-
公开(公告)号：CN110363704A
公开(公告)日：2019-10-22
申请号：CN201910475726.3
申请日：2019-06-03
Applicant: 西北大学
IPC: G06T3/40
Abstract: 本发明公开了一种融合形态及色彩的图像超分辨率重建模型构建及重建方法，考虑到仅使用图像像素损失优化超分辨率模型会忽略图像中结构、纹理、色彩分布的均衡分布，造成超分辨率重建结果出现结构不流畅、纹理不清晰、色彩不光顺和过度渲染错位等现象，提出一种构建图像对抗融合形态成分对抗网络和颜色对抗网络的超分辨率重建方法，本发明解决了现有技术无法兼顾结构、纹理、色彩图像特征这一不足，有效提高图像的重建质量。
-
公开(公告)号：CN110288525A
公开(公告)日：2019-09-27
申请号：CN201910423653.3
申请日：2019-05-21
Applicant: 西北大学
Abstract: 本发明公开了一种多字典超分辨率图像重建方法，考虑到使用全局字典进行超分辨率重建会忽略图像块结构多样化的特性，提出一种利用高斯混合模型对外部图像的先验信息进行训练进而引导多字典构造的超分辨率重建方法。本发明解决了全局字典无法兼顾各种不同类型图像块特征这一不足，有效提高图像的重建质量。
-
公开(公告)号：CN110110596A
公开(公告)日：2019-08-09
申请号：CN201910247707.5
申请日：2019-03-29
Applicant: 西北大学
Abstract: 本发明公开了一种高光谱图像特征提取、分类模型构建及分类方法，通过超像素分割处理获得超像素分割图像，对每一个区域执行主成分分析，从每一个区域里选取大小相同的随机块充当后续卷积网络的卷积核并得到降维后的图像，将降维后的图像输入进随机多尺度卷积网络得到空间特征图像；同时采用独立成分分析处理通过离散余弦变换后的降维图像来得到光谱特征图像；最后将所得到的特征堆叠起来输入分类器得到最终的分类结果。本发明将深度学习方法及传统方法相结合，在提取特征时无需任何训练，充分利用了高光谱图像的光谱特征及空间特征，有效地提高了分类精度。
-
公开(公告)号：CN109544488A
公开(公告)日：2019-03-29
申请号：CN201811166052.0
申请日：2018-10-08
Applicant: 西北大学
Abstract: 本发明公开了一种基于卷积神经网络的图像合成方法，包括以下步骤：步骤1，对3T-7T训练图像对和测试3T磁共振图像进行预处理，得到预处理后的3T-7T训练图像对和预处理后的测试3T磁共振图像；步骤2，构建双域卷积神经网络模型，将预处理后的3T-7T训练图像对输入双域卷积神经网络模型中进行训练，得到训练后的双域卷积神经网络模型；步骤3，将预处理后的测试3T磁共振图像作为当前3T磁共振图像，将当前图像输入训练后的双域卷积神经网络模型中，得到与当前3T磁共振图像所对应的7T磁共振图像。
-
公开(公告)号：CN106340027A
公开(公告)日：2017-01-18
申请号：CN201610748446.1
申请日：2016-08-26
Applicant: 西北大学
IPC: G06T7/13
CPC classification number: G06T2207/20032
Abstract: 本发明公开了一种基于图像超分辨率的书法背景重建方法，该方法首先在书法背景的彩色图像中选取包含噪声较少的部分背景进行背景重建，同时分割出书法作品中背景、文字和印章信息，并对背景、文字以及印章信息进行像素级的融合，得到最终的重建图像。本发明很好的解决了传统去噪方法导致艺术信息损失的问题，提高了书法作品的艺术信息的完整性；另外，本发明有效的解决了传统方法无法处理书法作品中墨迹扩散、自然风化等噪声的问题，得到了高质量的书法背景图像，提高了书法作品艺术信息的观赏价值。
-
Patent Agency Ranking
公开(公告)号：CN113034388B
公开(公告)日：2024-04-05
申请号：CN202110270413.1
申请日：2021-03-12
Applicant: 西北大学
IPC: G06T5/77 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06T3/4046 , G06T3/4023
Abstract: 本发明提供了一种古代绘画虚拟修复模型构建及古代绘画虚拟修复方法，通过对预构建的古代绘画虚拟修复网络模型进行训练，以获得训练好的古代绘画虚拟修复网络模型M2；采集损坏的古代绘画图像；制作该损坏的古代绘画图像对应的二进制掩膜；将采集的损坏的古代绘画图像和描绘破损区域的二进制掩膜，输入到训练好的古代绘画虚拟修复模型M2，并输出图像修复结果。通过实验结果比较表明，本发明采用的古代绘画虚拟修复方法能够有效地预测破损孔洞的像素值，重建出高品质的古代绘画图像，具有更好的主客观效果。
-
公开(公告)号：CN112950644B
公开(公告)日：2024-04-05
申请号：CN202110284664.5
申请日：2021-03-17
Applicant: 西北大学
IPC: G06T7/10 , G06N3/08 , G06N3/0464 , G06N3/045
Abstract: 本发明提供了一种基于深度学习的新生儿大脑图像分割方法及模型构建方法，对数据集中包括双模态磁共振图像和基准图像进行预处理；预构建特征强化双模态分割网络模型FedNet，用与处理后的数据集对特征强化双模态分割网络模型FedNet进行训练，将处理后的数据集输入训练好的特征强化双模态分割网络模型FedNet中，输出分割后的二维图像；对分割后的二维图像进行重建，输出和预处理前图像大小相同的已分割的新生儿大脑磁共振图像；本发明采用双通道特征强化下采样模块，通过不同模态分别进行卷积和最大池化处理，这样充分结合了双通道输出的特征信息的多样性，本发明中提出注意上采样模块，使得分割网络能够具有注意的特征，从而提升了网络分割的精准度。
-
公开(公告)号：CN114741918B
公开(公告)日：2024-02-23
申请号：CN202210313234.6
申请日：2022-03-28
Applicant: 西北大学
IPC: G06F30/23 , G06T17/20 , G06F111/10
Abstract: 本发明提供一种面向遗址劣化有限元分析的并行网格剖分算法，对于输入的古遗址模型，首先对模型生成粗的体网格，在粗粒度网格生成过程中，首先将模型区域分解为多个子区域，每个子区域需要传输到不同的计算核上，然后在每个计算核上生成子区域的细粒度加密网格，最后在子区域网格间进行通信，进行全局顶点编号和邻接子区域的影射区单元投影。本发明不需要花费大量时间进行合并操作，大大提升了生成满足计算需求数量的体网格的速度；不再需要对整个模型进行计算，可以很方便的在低配置计算机上对各个子区域分别进行计算。
-
公开(公告)号：CN117541607A
公开(公告)日：2024-02-09
申请号：CN202311388327.6
申请日：2023-10-24
Applicant: 西北大学
IPC: G06T7/12 , G06T7/11 , G06V10/26 , G06V10/764 , G06V10/25 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/045
Abstract: 本申请涉及一种基于双注意力与多重扩张卷积融合的医学图像分割模型，包括：深度残差网络、双重扩张注意力网络、金字塔扩充模块、区域生成网络和分割模块；本申请通过改进优化注意力等模块来使模型更加关注目标区域，提高模型对感兴趣区域及边界的分割精度；解决了现有的目标检测模型往往倾向于对目标区域的实例进行分割和分类，但是往往边缘精度分割不高的问题，经实验证明，本申请较好地保持了骨干网络的分割结果，在病灶区的分割结果上要明显优于现有技术。
-
公开(公告)号：CN115131234B
公开(公告)日：2023-09-19
申请号：CN202210675973.X
申请日：2022-06-15
Applicant: 西北大学
IPC: G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于两阶段神经网络的数字壁画修复方法，采用灰度图重建模块和色彩恢复模块两阶段神经网络模型，其中灰度图重建模块由区域识别模块、特征推理模块、特征融合模块组成，色彩恢复模块由三个结构相同、尺寸不同的残差网络组成。该方法将常规的单阶段图像恢复网络拆分成灰度图重建和颜色填充两个阶段，宏观上降低了图像修复模型的训练难度。第一阶段使用灰度图重建模块通过循环特征推理的方式恢复出单通道的灰度图，第二阶段使用色彩恢复模块运用图像有效区域的彩色颜色特征对无效区域的灰度图进行由粗糙到细致的颜色填充，更大限度的避免了图像颜色失真的现象。对大面积受损壁画，能够获得结构清晰、颜色逼真的修复图像。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.018 seconds)
