-
公开(公告)号：CN111681252A
公开(公告)日：2020-09-18
申请号：CN202010479507.5
申请日：2020-05-30
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理与计算机视觉技术领域，特别涉及一种基于多路径注意力融合的医学图像自动分割方法，包括获取医学图片数据集，将数据集分为训练集和验证集，对训练集中的图片进行增广，并对验证集和增广之后的训练集中图片进行归一化处理；将训练集中的图片输入多路径注意力融合网络模型，在交叉熵损失函数的指导下输出得到分割结果图；选择验证集准确率最高的模型，将测试集输入加载此模型的多路径注意力融合网络，输出得到图像的分割结果图；本发明解决医学图像分割过程中现有网络无法在编码器无法效地提高不同尺度下的特征质量，并且难以控制网络低级结构特征和高级语义特征之间的层间依赖性从而导致分割结果不佳等问题。
-
公开(公告)号：CN111008955A
公开(公告)日：2020-04-14
申请号：CN201911076219.9
申请日：2019-11-06
Applicant: 重庆邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种多尺度图像块匹配的快速复制粘贴篡改检测方法，涉及数字图像处理技术领域。本文发明利用复制粘贴篡改的特点，在Patch-Match上进行多尺度空间建模。在多尺度Patch-Match中，不同尺度的输出被视为先验概率，用作引导下一个尺度检测中的初始化、反射偏移量和传播。由于利用复制粘贴篡改的特点，在多尺度Patch-Match的过程中可以实现指导性搜索，保证了高效性，减少了单尺度Patch-Match多次迭代所造成的时间浪费。本发明应用了多尺度Patch-Match的优点，有效地减少了计算时间复杂度并适用于实际应用。
-
公开(公告)号：CN105472395B
公开(公告)日：2019-03-08
申请号：CN201510808019.3
申请日：2015-11-20
Applicant: 重庆邮电大学
IPC: H04N19/625 , H04N19/91
Abstract: 本发明请求保护一种基于离散Krawtchouk正交多项式的图像无损压缩方法，属于数字图像压缩技术领域。本发明的编码及解码方法在进行二维正向/反向正交变换时，采用二维整数正向/反向离散Krawtchouk正交多项式变换来替代现有技术所使用的其它整数变换方法，实现无损压缩，可以有效地解决编码器失配问题，实现无损编码，而且具有较高的压缩性能以及更好的可扩展性。本发明矩阵变换实现从整数映射到整数，且在原位之间计算，完好地重构图像，降低了硬件资源消耗，有利于硬件实现。
-
公开(公告)号：CN109199392A
公开(公告)日：2019-01-15
申请号：CN201810903712.2
申请日：2018-08-09
Applicant: 重庆邮电大学
IPC: A61B5/107
Abstract: 本发明涉及一种婴幼儿足底图像数据采集和三维形状建模方法，属于数字图像处理和模式识别领域，该方法包含如下步骤：S1：根据采集装置采集标定图像；S2：利用3D传感摄像头采集幼儿足底RGB图像和深度图像；S3：利用标定图像计算出相机内参；S4：根据相机内参，利用RGB图像和深度图像信息形成点云数据，将像素从二维空间映射到三维空间。与已有的解决方案相比，本发明成本低，数据采集方便快速。本发明能够辅助医生诊断婴幼儿足底畸形，并生成婴幼儿足部三维模型为3D打印定制纠正鞋垫或鞋提供模型基础。
-
公开(公告)号：CN106971383A
公开(公告)日：2017-07-21
申请号：CN201710076195.1
申请日：2017-02-13
Applicant: 重庆邮电大学
IPC: G06T5/50
Abstract: 本发明请求保护一种基于离散Tchebichef多项式变换和聚焦评价的多聚焦图像融合方法，涉及数字图像处理、机器视觉的技术领域。具体步骤为：1)对需要融合的多幅图像进行分块处理，得到r个m×n的图像块；2)分别对每个图像块归一化，再分别对归一化后的块进行离散Tchebichef多项式变换，得到对应的离散Tchebichef多项式变换系数；3)以高阶变换系数的能量和低阶变换系数的能量的比值作为聚焦评价函数，根据聚焦评价值最大的融合规则融合多幅输入图像；4)将融合后的图像进行一致性验证，得到最终融合后的图像。本方法建立了图像离散Tchebichef多项式变换系数与图像聚焦程度的联系，在节省融合时间的同时，有效地提高了图像的融合效果。
-
Patent Agency Ranking
公开(公告)号：CN105447837A
公开(公告)日：2016-03-30
申请号：CN201510811225.X
申请日：2016-02-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于自适应云模型的多模态脑部图像融合方法，属于医学图像处理领域。本发明借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先，根据脑部图像自身的灰度直方图特征，对灰度直方图进行拟合；然后，由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型；最后，设计云推理规则，得到融合后的图像。实验结果表明，相比传统融合方法，本方法融合后的图像脑部特征更清晰，激活区域更明显，在主观融合效果与客观评价指标方面均有很大的提高。
-
公开(公告)号：CN105163130A
公开(公告)日：2015-12-16
申请号：CN201510527118.4
申请日：2015-08-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于离散Tchebichef正交多项式的图像无损压缩方法，属于数字图像压缩技术领域。本发明的编码及解码方法在进行二维正向/反向正交变换时，采用二维整数正向/反向离散Tchebichef正交多项式变换来替代现有技术所使用的其它整数变换方法，实现无损压缩，可以有效地解决编码器失配问题，实现无损编码，而且具有较高的压缩性能以及更好的可扩展性。本发明矩阵变换实现从整数映射到整数，且在原位之间计算，完好地重构图像，降低了硬件资源消耗，有利于硬件实现。
-
公开(公告)号：CN116468888B
公开(公告)日：2025-05-20
申请号：CN202310309481.3
申请日：2023-03-28
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/764
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。
-
公开(公告)号：CN114663663B
公开(公告)日：2024-09-24
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
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：CN118229527A
公开(公告)日：2024-06-21
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 0.026 seconds)
