-
公开(公告)号：CN117788933A
公开(公告)日：2024-03-29
申请号：CN202311846658.X
申请日：2023-12-29
Applicant: 南京邮电大学
IPC: G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06V10/774
Abstract: 本发明涉及医学图像分类领域，具体地说，是一种基于结构张量分解神经网络的多模态医学图像分类方法：对输入的多模态图像进行预处理；用并行的特征提取网络分别提取每一模态图像的高级特征、对每一高级特征进行结构张量分解；融合来自不同模态的核心张量和每个维度对应的三阶因子张量，将融合后的分量重建为一个完整特征；利用最终的特征来预测病人的疾病类别或病理状态；采用贝叶斯优化器确定结构张量分解步骤中最佳的超参数组合，该发明技术提高了多模态医学图像分类任务的准确率。
-
公开(公告)号：CN115034978A
公开(公告)日：2022-09-09
申请号：CN202210565981.9
申请日：2022-05-23
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于子空间表示结合图嵌入约束的高光谱图像去噪方法，通过获取含有混合噪声的高光谱图像Y，建立观测模型：Y＝X+N；并将原始高光谱图像X进行光谱低秩表示，分解为子空间的基E与系数表示矩阵Z两个低维的待求解子矩阵；对混合噪声进行子空间学习；对光谱之间的图嵌入约束；构建基于子空间表示结合图嵌入约束的高光谱图像去噪模型；采用交替方向乘子法ADMM对模型进行优化求解得到解进行去噪图像估计，进而获得去除加性混合噪声后的高光谱图像即得到原始干净的图像。该方法能够高效完全处理包括高斯噪声、泊松噪声以及条带噪声的多种混合加性噪声，能够获得优越的去噪效果，在去除混合噪声方面上的有效性和高效性均有提升。
-
公开(公告)号：CN113298232B
公开(公告)日：2022-08-16
申请号：CN202110548772.9
申请日：2021-05-20
Applicant: 南京邮电大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于深度学习神经网络的红外光谱盲自去卷积方法，包括：将退化的红外光谱输入构建的生成网络模型中，恢复潜在的干净红外光谱。构建生成网络模型，包括：建立生成网络模型；确立红外光谱退化公式，加入全变分正则化函数对生成网络模型进行优化；使用联合优化算法对包括原始红外光谱x和模糊核k的参数进行更新；将退化的红外光谱输入生成网络模型中进行迭代训练；迭代训练直到满足条件才能停止，获得潜在的干净红外光谱，以及潜在的干净红外光谱与原始红外光谱的误差率均方根误差RMSE、相关系数CC和自加权相关系数WCC。
-
公开(公告)号：CN114898117A
公开(公告)日：2022-08-12
申请号：CN202210574392.7
申请日：2022-05-25
Applicant: 南京邮电大学
Abstract: 一种基于均衡化结构纹理表征的序列红外图像目标检测方法，首先，利用红外图像中的小目标比背景更亮的特点，构建局部强度信息图，充分抑制中心像素值小于局部平均像素的背景杂波并锁定目标可能存在的图像块。其次，在得到可能存在小目标的图像块之后，在图像块的中心点建立极坐标系，利用局部梯度属性检测出小目标，通过实验给定的阈值，检测出小目标。最后，结合局部强度和局部梯度形成均衡化结构纹理表征，并添加了一个平衡因子来调节强度和梯度在均衡化结构纹理表征中所占比重。本方法与其他算法相比，可以更高效和精准的探测出小目标所在位置。
-
公开(公告)号：CN111738937B
公开(公告)日：2022-08-12
申请号：CN202010466506.7
申请日：2020-05-28
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于张量分解的总变分遥感图像去条带方法，将遥感图像分解为目标图像和条带噪声及随机噪声的叠加，对各成分分别采用不同的正则项约束构成目标模型：为了保证恢复数据与原始数据之间的相似性，将引入一项非凸数据保真项；同时引入总变分正则项约束目标图像的分段平滑特性；最后，对于条带噪声采用低秩Tucker分解和L21范数联合约束，采用交替方向乘子法给出了一种详细的算法来求解上述模型，实现从原始图像中恢复目标图像，并给出了仿真实验结果验证本发明的可行性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN113298136B
公开(公告)日：2022-08-05
申请号：CN202110556609.7
申请日：2021-05-21
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于alpha散度的孪生网络跟踪方法，旨在解决现有技术难以实现高鲁棒性和准确性的视觉跟踪的技术问题。其包括：获取待跟踪图像和训练好的孪生网络，所述孪生网络基于alpha散度进行训练；利用ResNet50提取待跟踪图像的深度特征；利用目标中心回归分支处理待跟踪图像的深度特征，获得待跟踪图像的预测目标位置；利用目标框回归分支分别处理待跟踪图像的深度特征，获得待跟踪图像的预测目标框。本发明能够从概率角度解释了人工标注带来的噪声、不确定度，具有更高的准确性和鲁棒性。
-
公开(公告)号：CN109859119B
公开(公告)日：2022-08-02
申请号：CN201910011177.4
申请日：2019-01-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于自适应低秩张量恢复的视频图像去雨方法，包括如下步骤：首先提取视频的任意相邻两帧进行差分，再通过计算梯度方向直方图来判断雨与水平方向的倾斜角度，最后通过自适应张量恢复算法输出清晰度更高的视频。对于仿真数据，可以通过图像的客观评价标准来评判恢复视频的结构与质量。本发明能够考虑到风对雨的影响，能够去除与水平方向存在一定的倾斜角的雨点，另外，本发明不需要训练大量的数据样本，可以直接对输入的视频图像进行去雨，能够改善视频图像的质量，提高视频图像的清晰度。
-
公开(公告)号：CN114662655A
公开(公告)日：2022-06-24
申请号：CN202210192161.X
申请日：2022-02-28
Applicant: 南京邮电大学
IPC: G06N3/04 , G06N3/08 , G06F16/2458
Abstract: 本发明公开了一种基于注意力机制的兵棋推演AI分层决策方法及装置，包括进行分层网络建模与强化学习智能体建模，获取到态势推演初始数据进行预处理；获通过智能体局部观察数据，输出当前所有智能体的总体目标；通过智能体局部观察数据和当前所有智能体的总体目标，输出当前所有智能体的当前应采取的决策；通过当前所有智能体的总体目标，筛选并预处理得到此刻的目标态势；利用注意力机制筛选出与目标态势关联最大的智能体局部信息，并进行态势评估；将当前所有智能体的当前应采取的决策输入到兵棋推演环境中，得到更新之后的新态势，通过所述新旧态势之间的差别计算奖励并训练网络，本发明能够有效的解决兵棋推演环境的动态性问题以及稀疏奖励问题，使AI能够实现自主决策，对不同的想定具有一定的适应能力与较高的胜率。
-
公开(公告)号：CN110660028A
公开(公告)日：2020-01-07
申请号：CN201910830770.1
申请日：2019-09-04
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于联合边缘滤波形态学的小目标检测方法，旨在解决现有技术中对小目标识别难度大、准确率低的技术问题。所述方法包括如下步骤：利用联合边缘滤波函数对原图像的局部像素进行运算，生成原图像的结构元素矩阵；利用原图像的结构元素矩阵对原图像进行联合边缘滤波形态学腐蚀，获取腐蚀后图像，作为背景图像；基于原图像和背景图像进行顶帽变换，获取结果图像；利用自适应阈值对结果图像进行目标识别。
-
公开(公告)号：CN109859119A
公开(公告)日：2019-06-07
申请号：CN201910011177.4
申请日：2019-01-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于自适应低秩张量恢复的视频图像去雨方法，包括如下步骤：首先提取视频的任意相邻两帧进行差分，再通过计算梯度方向直方图来判断雨与水平方向的倾斜角度，最后通过自适应张量恢复算法输出清晰度更高的视频。对于仿真数据，可以通过图像的客观评价标准来评判恢复视频的结构与质量。本发明能够考虑到风对雨的影响，能够去除与水平方向存在一定的倾斜角的雨点，另外，本发明不需要训练大量的数据样本，可以直接对输入的视频图像进行去雨，能够改善视频图像的质量，提高视频图像的清晰度。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.029 seconds)
