-
公开(公告)号：CN119206097B
公开(公告)日：2025-01-28
申请号：CN202411719632.3
申请日：2024-11-28
Applicant: 南京邮电大学
IPC: G06T17/00 , G06T5/10 , G06V10/80 , G06V10/766
Abstract: 本发明公开一种基于三维坐标位移的DBT重建方法、介质与电子设备，方法包括：首先获取多角度的X射线投影数据，并对其进行预处理；然后对预处理后的投影数据在三维坐标系中进行校正；再对投影数据进行插值处理后，采用自回归源移动平均分离法处理，获得任意深度的断层图像；最后对断层图像进行图像增强。本发明利用多角度X射线投影通过三维位移进行DBT重建，通过多角度投影位移校正及放大率标准化使重建层面内结构进行有效聚焦，使重建层内结构更加清晰，减少了重建层中伪影，提高重建层的图像的对比度，更有益于对乳腺病变进行观察。
-
公开(公告)号：CN119206097A
公开(公告)日：2024-12-27
申请号：CN202411719632.3
申请日：2024-11-28
Applicant: 南京邮电大学
IPC: G06T17/00 , G06T5/10 , G06V10/80 , G06V10/766
Abstract: 本发明公开一种基于三维坐标位移的DBT重建方法、介质与电子设备，方法包括：首先获取多角度的X射线投影数据，并对其进行预处理；然后对预处理后的投影数据在三维坐标系中进行校正；再对投影数据进行插值处理后，采用自回归源移动平均分离法处理，获得任意深度的断层图像；最后对断层图像进行图像增强。本发明利用多角度X射线投影通过三维位移进行DBT重建，通过多角度投影位移校正及放大率标准化使重建层面内结构进行有效聚焦，使重建层内结构更加清晰，减少了重建层中伪影，提高重建层的图像的对比度，更有益于对乳腺病变进行观察。
-
公开(公告)号：CN117670727B
公开(公告)日：2024-05-14
申请号：CN202410129316.4
申请日：2024-01-31
Applicant: 南京邮电大学
IPC: G06T5/73 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种基于残差密集U形网络的图像去模糊模型及方法，包括：应用于第一阶段的梯度残差密集混合U形子网络，用于粗略获取模糊图像的多分辨率特征，并提取模糊图像边缘信息；应用于第二、三、四阶段的梯度残差密集多尺度卷积注意力U形子网络，用于获得更加精细的模糊图像的多分辨率特征；同时引入特征监督注意力模块连接两个阶段并进行特征融合。本发明的基于残差密集网络的图像去模糊模型及方法使网络训练更加稳定，能够极大地减少特征图信息的丢失，进而实现模糊图像复原的效果。
-
公开(公告)号：CN114331873B
公开(公告)日：2024-04-19
申请号：CN202111483828.3
申请日：2021-12-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于区域划分的非均匀光照彩色图像校正方法，该方法首先将输入的彩色图像从RGB色彩空间转换到HSV色彩空间；然后分离出V通道亮度值并计算其均值。若V通道亮度均值大于设定的受限阈值，则对图像取反后执行三种并行处理，否则直接执行三种并行处理以获得区域分割、邻域信息和光照分量，从而构造出自适应Gamma校正指数；然后利用自适应Gamma校正指数校正图像；最后根据原始图像色彩对校正后图像进行色彩还原。本发明方法可以解决因环境光照强度、光照射角度或拍摄条件等导致的图像光照分布不均匀的问题。
-
公开(公告)号：CN117314988B
公开(公告)日：2024-02-20
申请号：CN202311606533.X
申请日：2023-11-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种多角度投影配准的DBT重建法，包括如下步骤：获取多角度的投影数据；基于比尔定理对投影数据进行预处理，得到预处理后的投影数据；基于等中心圆弧运动的位移量配准法，对预处理后的投影数据进行分块坐标平移处理，得到平移后的投影数据；对平移后的投影数据中的像素空缺值进行图像插值处理，得到插值后的投影数据；根据插值后的投影数据，基于DBT重建算法、获得并输出DBT重建层。通过获取多角度的投影数据，基于等中心圆弧运动的位移量配准法，实现了中心投影标准化，满足了不同角度投影对重建层的不同放大率要求，使得对比度更高，聚焦重建层纹理更清晰，边界更加清晰，不易产生伪影。
-
Patent Agency Ranking
公开(公告)号：CN115731517B
公开(公告)日：2024-02-20
申请号：CN202211464101.5
申请日：2022-11-22
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于Crowd‑RetinaNet网络的拥挤人群检测方法，属于人工智能技术领域，对采集到的行人图像进行预处理，生成样本数据集；将样本数据集导入基于Crowd‑RetinaNet网络构建的拥挤人群检测模型中，对模型进行训练；拥挤人群检测模型检测模型包括目标识别模块和优化模块；采用目标识别模块识别导入样本中的行人，并对识别到的行人添加完整框和可见框；通过在完整框预测和训练中增加可见框V‑box辅助预测及训练，在不增加过多的模型参量的前提下，有效提高了模型精度，同时在特征提取模块中加入了通道‑空间注意力机制模块，不仅可以控制模型参数量，还使网络更好地提取场景中行人的特征，提升了模型的检测性能。
-
公开(公告)号：CN116935394A
公开(公告)日：2023-10-24
申请号：CN202310937343.X
申请日：2023-07-27
Applicant: 南京邮电大学
IPC: G06V30/14 , G06V30/146 , G06V30/148 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于PSENet区域分割的列车车厢号定位方法，通过结合注意力机制SE模块从卷积通道特征角度对网络权重参数进行再分配，提高残差网络对车厢号特征的提取性能，采用特征金字塔和自底向上路径增强模块，传递浅层网络强定位信息到富含强语义信息的深层网络中，融合来自两种网络的特征得到多尺度特征图后采用渐进尺度扩展算法对车厢号区域进行分割，本发明可以使货运列车车厢号定位有较高精确率与召回率，有利于后续车厢号识别工作的进行。
-
公开(公告)号：CN116523800B
公开(公告)日：2023-09-22
申请号：CN202310796816.9
申请日：2023-07-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于残差密集网络与注意力机制的图像降噪模型及方法，属于人工智能技术领域，图像降噪模型包括：膨胀模块用以扩展原始噪声图像的图像通道，以获得比像素域更精细的图像特征；残差密集U型子网络用于获取不同分辨率的特征信息；双元素卷积通道注意力模块用于实现多尺度特征融合，降低低频信息损失，以得到理想的降噪效果；重构模块用于对扩展后的特征图像进行复原，使其重建为像素域图像。本发明通过残差密集子网络作为主干网络用来获取不同分辨率的特征信息，同时引入全局残差与局部残差、层归一化，防止梯度在反向传播过程中消失或爆炸，使网络训练更加稳定，最终使网络能够极大地减少特征图信息的丢失。
-
公开(公告)号：CN112348754B
公开(公告)日：2022-08-16
申请号：CN202011190883.9
申请日：2020-10-30
Applicant: 南京邮电大学
Abstract: 本发明的目的在于克服现有技术中的不足，提供一种低照度彩色图像增强方法及装置，对于成像设备产生的噪声有良好的抑制作用，有效避免了传统增强算法带来的噪声污染以及传统去噪算法导致的图像信息损失。本方法通过帧平均法降噪、自适应Gamma校正、将所述图像序列依次从RGB色彩空间转换到YUV色彩空间、对所获得的YUV色彩空间图像进行并行处理、采用非全局的客观质量评价方法对所述盲源分离降噪图像进行质量排序、对所述最优质量图像进行对比度受限的自适应直方图均衡处理、对所述融合图像进行自适应光照均衡处理和将所述光照均衡处理图像与所述帧平均图像的U、V通道分量重组得到所述低照度彩色图像的增强图像。
-
公开(公告)号：CN104867168B
公开(公告)日：2018-08-17
申请号：CN201510208623.2
申请日：2015-04-28
Applicant: 南京邮电大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于P范数的压缩感知计算机断层扫描图像重建方法，具体指一种对不完全投影数据进行图像总变差Lp范数最小化的CT图像代数迭代重建方法。该方法主要步骤为：(1)获取CT系统成像参数以及扫描系统投影数据；(2)初始化投影数据，主要包括利用小波变换基对投影数据进行离散化处理以及滤波降噪处理，通过加权求解出投影矩阵并对初始图像x进行赋值x(0)＝0；(3)对投影数据进行代数迭代重建，利用梯度下降法对每次迭代后的图像做总变差Lp范数最小化调整，判断其是否满足收敛条件。若满足，则将重建图像保存、并输出；若不满足，则将本轮迭代的调整图像作为迭代初值继续迭代。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.023 seconds)
