公开(公告)号：CN118429481A

公开(公告)日：2024-08-02

申请号：CN202410497678.9

申请日：2024-04-24

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  卢培森 ,  孙伟

IPC: G06T11/60 ,  G06T11/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/084

Abstract: 本发明公开了基于MRF和CoAtNet的多尺度纹理合成系统，包括图像处理模块、CoAtNet模型预训练模块、合并后的多尺度特征图提取模块、内容引导图像获取模块、特征融合图获取模块和合成图像生成模块；对输入的图像进行预处理，经过CoAtNet模型得到合并后的多尺度特征图；将脑肿瘤MRI图像数据集输入到预训练的CoAtNet模型中，得到内容引导图像；对合并后的多尺度特征图进行加权叠加操作，获得纹理特征融合图；利用MRF模型将预处理后的风格图像和内容引导图像进行融合，并映射到纹理特征融合图上，生成合成图像。本发明减少了合成纹理的伪影，保证了合成纹理的可视化效果，提高了纹理合成的效果和质量。

公开(公告)号：CN117437128A

公开(公告)日：2024-01-23

申请号：CN202311284143.5

申请日：2023-10-07

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  卢培森 ,  孙伟 ,  张小娜

IPC: G06T5/00 ,  G06N3/094 ,  G06N3/045 ,  G06N3/0475 ,  G06T7/40 ,  G06T5/60

Abstract: 本发明公开了基于全局一致性与WGAN‑GP的自适应纹理增强方法，包括：将原始纹理图像进行灰度变换、归一化、扩充；构建两阶段纹理增强网络，第一阶段粗略预测灰度图像，第二阶段精细化纹理细节，得到纹理增强图像；引入捕获长期依赖关系的块，将全局信息融合到局部操作中；构建损失函数，根据损失函数结果计算纹理增强网络的评价指标，并根据评价指标判断纹理增强网络是否优异；本发明所设计的方法通过考虑全局信息和使用WGAN‑GP方法，提高纹理增强效果的连贯性、自然性和适应性，该方法克服传统纹理增强方法的局限性，并在实际应用中具有广泛的应用潜力。

公开(公告)号：CN116994060A

公开(公告)日：2023-11-03

申请号：CN202311032394.4

申请日：2023-08-16

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  卢培森 ,  孙伟 ,  张小娜

IPC: G06V10/764 ,  G06V10/54 ,  G06V10/46 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06T7/33

Abstract: 本发明公开了基于LBP提取和TCNN神经网络的脑部纹理分析方法，将MRI影像使用MIPAV软件进行预处理，将预处理后的影像配准到标准脑模板空间MNI上，使用Min‑Max进行标准化处理；使用圆形LBP方法对MRI影像进行纹理特征提取，利用双线性插值的方法计算其灰度值；将进行过特征提取的脑部纹理输入由Transformer和CNN组成的神经网络TCNN中，进行纹理分类；根据原始MRI影像和纹理特征提取后的图像计算损失函数，并采用反向传播算法更新参数，直到满足设定的训练次数，本发明所设计的方法采用一种新的神经网络架构TCNN进行纹理分类，提高脑部纹理特征提取和分类的准确性，具有现实意义和良好前景。

公开(公告)号：CN117437128B

公开(公告)日：2025-01-21

申请号：CN202311284143.5

申请日：2023-10-07

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  卢培森 ,  孙伟 ,  张小娜

IPC: G06T5/00 ,  G06N3/094 ,  G06N3/045 ,  G06N3/0475 ,  G06T7/40 ,  G06T5/60

Abstract: 本发明公开了基于全局一致性与WGAN‑GP的自适应纹理增强方法，包括：将原始纹理图像进行灰度变换、归一化、扩充；构建两阶段纹理增强网络，第一阶段粗略预测灰度图像，第二阶段精细化纹理细节，得到纹理增强图像；引入捕获长期依赖关系的块，将全局信息融合到局部操作中；构建损失函数，根据损失函数结果计算纹理增强网络的评价指标，并根据评价指标判断纹理增强网络是否优异；本发明所设计的方法通过考虑全局信息和使用WGAN‑GP方法，提高纹理增强效果的连贯性、自然性和适应性，该方法克服传统纹理增强方法的局限性，并在实际应用中具有广泛的应用潜力。

公开(公告)号：CN118298241A

公开(公告)日：2024-07-05

申请号：CN202410491199.6

申请日：2024-04-23

Applicant: 南京信息工程大学

Inventor： 张小瑞 ,  吴亚菲 ,  孙伟 ,  卢培森

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/40 ,  G06V10/774 ,  G06T7/00 ,  G06T5/00 ,  G06T7/10 ,  G16H50/20 ,  G06N3/0464 ,  G06N20/20 ,  G06N5/01

Abstract: 本发明公开了图像分类技术领域的一种白内障诊断方法、装置、介质及设备，旨在解决现有技术计算成本高的问题。包括：获取眼底图像并进行裁剪，得到裁剪后图像；对所述裁剪图像进行图像预处理，得到处理后图像集合；根据所述处理后图像集合，基于预先训练的卷积神经网络(Convolutional Neural Networks,CNN)模型，进行特征提取，得到图像的特征向量；根据所述特征向量，基于预先训练的集成学习分类器，进行白内障诊断，并结合加权投票，得到白内障严重级别。本发明采用多个图像预处理方法进行图像增强，对传统的CNN模型进行修改，并使用集成学习方法，结合三种分类器的预测结果，降低了计算成本，使其更易于实际应用，同时使得诊断更准确，具有现实意义和良好的应用前景。