-
公开(公告)号:CN106600560B
公开(公告)日:2019-07-12
申请号:CN201611196660.7
申请日:2016-12-22
Applicant: 福州大学
Abstract: 本发明涉及一种适用于行车记录仪的图像去雾方法。首先采用四叉树方法求解大气光值;随后利用训练的卷积神经网络获取粗略透射率图,并使用引导滤波方法优化透射率图;最后通过大气散射模型逆向求解获取复原图像。本发明所提出的一种适用于行车记录仪的图像去雾方法,可以有效处理灰蒙的雾天图像且处理后的图像亮度得到改善,在保留图像边缘细节的同时可以有效地还原图像的色彩。可应用于行车记录仪的去雾处理,满足视频处理的要求,具有较强的实用性。
-
公开(公告)号:CN106600560A
公开(公告)日:2017-04-26
申请号:CN201611196660.7
申请日:2016-12-22
Applicant: 福州大学
CPC classification number: G06T5/003 , G06T2207/20024 , G06T2207/20084 , G07C5/08
Abstract: 本发明涉及一种适用于行车记录仪的图像去雾方法。首先采用四叉树方法求解大气光值;随后利用训练的卷积神经网络获取粗略透射率图,并使用引导滤波方法优化透射率图;最后通过大气散射模型逆向求解获取复原图像。本发明所提出的一种适用于行车记录仪的图像去雾方法,可以有效处理灰蒙的雾天图像且处理后的图像亮度得到改善,在保留图像边缘细节的同时可以有效地还原图像的色彩。可应用于行车记录仪的去雾处理,满足视频处理的要求,具有较强的实用性。
-
公开(公告)号:CN106202502A
公开(公告)日:2016-12-07
申请号:CN201610573881.5
申请日:2016-07-20
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种音乐信息网络中用户兴趣发现方法,先从音乐信息网络中通过N步长随机游走得到与用户相关的信息子网以及信息子网的网络模式;然后对信息子网进行剪枝,并在剪枝后的信息子网中利用HeteSim算法计算不同类型节点间相关性,进而得到不同类型边的权重;接着,根据单源最短路径算法得到所有歌曲对之间的最短路径集和最短路径权重,并计算出元路径集和元路径权重;最后,利用 PathSelClus算法基于元路径将歌曲聚成三类,根据聚类结果分析出用户对歌曲的兴趣爱好。本发明提出的方法利用了异构信息网络中元路径这一重要性特点,能够更好发现用户对歌曲的兴趣。
-
公开(公告)号:CN105956040A
公开(公告)日:2016-09-21
申请号:CN201610264331.5
申请日:2016-04-26
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F16/635 , G06F16/9535
Abstract: 本发明涉及一种音乐信息网络中社交关系影响下的歌曲流行度分析方法,先从音乐信息网络中获取信息子网和信息子网的网络模式,并获取与信息子网相关的社交关系,然后在信息子网中计算不同类型关系边的平均边介数,再根据平均边介数计算得到不同类型关系边的传播因子,接着根据社交关系在信息子网中设计边权重,根据边权重在同一类型节点间选择节点进行随机游走,最后结合传播因子和边权重在信息子网中随机游走,得到网络中节点影响力排名,从而得到歌曲流行度。本发明提出的该方法考虑到了用户群体对歌曲的影响,从而使得最后的流行度分析更为合理。
-
公开(公告)号:CN108230243B
公开(公告)日:2021-04-27
申请号:CN201810133575.9
申请日:2018-02-09
Applicant: 福州大学
Abstract: 本发明公开了一种基于显著性区域检测模型背景虚化方法,包括以下步骤:获取原始图像,构建显著性区域检测模型卷积网络得到原始图像的显著性图,将获得的显著性图像放入全连接条件随机场进行训练获得优化后的显著性图像,再将优化后的显著性图进行二值化或分割处理得到01矩阵,得到前景索引矩阵和背景索引矩阵;利用距离加权平均算法实现原始图像的全局模糊;最后将前景原图和模糊背景图相拼接,生成虚化背景图。本发明不仅能准确的检测出完整的显著性区域,且显著性边界较为清晰,从而在虚化背景的时候能够保留前景图的特征,不损坏前景图图像内容。
-
-
公开(公告)号:CN105957092B
公开(公告)日:2018-10-30
申请号:CN201610375414.1
申请日:2016-05-31
Applicant: 福州大学
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺钼靶图像特征自学习提取方法,首先从乳腺钼靶病灶区域图像ROI中提取手工浅层特征,构成训练样本集;随后,利用训练样本集训练出一个堆叠自编码器,完成乳腺钼靶图像从浅层特征到高层语义特征的自学习提取。本发明采用逐层贪婪无监督训练的方式,从已有的乳腺钼靶图像数据中去自学习高层语义特征,避免了人工干涉,该方法实现灵活,为临床诊断提供更有价值的“参考意见”,具有较强的实用性。
-
公开(公告)号:CN108460114A
公开(公告)日:2018-08-28
申请号:CN201810134366.6
申请日:2018-02-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于层次注意力模型的图像检索方法。包括S1.建立层次注意力模型以得出图像的显著性目标及其对应的显著值,并按其显著性值排序;S2.利用层次注意力模型将数据库图像分成背景与显著性目标区域,并对每个显著性目标区域提取SIFT特征、HSV颜色直方图及语义特征;S3.对待搜寻图像的各个显著性目标提取SIFT特征、HSV颜色直方图及语义特征;S4.将待搜寻图像的特征与数据库图像进行特征相似度匹配,对各个显著性目标的相似度进行加权排序得到基于显著性目标的检索结果。本发明将图像显著性加入到图像检索中,并按显著性目标的重要程度进行检索与加权,从而能够将检索结果按重要度分级,使得检索结果可以区分主次。
-
公开(公告)号:CN105957092A
公开(公告)日:2016-09-21
申请号:CN201610375414.1
申请日:2016-05-31
Applicant: 福州大学
IPC: G06T7/00
CPC classification number: G06T2207/30068
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺钼靶图像特征自学习提取方法,首先从乳腺钼靶病灶区域图像 ROI中提取手工浅层特征,构成训练样本集;随后,利用训练样本集训练出一个堆叠自编码器,完成乳腺钼靶图像从浅层特征到高层语义特征的自学习提取。本发明采用逐层贪婪无监督训练的方式,从已有的乳腺钼靶图像数据中去自学习高层语义特征,避免了人工干涉,该方法实现灵活,为临床诊断提供更有价值的“参考意见”,具有较强的实用性。
-
公开(公告)号:CN105913086A
公开(公告)日:2016-08-31
申请号:CN201610223395.0
申请日:2016-04-12
Applicant: 福州大学
CPC classification number: G06K9/6269 , G06F19/34 , G06K9/4671 , G06K2209/05
Abstract: 本发明涉及一种应用特征权重自适应选择的计算机辅助诊断乳腺的方法,首先从已知病例中提取乳腺X线钼靶与B超影像数据特征,将完成特征提取的各病例数据按照已知临床诊断结果进行良恶性与临床分期标注;接着对同一患者乳腺的X线钼靶图像与B超影像采用级联方式进行多特征融合,得到乳腺样本的特征向量;接着将特征权重自适应选择方法用于基于高斯核的二叉平衡决策树SVM多分类算法的训练过程;最后将特征权重自适应选择方法用于基于高斯核的二叉平衡决策树SVM多分类算法的识别过程。本发明能够提高乳腺癌诊断的准确率和效率。
-
-
-
-
-
-
-
-
-