-
公开(公告)号：CN109063535A
公开(公告)日：2018-12-21
申请号：CN201810541294.7
申请日：2018-05-30
Applicant: 华侨大学
CPC classification number: G06K9/00362 , G06K9/6267
Abstract: 本发明涉及一种基于联合深度学习的行人再辨识和行人性别分类方法，可同时预测行人身份和行人性别。首先，构建两个结构相同的深度网络，分别用于行人再辨识和行人性别分类；其次，利用参数相关正则项约束两个结构相同的深度网络中各层的参数集，使得二者参数的优化过程中不至于发生过大的偏离，以避免过拟合，从而同时提升行人再辨识与行人性别分类的准确率。
-
公开(公告)号：CN113380401B
公开(公告)日：2025-03-14
申请号：CN202110788927.6
申请日：2021-07-13
Applicant: 华侨大学
IPC: G16H50/20 , G06V10/764 , G06V10/50
Abstract: 本发明提供一种基于超声图像的乳腺肿瘤良恶性分类方法、装置和介质，该方法包括：对带有分类标签的原始乳腺肿瘤超声图像进行预处理，得到预处理图像；获取预处理图像中感兴趣区域；对感兴趣区域做三种处理分别得到深度残差网络特征向量、纹理特征向量和形态特征向量；将深度残差网络特征向量和纹理特征向量分别进行降维处理，然后将二者进行特征融合，得到融合向量数据；利用支持向量机分类器对一定数量的融合向量数据进行学习，并利用朴素贝叶斯分类器对形态特征向量进行学习，通过加权两种分类器得到肿瘤分类模型；将待分类乳腺肿瘤超声图像输入乳腺肿瘤分类模型，得到分类结果。采用本发明方法可实现更准确地对乳腺肿瘤超声图像的自动分类。
-
公开(公告)号：CN119232941B
公开(公告)日：2025-02-25
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN119232941A
公开(公告)日：2024-12-31
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN118469845B
公开(公告)日：2024-09-24
申请号：CN202410925506.7
申请日：2024-07-11
Applicant: 华侨大学
IPC: G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094 , G06T5/94 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种非参考无标记细胞显微图像视觉增强方法，涉及图像处理技术领域，包括以下步骤：采集无标记细胞显微图像形成数据集；构建显微视觉增强网络；利用数据集对显微视觉增强网络进行训练；使用训练好的显微视觉增强网络对无标记细胞显微图像进行增强；所述显微视觉增强网络包括预增强网络和增强网络；增强网络接收无标记细胞显微图像，通过显微视觉Retinex块增强对比度以获得预增强图像，通过多尺度特征提取模块对预增强图像进行特征提取，输出多尺度特征信息；增强网络采用生成对抗网络，根据多尺度特征信息实现图像增强。本发明解决了无标记细胞显微图像存在的对比度低、弱边缘和整体亮度较暗等问题，且无需进行参考标准图像训练。
-
Patent Agency Ranking
公开(公告)号：CN118379303A
公开(公告)日：2024-07-23
申请号：CN202410807394.5
申请日：2024-06-21
Applicant: 华侨大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于多尺度Transformer多注意力的#imgabs0#病理细胞分割方法及装置，涉及图像处理技术领域，方法包括：构建#imgabs1#细胞分割模型并进行训练，利用训练好的#imgabs2#细胞分割模型实现病理细胞分割；#imgabs3#细胞分割模型包括特征编码部分、中间连接部分和特征解码部分；特征编码部分对输入图像进行多尺度特征提取；中间连接部分采用若干跳跃连接层接收特征编码部分输出的特征并基于多尺度transformer注意力进行特征聚合，将聚合特征与解码器输出特征进行特征融合，得到融合特征；特征解码部分对融合特征进行解码，输出分割结果。本发明可避免下采样造成的信息丢失，有效增强病理细胞边界特征信息，提高病理细胞分割精确率。
-
公开(公告)号：CN118230082A
公开(公告)日：2024-06-21
申请号：CN202410647367.6
申请日：2024-05-23
Applicant: 华侨大学
IPC: G06V10/77 , G06V10/10 , G06V10/771 , A61B5/026 , A61B5/00
Abstract: 本发明公开了基于二维主成分分析的激光散斑衬比血流成像方法及系统，涉及激光散斑血流成像领域，方法包括如下步骤：使用激光散斑血流成像系统采集原始散斑图像；对原始散斑图像进行二维主成分分析以获取重构散斑图像；从重构散斑图像中获取血流信息；从重构散斑图像中获取静态背景信息；基于血流信息和静态背景信息重构散斑图像血流衬比图。本发明采用二维主成分分析法通过线性变换将高维数据投影到低维空间，有效降低了计算的复杂度，提高了计算的速度；且二维主成分分析法能够直接对原始图像矩阵进行操作，更有效地保留和利用图像的二维结构信息，从而获得更好的图像重构效果。
-
公开(公告)号：CN117974525A
公开(公告)日：2024-05-03
申请号：CN202410370762.4
申请日：2024-03-29
Applicant: 华侨大学
Abstract: 基于二阶自相关函数计算的激光散斑衬比血流成像方法，涉及生物组织医学成像领域,包括如下：采集若干帧连续的时间序列散斑图像，计算连续的所述时间序列散斑图像的二阶自相关函数；基于所述二阶自相关函数计算所述时间序列散斑图像的二阶光强信号；基于所述二阶光强信号计算衬比值，并使用所述衬比值来重构二维血流图像。本发明对激光散斑的成像理论和计算方法进行创新，能够有效提高成像对比度、成像动态范围、血流估计精确性和灵敏度。
-
公开(公告)号：CN117392119B
公开(公告)日：2024-03-12
申请号：CN202311666194.4
申请日：2023-12-07
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/0464 , G06T7/73 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于位置先验和特征感知的肿瘤病变区域检测方法及装置，涉及医学图像处理领域，包括：获取乳腺超声图像并预处理，得到预处理后的乳腺超声图像；构建基于改进的YOLOv5网络的乳腺肿瘤病变区域检测模型并训练，得到经训练的乳腺肿瘤病变区域检测模型，该模型包括骨干网络、颈部结构和头部结构，将YOLOv5网络中的骨干网络和颈部结构中的CBS模块改为DBS模块，将C3模块中的CBS模块改为DBS模块，CBM模块改为DBM模块，在SPPF模块后面增加一个位置注意力模块，将头部结构中检测模块改为特征感知模块；将预处理后的乳腺超声图像输入经训练的乳腺肿瘤病变区域检测模型，得到病变区域、对应的肿瘤良恶性类别及置信度，解决易受散斑噪声影响导致准确低的问题。
-
公开(公告)号：CN117372308B
公开(公告)日：2024-03-12
申请号：CN202311645210.1
申请日：2023-12-04
Applicant: 华侨大学
Abstract: 本发明公开了一种相衬细胞显微图像清晰度增强方法及系统，涉及图像处理领域，方法包括如下步骤：利用非对称滑动窗口图像预增强算法对相衬细胞显微图像进行灰度值预增强，得到预增强的相衬细胞显微图像；利用弱结构特征提取算法对预增强的相衬细胞显微图像进行计算处理，得到弱结构特征图像；利用预增强的相衬细胞显微图像与弱结构特征图像作差分融合，得到增强相衬细胞显微图像。本发明采用多尺度导向滤波提取相衬显微图像的背景与边缘图像；采用多尺度差分运算进一步增强弱结构特征的清晰度；通过差分运算进一步解决弱边缘的问题，输出细节突出、结构完整、背景均匀的增强相衬细胞显微图像。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.041 seconds)
