-
公开(公告)号：CN106952240A
公开(公告)日：2017-07-14
申请号：CN201710197474.3
申请日：2017-03-29
Applicant: 成都信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20076 , G06T2207/20201
Abstract: 本发明公开了一种图像去运动模糊方法，所述方法包括：步骤1：建立基于狄利克雷过程的无限学生‑t分布混合模型，作为图像梯度分布模型和点扩散函数模型，根据观测图像自动获得无限学生‑t分布混合模型个数；步骤2：将图像梯度分布模型和点扩散函数模型分别作为图像先验模型和点扩散函数先验模型，采用最大后验估计方法对图像进行去运动模糊处理，并利用变分贝叶斯推断估计模型参数，实现了模型个数自适应选择，提高对图像梯度分布的拟合度，实现精准的图像去运动模糊的技术效果。
-
公开(公告)号：CN119785193B
公开(公告)日：2025-05-20
申请号：CN202510282109.7
申请日：2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法，通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征，使得模型能够更全面地识别伪造图像中的细微差别。此外，真实性感知边界损失函数通过动态调整边界，成功应对了类别不平衡问题，尤其在真实图像样本稀缺的情况下，显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号：CN116721302A
公开(公告)日：2023-09-08
申请号：CN202311002748.0
申请日：2023-08-10
Applicant: 成都信息工程大学 , 中国气象局人工影响天气中心
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于轻量级网络的冰雪晶粒子图像分类方法，属于计算机视觉技术领域，包括：使用包含多个分类的冰雪晶粒子图像的训练样本数据集对搭建好的网络模型进行训练，并使用冰雪晶粒子图像的测试数据集对网络模型进行冰雪晶粒子图像进行分类测试验证，选择性能最好的模型参数进行保存；将获取的冰雪晶粒子图像输入到经过训练和测试的网络模型中，对冰雪晶粒子图像进行特征提取和类别的推理计算，得到一个预测的类别从而实现对冰雪晶粒子图像的自动分类。本发明通过深度可分离空洞卷积层能有效融合全局和局部特征，对于冰雪晶粒子这种在尺度和结构上存在微小差异的细节特征能有较好的分类效。
-
公开(公告)号：CN115062551A
公开(公告)日：2022-09-16
申请号：CN202210935359.2
申请日：2022-08-05
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于时序神经网络的湿物理过程参数化方法，方法首先基于时序预测神经网络去学习过去时刻大气状态、对流和云的动态变化关系，然后通过融合筛选这些学习到的特征来预测湿物理过程中湿度和温度变化趋势以及云水和云冰含量。最后，根据预测出的湿度变化趋势计算出当前的降水量。此外，在网络训练过程中加入了物理约束来保证该方法遵循一般的物理规律。该方法相比传统湿物理参数化方案和其他神经网络能够准确再现社区大气模式超参数版本SPCAM的模拟结果，模拟的湿物理过程中的湿度和温度变化趋势、云水和云冰含量，降水等偏差也远小于它们。
-
公开(公告)号：CN108765332B
公开(公告)日：2022-05-06
申请号：CN201810502466.X
申请日：2018-05-23
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于非局部均值框架的图像去噪处理方法，涉及图像处理技术，采用与图像局部区域结构一致的椭圆搜索窗口，根据图像的局部结构，对椭圆搜索窗口的尺寸大小和去噪算法内平滑参数数值的进行自适应调整，以更好地对待去噪像素点的灰度值进行估计。本发明在不同噪声环境下的去噪效果有比较好的鲁棒性。本发明通过对图像局部区域的直方图信息和图像矩阵信息的分析，实现基于非局部均值算法的图像块大小自适应、平滑参数数值自适应以及搜索窗口形状自适应，从而有效地对图像细节部分进行噪声抑制并尽可能地保留住细节部分的纹理信息，实现对传统非局部均值算法的改进，实验效果证明改进算法在去噪效果和纹理部分提升明显。
-
Patent Agency Ranking
公开(公告)号：CN109064418B
公开(公告)日：2022-03-08
申请号：CN201810758901.5
申请日：2018-07-11
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于非局部均值的非均匀噪声图像去噪方法，包括：步骤1：使用评价算子R对非均匀噪声图像先进行像素粗分类；步骤2：对噪声图像中的每一个像素，根据其周围邻域像素的粗分类结果，采取多数投票方法，对该像素的类别进行细分类，分为：低噪声高纹理、中等纹理、高噪声次纹理、平滑区域的其中一类；步骤3：对细分类后的每一个类别，自适应的选择滤波参数和邻域块大小，使用非局部均值去噪算法进行像素去噪；达到消除噪声的效果和纹理保留效果之间的平衡。
-
公开(公告)号：CN113822368A
公开(公告)日：2021-12-21
申请号：CN202111153974.X
申请日：2021-09-29
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像识别领域，具体公开了一种基于无锚的增量式目标检测方法，包括以下步骤：步骤1、选取目标检测模型；步骤2、基于步骤1的目标检测模型，构建小样本目标检测模型；步骤3、对所述小样本目标检测模型进行元训练；步骤4、对训练后的小样本目标检测模型进行元测试。本发明在大量含丰富标签的基类数据(图像)和少量含标签的小样本(few‑shot)新类的训练下，提升了对新类测试图片的检测效果，即提高mAP和AR分数的提升。
-
公开(公告)号：CN112686822B
公开(公告)日：2021-09-07
申请号：CN202011607204.3
申请日：2020-12-30
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于堆叠生成对抗网络的图像补全方法，网络结构主要由三个堆叠的生成器网络层组成。首先将蒙版图像裁剪成多个图像块，以便网络就可以提取出不同图像块的特征；然后，本发明将补全的多图像块结果放入下一层的生成器中，以进一步补全图像；最后，将不同块的补全结果应用于一整块掩模图像上，得到最终的补全输出。从粗到细的补全作业，充分利用卷积神经网络提取的高层语义信息。并且通过图像块鉴别器来区分生成图像图像和原始图像的真假。实验结果表明，本发明方法能够对具有不规则掩模的图像生成高质量的补全结果，补全的结果更逼近原始图像。
-
公开(公告)号：CN111127532A
公开(公告)日：2020-05-08
申请号：CN201911413634.9
申请日：2019-12-31
Applicant: 成都信息工程大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于深度学习特征光流的医学图像形变配准方法及系统，提取像素所在图像块，用训练好的Siamese网络提取像素所在图像块的深度学习特征，基于该特征求解光流场。本发明通过Siamese特征提取良好的特征描述符，提高像素点的匹配精度；通过对比损失函数学习到的映射关系，使得在高维空间中相同类别但距离较远的点在特征维空间中距离更近；而不同类别但距离较近的点在特征维空间中距离更远；基于对比损失函数训练的Siamese卷积神经网络提取的Siamese特征比SIFT特征以及一般的深度学习特征等区分度更高、更稳定，更适宜于差异计算和得到更加准确的计算结果。
-
公开(公告)号：CN108921192A
公开(公告)日：2018-11-30
申请号：CN201810517949.7
申请日：2018-05-25
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于测地线距离的异常点检测方法，其包括：输入数据集X；针对数据集X构建邻接图G，利用Dijkstra算法创建测地距离矩阵；针对各样本点计算测地距离ηi以及各点的度deg(xi)；计算平均测地距离设定阈值τ，计算样本点的实际度Rdeg(xi)；判断特殊点和异常点。本发明提高了异常点检测的性能，更好的反应了数据集的结构特征，且可同时检测到异常点和边缘点。此外，本发明的方法受数据分布和数据维度影响较弱，在实际应用中适用范围更广，解决了现有技术对异常点的检测精度不高和对高维数据检测性能不佳的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.031 seconds)
