-
公开(公告)号：CN107730565B
公开(公告)日：2020-10-20
申请号：CN201710944300.9
申请日：2017-10-12
Applicant: 浙江科技学院
IPC: G06T11/00
Abstract: 本发明公开了一种基于OCT图像的材料内在光谱特征提取方法。分别将平面反射镜和待测对象垂直于光轴地正对放置在OCT扫描装置的镜头正前方，使用OCT扫描装置在沿光轴不同探测位置处的CCD原始断层图像，傅立叶变换后使用光谱特征提取算法提取得到光谱矩阵，利用平面反射镜的光谱矩阵整合成为校正矩阵，将平面反射镜和待测对象的光谱矩阵结合校正矩阵，提取获得待测对象的目标区域的光谱矩阵。在本发明中，针对OCT光谱仪中频率分辨率下降的问题，提出了一套系统的校正方法，能够将不同焦距的光谱信号进行强度校正，并能通过多个正交窗口提高时间和频率分辨率。
-
公开(公告)号：CN109872305B
公开(公告)日：2020-08-18
申请号：CN201910058364.8
申请日：2019-01-22
Applicant: 浙江科技学院
IPC: G06T7/00
Abstract: 本发明公开了一种基于质量图生成网络的无参考立体图像质量评价方法，其在训练阶段，构建一个质量图生成网络，将训练集中的所有失真平面图像的归一化图像依次输入到质量图生成网络中，并将对应的质量图作为监督，训练得到最优的质量图生成网络模型；在测试阶段，利用最优的质量图生成网络模型提取出待评价的失真立体图像的左视点图像、右视点图像和融合图像各自的归一化图像的预测质量图，并获取各自的显著特征图，然后根据对应的预测质量图和显著特征图，求取各自的预测质量得分，再融合三个预测质量得分得到最终的预测质量得分；优点是其能充分考虑到立体图像的多种特性对视觉质量的影响，从而能提高客观评价结果与双目主观感知之间的相关性。
-
公开(公告)号：CN111428602A
公开(公告)日：2020-07-17
申请号：CN202010191633.0
申请日：2020-03-18
Applicant: 浙江科技学院
Abstract: 本发明公开了一种卷积神经网络边缘辅助增强的双目显著性图像检测方法。采集原始3D图像包括RGB图和深度图构成训练集；构建RGB图网络和深度图网络，RGB图网络和深度图网络之间通过融合卷积模块连接再融合生成最后的显著性图，形成双目卷积神经网络；将训练集进行训练得到总损失；通过反向传播优化神经网络权重参数，获得训练后的双目卷积神经网络；待测的图像输入到双目卷积神经网络中后预测处理，输出结果。本发明采用双目网络区域增强边缘辅助来生成显著性图，用边缘图来对区域图进行边界加强，输出结果更加准确清晰，解决了现有技术存在显著区域不明显和边界不明确的问题，提高检测效率和精度。
-
公开(公告)号：CN107292866B
公开(公告)日：2020-04-17
申请号：CN201710347108.1
申请日：2017-05-17
Applicant: 浙江科技学院
Inventor： 周武杰 , 邱薇薇 , 周扬 , 赵颖 , 何成 , 迟梁 , 陈芳妮 , 吴茗蔚 , 葛丁飞 , 金国英 , 孙丽慧 , 陈寿法 , 郑卫红 , 李鑫 , 吴洁雯 , 王昕峰 , 施祥
Abstract: 本发明公开了一种基于相对梯度的图像质量客观评价方法，其获取参考图像和失真图像各自的梯度幅值图像和梯度相位图像；然后获取参考图像和失真图像各自的水平梯度均值图像、垂直梯度均值图像和梯度相位均值图像；再根据参考图像和失真图像各自的水平梯度图像、垂直梯度图像、水平梯度均值图像、垂直梯度均值图像，获得各自的梯度相对幅值图像；根据各自的梯度相位图像和梯度相位均值图像，获得各自的梯度相对相位图像；最后根据两者的梯度幅值图像、梯度相对幅值图像、梯度相对相位图像，计算失真图像的客观质量评价分；优点是能考虑到失真图像的相对梯度信息改变对其质量的影响，从而能够提高客观质量评价结果与人眼主观感知之间的相关性。
-
公开(公告)号：CN107665488B
公开(公告)日：2019-12-24
申请号：CN201710826355.X
申请日：2017-09-14
Applicant: 浙江科技学院
Abstract: 本发明公开了一种立体图像视觉显著提取方法，其将测试立体图像的左视点图像转换到Lab颜色空间，并将三通道图像和左视差图像的归一化图像缩放到200×200像素尺寸；然后获取四幅图像各自的梯度幅值图，并进行对数计算；接着利用中心偏好图对四幅对数计算后的图像进行中心四周加强，再根据中心四周加强后的图像组成四元数矩阵，对四元数矩阵实施四元数傅里叶变换得到频域矩阵；之后利用频域滤波模板图对频域矩阵进行低通滤波，再对得到的低通特征图实施四元数傅里叶反变换；最后根据反变换得到的四元数矩阵获取初步视觉显著图，对初步视觉显著图归一化处理和缩放到W×H像素尺寸，得到最终视觉显著图；优点是具有较强的提取稳定性和较高的提取准确性。
-
Patent Agency Ranking
公开(公告)号：CN106683079B
公开(公告)日：2019-05-17
申请号：CN201611152622.1
申请日：2016-12-14
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于结构失真的无参考图像客观质量评价方法，其先获取待评价的失真图像在八个不同方向下和在无方向下的一阶滤波图像，再获得一阶滤波图像的最大值图像；并获取待评价的失真图像在八个不同方向下和在无方向下的二阶滤波图像，再获得二阶滤波图像的最大值图像；然后获取一阶滤波图像的最大值图像、在八个不同方向下和在无方向下的二阶滤波图像、二阶滤波图像的最大值图像各自的局部模式特征图像，进而获得各自的直方图统计特征向量；接着根据构造得到的支持向量回归训练模型，对所有直方图统计特征向量进行测试，预测得到客观质量评价预测值；优点是能够有效地提高客观评价结果与主观感知之间的相关性。
-
公开(公告)号：CN108665460A
公开(公告)日：2018-10-16
申请号：CN201810498348.6
申请日：2018-05-23
Applicant: 浙江科技学院
Inventor： 周武杰 , 张爽爽 , 师磊磊 , 潘婷 , 顾鹏笠 , 蔡星宇 , 邱薇薇 , 何成 , 陈芳妮 , 葛丁飞 , 金国英 , 孙丽慧 , 郑卫红 , 李鑫 , 吴洁雯 , 王昕峰 , 施祥 , 翟治年
IPC: G06T7/00
Abstract: 本发明公开了一种基于组合神经网络和分类神经网络的图像质量评价方法，其在训练阶段将采用全参考图像质量评价方法获得的失真图像的客观真实质量图像作为监督，对失真图像的归一化图像进行训练得到针对不同失真类型的组合神经网络回归训练模型；并将失真图像的分类标签作为监督，对失真图像的归一化图像进行训练得到分类神经网络训练模型；在测试阶段将待评价的失真图像的归一化图像输入到分类神经网络训练模型中，得到失真类型；根据失真类型，将归一化图像输入到对应的组合神经网络回归训练模型中得到客观质量评价预测质量图，使用显著图对客观质量评价预测质量图进行加权池化，得到客观质量评价预测值；优点是有效地提高了客观评价结果与主观感知之间的相关性。
-
公开(公告)号：CN107665488A
公开(公告)日：2018-02-06
申请号：CN201710826355.X
申请日：2017-09-14
Applicant: 浙江科技学院
Abstract: 本发明公开了一种立体图像视觉显著提取方法，其将测试立体图像的左视点图像转换到Lab颜色空间，并将三通道图像和左视差图像的归一化图像缩放到200×200像素尺寸；然后获取四幅图像各自的梯度幅值图，并进行对数计算；接着利用中心偏好图对四幅对数计算后的图像进行中心四周加强，再根据中心四周加强后的图像组成四元数矩阵，对四元数矩阵实施四元数傅里叶变换得到频域矩阵；之后利用频域滤波模板图对频域矩阵进行低通滤波，再对得到的低通特征图实施四元数傅里叶反变换；最后根据反变换得到的四元数矩阵获取初步视觉显著图，对初步视觉显著图归一化处理和缩放到W×H像素尺寸，得到最终视觉显著图；优点是具有较强的提取稳定性和较高的提取准确性。
-
公开(公告)号：CN107590804A
公开(公告)日：2018-01-16
申请号：CN201710826241.5
申请日：2017-09-14
Applicant: 浙江科技学院
IPC: G06T7/00 , H04N19/154
Abstract: 本发明公开了一种基于通道特征和卷积神经网络的屏幕图像质量评价方法，其提取出待评价的失真屏幕图像的十个通道特征图，并获取各自的归一化图像；按相同的方式获取训练集中的每幅失真屏幕图像的十个通道特征图各自的归一化图像，利用卷积神经网络对训练集中的所有失真屏幕图像各自的主观评分值及十个通道特征图的归一化图像进行训练，得到最优的权值矢量和偏置项，进而构造得到卷积神经网络回归训练模型，根据卷积神经网络回归训练模型对待评价的失真屏幕图像对应的归一化图像进行测试，得到待评价的失真屏幕图像的客观质量评价预测值；优点是能充分考虑到屏幕图像多种特性对视觉质量的影响，从而能提高客观评价结果与主观感知之间的相关性。
-
公开(公告)号：CN105979253B
公开(公告)日：2017-11-28
申请号：CN201610300453.5
申请日：2016-05-06
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于广义回归神经网络的无参考立体图像质量评价方法，其根据待评价的失真立体图像的左、右视点图像各自的幅值图像和相位图像及左、右视点图像之间的视差图像，获取左右视点双目能量图像，进一步得到双目能量调制后的归一化直方图统计特征向量；对于训练集中的每幅失真立体图像，以相同的方式获得特征向量，对训练集中的所有失真立体图像各自的主观评分和特征向量进行训练，得到广义回归神经网络训练模型，最后对待评价的失真立体图像的双目能量调制后的归一化直方图统计特征向量进行测试，得到客观质量评价预测值；优点是能够充分考虑到立体视觉感知特性，从而能够有效地提高客观评价结果与主观感知之间的相关性。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.03 seconds)
