-
公开(公告)号:CN107679509B
公开(公告)日:2021-04-02
申请号:CN201710977279.2
申请日:2017-10-19
Applicant: 广东工业大学 , 广州市刑事科学技术研究所
Abstract: 本发明实施例公开了一种小环藻识别方法及装置。其中,方法包括对包含待测藻类的原始水体样本的高倍数显微图像进行切片处理,得到以小环藻外形为内切圆的正方形识别图像;对识别图像进行极坐标变换,并提取经过极坐标变化图像的多个识别特征;将提取的多个识别特征输入预先构建的决策树模型中,根据决策树模型输出结果确定待测藻类的类别;决策树模型为根据模板小环藻图像的特征和训练样本图像集中各个训练样本特征的信息增益率,利用C4.5决策树算法进行分类,根据分类结果对待测藻类进行识别。本申请的技术方案有效的解决了对复杂背景下的藻类图像无法根据现有技术进行切割而识别,提高了藻类的识别准确率与效率。
-
公开(公告)号:CN110503054A
公开(公告)日:2019-11-26
申请号:CN201910795552.9
申请日:2019-08-27
Applicant: 广东工业大学
Abstract: 本申请提供了一种文本图像的处理方法及装置,通过获取用户输入的文本图像的特征信息;将用户输入的文本图像的特征信息输入至图像分类模型中,确定出用户输入的文本图像所属的类别;根据用户输入的文本图像所属的类别,确定与用户输入的文本图像所属的类别相对应的文字区域位置信息;将用户输入的文本图像中的文字区域位置的图像,按照单个字符进行分割,得到多个字符图像;对每一个字符的图像进行识别,得到用户输入的文本图像中的文本数据信息。由于本申请中可通过用户输入的文本图像的特征信息确定出文本图像所属的类别,实现对多种文本图像进行分类,解决了现有技术中无法采集多种类型的文本图像中的数据的问题。
-
公开(公告)号:CN110473212A
公开(公告)日:2019-11-19
申请号:CN201910754900.8
申请日:2019-08-15
Applicant: 广东工业大学
Abstract: 本发明公开了一种融合显著性和超像素的电镜硅藻图像分割方法及装置,该方法包括:对待分割的电镜硅藻图像构造显著性区域粗定位,得到显著图;计算所述显著图的最佳阈值,利用所述最佳阈值对所述显著图进行二值化处理,得到二值化图,进行自适应初始框取,得到初始矩形框;对所述二值化图,利用超像素算法对初始矩形框扩充,构造自适应矩形框;将所述矩形框参数和所述电镜硅藻图像输入GrabCut算法中,分割得到复杂背景下完整的硅藻。本发明通过上述过程解决了现有技术中提取电镜硅藻图像需进行复杂的预处理及耗费大量人力的技术问题,实现了快速地全自动分割复杂背景下的完整目标硅藻。
-
公开(公告)号:CN110335283A
公开(公告)日:2019-10-15
申请号:CN201910619962.8
申请日:2019-07-10
Applicant: 广东工业大学
Abstract: 本发明公开了一种图像修复方法,包括:将待修复的破损图像转化为二值图像;根据二值图像当前的破损区域,获得初始化的置信度和数据项,并对二值图像进行多方向边缘检测,获得边缘项;根据置信度、数据项以及边缘项,获得二值图像的边缘像素点的修复次序优先权;根据修复次序优先权对破损图像进行修复。本申请中基于Criminisi算法的基础上进行改进,根据置信度、数据项以及边缘项获得更为准确合适的修复次序优先权,在不增加图像修复难度的基础上,提高了图像修复的修复效果,在一定程度上满足图像修复的低难度,高精度的双重需求。本发明中还提供了一种图像修复装置、设备以及计算机可读存储介质,具有上述有益效果。
-
公开(公告)号:CN110110667A
公开(公告)日:2019-08-09
申请号:CN201910380226.1
申请日:2019-05-08
Applicant: 广东工业大学
IPC: G06K9/00
Abstract: 本申请公开了一种硅藻图像的处理方法,所述处理方法包括获取电子显微镜采集的原始硅藻图像,并利用GBVS算法提取所述原始硅藻图像的显著图;对所述显著图执行二值化处理得到二值化图像,根据所述二值化图像确定有效区域;对所述有效区域执行边缘检测操作得到硅藻边缘信息,根据所述硅藻边缘信息确定待显示区域;输出所述原始硅藻图像中与所述待显示区域对应的图像。本申请能够准确分割硅藻图片的背景与硅藻本体图像,提高硅藻本体图像的识别率。本申请还公开了一种硅藻图像的处理系统、一种计算机可读存储介质及一种电子设备,具有以上有益效果。
-
公开(公告)号:CN107679509A
公开(公告)日:2018-02-09
申请号:CN201710977279.2
申请日:2017-10-19
Applicant: 广东工业大学 , 广州市刑事科学技术研究所
CPC classification number: G06K9/00671 , G06K9/6256 , G06K9/627
Abstract: 本发明实施例公开了一种小环藻识别方法及装置。其中,方法包括对包含待测藻类的原始水体样本的高倍数显微图像进行切片处理,得到以小环藻外形为内切圆的正方形识别图像;对识别图像进行极坐标变换,并提取经过极坐标变化图像的多个识别特征;将提取的多个识别特征输入预先构建的决策树模型中,根据决策树模型输出结果确定待测藻类的类别;决策树模型为根据模板小环藻图像的特征和训练样本图像集中各个训练样本特征的信息增益率,利用C4.5决策树算法进行分类,根据分类结果对待测藻类进行识别。本申请的技术方案有效的解决了对复杂背景下的藻类图像无法根据现有技术进行切割而识别,提高了藻类的识别准确率与效率。
-
公开(公告)号:CN119991491A
公开(公告)日:2025-05-13
申请号:CN202510123213.1
申请日:2025-01-24
Applicant: 广东工业大学
IPC: G06T5/70 , G06T7/00 , G06T5/20 , G06T5/10 , G06T5/60 , G06T3/4038 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种紧框架小波的低剂量计算机断层扫描(Computerized Tomography,CT)去噪方法,该方法包括:S1:采集低剂量CT图片和常规剂量CT图片构建CT数据集转化为Numpy矩阵;S2:对图像数据进行GTF(Geometric Tight Framelet)变换,得到1个低频分量和8个高频分量,对高频分量进行分组,每组的组内高频分量个数为2、3、3;S3:创建紧框架扩散模型(Tight Frame Diffusion Model)对低频分量进行去噪;S4:创建组别高频增强网络Grouped High‑Frequency EnhancementNetwork(GHFEN)对高频分量进行恢复;S5:最后对增强和去噪后的分量进行逆GTF变换,得到去噪图像。通过使用本发明,能够为用户通过CT扫描仪得到的低剂量CT提供更符合人眼观察效果的CT图像去噪服务。本发明作为一种多级特征感知的低剂量CT去噪方法,可广泛应用于CT去噪领域。
-
公开(公告)号:CN119905174A
公开(公告)日:2025-04-29
申请号:CN202411989199.5
申请日:2024-12-31
Applicant: 广东工业大学
IPC: G16C20/70 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开的属于生物医学技术领域,具体为一种基于多视图堆叠跳级图卷积网络的药物重定位方法,包括具体步骤如下:获取药物疾病关联数据,分别构成药物和疾病的邻接矩阵A、关联图G、药物和疾病的相似度矩阵Sr、Sd,并使用多层图卷积编码器块,将药物和疾病的相似度矩阵编码成高阶特征表示;构建双层级子图自注意力网络,结合节点层级和子图层级的特征,与图拓扑结构进行结构级融合。本发明在使用高阶节点信息时,能够提取到高阶节点的上下文信息,缓解了局部信息和全局信息的不一致性;本发明能够更全面利用深层信息,解决了网络在多层后无法区分药物疾病节点从而导致模型预测能力下降的问题。
-
公开(公告)号:CN117315441A
公开(公告)日:2023-12-29
申请号:CN202311274299.5
申请日:2023-09-28
Applicant: 广东工业大学
IPC: G06V10/82 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/44 , G06V10/774 , G06V20/56 , G06N3/0464 , G06N3/084
Abstract: 本发明提供基于改进YOLOX的道路井盖状态检测方法,包括以下步骤:S1:建立模型需要的数据集,采集多种不同情况下的道路井盖图像,并进行图像处理;S2:建立YOLOX模型,得到的一种无锚框检测器;S3:在Decoupled Head模块的输入之前插入高效的通道注意力模块(ECANet),进一步提取通道特征;S4:使用了PyTorch框架进行了冻结骨干网络的训练策略,实现模型;S5:通过分类和回归得到最后道路井盖状态的检测结果。本发明将井盖状态细分为正常、破损和沉降三类,并在YOLOX模型的解耦头之前,加入了注意力模块ECANet进一步提取通道特征,为高效确定道路井盖位置并识别其状态提供了一种新方法。
-
公开(公告)号:CN117274173A
公开(公告)日:2023-12-22
申请号:CN202311135174.4
申请日:2023-09-04
Applicant: 广东工业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明的目的是提供一种语义与结构蒸馏的无参考图像质量评价方法,该方法包括:构建图像训练集,将图像训练集分为参考图像集和退化图像集;用参考图像集训练用于图像语义信息提取的教师网络1;用参考图像集训练用于图像差异信息提取的教师网络2;利用教师网络1,2和差异信息蒸馏损失训练学生网络;利用教师网络1,2和语义信息蒸馏损失训练学生网络;将待评价的图像输入训练好的学生网络进行图像质量评价。本发明能够解决缺乏参考信息的缺点,提高了图像质量评价的性能。
-
-
-
-
-
-
-
-
-