而得到训练好的分类网络模型。测试时，输入一幅图像提取噪声图，再将噪声图输入到分类网络中即可判别此图像的真伪，无需任何预处理和后处理操作。本发明利用数字图像处理、计算机视觉、深度学习等技术，实现了图像验真检测任务，且利用特征融合模块来使网络同时学习空间域信息与频率域信息，充分利用空间域和频率域，减少特征冗余，提高特征的利用率，测试准确率在92％左右，可较为准确辅助相关的图像取证或图像安全工作，降低生成图像对个人和社会带来的不利影响。
-
公开(公告)号：CN114782503A
公开(公告)日：2022-07-22
申请号：CN202210337610.5
申请日：2022-04-01
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉图形学领域，具体涉及一种基于多尺度特征相似度约束的点云配准方法及系统，通过对点的匹配可信度进行主动评估，同时采用注意力融合机制的网络提取区分性的特征，同时使用双向的交替对应搜索机制和灵活的错位损失函数来进行鲁棒学习，引入一致性约束下的点对权重分配方案，最后以加权SVD求出变换矩阵，提升了配准的精度，本发明能够在点云间建立鲁棒的对应关系，提升深度模型对点云配准的效果，促进了相关技术领域的发展。
-
公开(公告)号：CN114663663A
公开(公告)日：2022-06-24
申请号：CN202210214683.5
申请日：2022-03-07
Applicant: 重庆邮电大学
IPC: G06V10/28 , G06V10/764 , G06V10/774 , G06V10/40 , G06K9/62
Abstract: 本发明公开了一种基于尺度共生局部二值模式的图像识别方法，涉及数字图像处理、计算机视觉等技术领域。具体步骤为：1)通过模拟尺度变换，构造图像的LBP共生空间，提取其中稳定的结构信息；2)用LBP共生空间中的跨尺度共生对表示稳定的结构信息。这些跨尺度共生对即使在图像被缩放的情况下也能保持良好的描述能力；3)提出旋转一致性调整策略，对这些跨尺度共生对进行统一的调整，以增强其旋转不变性。本方法充分利用跨尺度共生对和旋转一致性调整策略，使其具有理想的几何不变性，在特征维度较低的情况下取得了与基于共生的LBP方法同样好的图像描述能力。
-
公开(公告)号：CN114663445A
公开(公告)日：2022-06-24
申请号：CN202210214686.9
申请日：2022-03-07
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于多尺度边缘感知的三维心脏图像分割方法，涉及数字图像处理、计算机视觉、深度学习等技术领域。具体步骤为：1)搜集并整理公开的心脏磁共振图像数据集；2)对搜集整理的心脏磁共振图像数据集进行数据增广；3)利用搜集到的心脏磁共振图像数据集对多尺度边缘感知的三维卷积神经网络进行训练；4)利用训练得到的模型对其他的心脏磁共振图像进行测试，得到最终效果。本方法利用多尺度边缘感知的三维卷积神经网络训练得到的模型可以对现实中的心脏磁共振图像进行分割，具有实际意义，并且取得较好的分割精度。
-
公开(公告)号：CN114022916A
公开(公告)日：2022-02-08
申请号：CN202110430028.9
申请日：2021-04-21
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于可视化脸型判断的面部美学评估方法及存储介质，包括步骤：S1对面部图像进行标记点定位；S2通过B样条函数对面部轮廓标记点进行插值建模；S3根据插值曲线求面部轮廓曲率特征；S4根据面部表情研究理论提取几何特征；S5通过Garbor滤波器提取纹理特征；S6通过卷积神经网络VGG提取肤色和头发等特征；S7将上述四种特征融合，采用支持向量机SVR对面部美学进行评估。本发明结合B样条、Garbor滤波和深度学习算法提取混合特征来描述面部美学。使得最终的特征涵盖了整个面部信息。
-
Patent Agency Ranking
公开(公告)号：CN113129261A
公开(公告)日：2021-07-16
申请号：CN202110266702.4
申请日：2021-03-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于双流卷积神经网络的图像篡改检测方法，涉及数字图像处理、计算机视觉、深度学习等技术领域。具体步骤为：1)搜集并整理公开的篡改图像样本；2)对篡改图像样本进行标注获得这些篡改图像样本的标签以完成图像篡改数据集的构建；3)利用搜集到的图像篡改数据集对双流的卷积神经网络进行训练；4)利用训练得到的模型对其他的篡改图像进行测试，得到最终效果。本方法利用双流的卷积神经网络训练得到的模型可以对现实中的篡改图像进行检测，具有实际意义，并且取得较好的检测精度。
-
公开(公告)号：CN111754418A
公开(公告)日：2020-10-09
申请号：CN202010430976.8
申请日：2020-05-20
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Hess矩阵的图像增强方法，涉及数字图像处理、计算机视觉等技术领域。具体步骤为：1)用多尺度分数阶Hess矩阵对输入图像进行处理，生成特征加权图像；2)抑制特征加权图像中强特征信息像素的特征值，得到背景加权图像；3)用背景加权图像的直方图和该直方图归一化后形成的累积分布函数得到最终映射函数；4)利用映射函数得到增强后的图像。本方法用matlab为平台进行验证，结合Hess矩阵的相关知识，完成了改善图像对比度达到增强目的，具有实际意义，并且取得较好增强效果。
-
公开(公告)号：CN107665355B
公开(公告)日：2020-09-29
申请号：CN201710890863.4
申请日：2017-09-27
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于区域卷积神经网络的农业害虫检测方法，涉及数字图像处理、深度学习、计算机视觉等技术领域。具体步骤为：1)搜集并整理各类的农业害虫样本作为训练集；2)对训练集进行标记样本标签操作；3)利用区域卷积神经网络架构对搜集到的所有农业害虫训练集样本进行模型训练；4)采集农田中的监控图像，并用得到的模型对监控图像进行测试，得到最终效果。本方法利用区域卷积神经网络训练得到的模型对农业害虫进行检测，辅助各类害虫的防治工作，进而降低害虫给农、林、牧业带来的影响，提升农业粮食产量、保护林、牧业绿化安全，具有实际意义，并且取得较好效果。
-
公开(公告)号：CN107665355A
公开(公告)日：2018-02-06
申请号：CN201710890863.4
申请日：2017-09-27
Applicant: 重庆邮电大学
CPC classification number: G06K9/627 , G06K9/6276 , G06N3/0454 , G06N3/084 , G06T7/0012 , G06T7/73 , G06T2207/10004 , G06T2207/20076 , G06T2207/20081 , G06T2207/20084 , G06T2207/30004
Abstract: 本发明请求保护一种基于区域卷积神经网络的农业害虫检测方法，涉及数字图像处理、深度学习、计算机视觉等技术领域。具体步骤为：1)搜集并整理各类的农业害虫样本作为训练集；2)对训练集进行标记样本标签操作；3)利用区域卷积神经网络架构对搜集到的所有农业害虫训练集样本进行模型训练；4)采集农田中的监控图像，并用得到的模型对监控图像进行测试，得到最终效果。本方法利用区域卷积神经网络训练得到的模型对农业害虫进行检测，辅助各类害虫的防治工作，进而降低害虫给农、林、牧业带来的影响，提升农业粮食产量、保护林、牧业绿化安全，具有实际意义，并且取得较好效果。
-
公开(公告)号：CN118229527B
公开(公告)日：2024-09-10
申请号：CN202410342736.0
申请日：2024-03-25
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G02B21/36 , G02B21/00 , G06T5/70
Abstract: 本发明属于显微镜图像处理领域，具体涉及一种显微镜图像处理方法。所述方法包括获取结构光荧光显微镜的相机采集的荧光图像；所述荧光图像由正弦光激发得到；采用结构光荧光照明显微技术对所述荧光图像进行重建，生成超分辨结构图像；采用频域荧光寿命成像技术对所述超分辨率结构图像进行处理，收集超分辨率结构图像每个像素点的荧光寿命信息；基于超分辨率结构图像每个像素点的荧光寿命信息，计算得到超分辨率结构图像的荧光寿命。本发明将这两种调制同步进行，可以确保在同一时间点获取高分辨率的结构和荧光寿命信息。这对于获取动态过程和样品的实时成像非常有益。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.024 seconds)
