-
公开(公告)号：CN105447836B
公开(公告)日：2018-12-21
申请号：CN201511026701.3
申请日：2015-12-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法，包括下述步骤：对待噪图像，利用kmeans聚类，产生各类；构建各类对应的紧致PCA字典；利用Dong等提出的方法构造类内图像片稀疏编码误差项；计算各类中心图片；利用聚类中心字典学习，分析类间相关性，得到各聚类中心的稀疏表示：构造聚类中心误差项；耦合聚类中心误差项，类内稀疏编码误差项于传统稀疏表示模型；利用梯度下降法求解。本发明通过提出聚类中心字典学习方法，挖掘各相似集或各类间潜在的稀疏性先验知识，构建聚类中心约束项，以增强图像稀疏表示，并联合该项与稀疏误差项，将二者引入于传统的稀疏表示模型，最终实现图像去噪。
-
公开(公告)号：CN105678698A
公开(公告)日：2016-06-15
申请号：CN201511025749.2
申请日：2015-12-30
Applicant: 南京信息工程大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开了一种基于正则化滤波器的非局部正则化遥感图像超分辨重建方法，包括：降质因素对遥感图像质量的影响评价步骤；设计正则化滤波器步骤；超分辨重建模型构建与数值算法设计步骤。本发明在非局部正则化模型中耦合了梯度保真项，提高了非局部正则化模型的性能，另一方面将梯度保真项与数据保真项同时定义在图像片组正则化滤波器的支撑域上，减少了退化因素对模型求解的干扰。与现有的重建以及学习方法相比，本发明针对退化的光学卫星遥感图像，经过超分辨处理，最终将其分辨率提高至至Nopt/Nsys倍,结果图像视觉清晰，自然，未见明显的虚假信息。
-
公开(公告)号：CN104268873B
公开(公告)日：2017-04-12
申请号：CN201410500096.8
申请日：2014-09-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种乳腺肿瘤分割方法，包括构造乳腺组织核磁共振图像的分类与偏移场矫正的耦合框架的步骤，对乳房区域以及周边区域进行增强的步骤，以及结合形状先验对乳房肿瘤图像进行分割的步骤。本发明将偏移场信息融入到分类模型中将二者归纳为统一框架，通过快速能量极小化方法同时求解乳腺核磁共振图像分类以及矫正偏移场，使得两者在模型演化过程中相互利用对方的信息最终实现二者的准确求解；并对血管以及肿瘤的形状进行分析，抓住二者在形状上的差异，利用特征值以及特征向量等参数建立形状先验，构造基于形状的水平集驱动力并将其与基于局部信息的水平集方法相结合，使得水平集在演化时克服管状结构的干扰只捕获乳腺肿瘤区域。
-
公开(公告)号：CN103871056B
公开(公告)日：2017-04-12
申请号：CN201410086990.5
申请日：2014-03-11
Applicant: 南京信息工程大学
Abstract: 本发明基于各向异性光流场与去偏移场的脑部MR图像配准方法，提出了基于光流场模型的图像配准与偏移场恢复耦合模型，针对偏移场易导致传统配准模型配准精度不高的缺点，将去偏场与求光流场两者相结合，纳入统一变分框架中，使得两者相辅相成，针对Horn模型全局性正则项因缺少图像信息不能准确指导光流运动不足，引入图像结构信息来正则光流场，从而得到光滑准确的光流信息。本发明在配准同时可以恢复图像灰度不均匀场，从而降低了偏移场的影响；并且引入图像结构信息来降低配准结果模糊程度以及保留了图像结构信息，保证了边界结构信息的完整性，有利于进一步恢复真实图像。本发明大大提升了配准结果的精度,鲁棒性好。
-
公开(公告)号：CN104504048A
公开(公告)日：2015-04-08
申请号：CN201410792338.5
申请日：2014-12-19
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30554
Abstract: 本发明公开了一种简单通用的交叉报表生成方法，对存储在数据库的表单数据进行按要交叉的行和列类型进行相应的排序，然后抽取数据到应用服务器端，数据是线性排列的，根据交叉的列和行的位置，从左向右从上向下，放置相应的数据。形成所需的交叉报表，报表的格式，数据内容可以根据自己的应用自定义存放。本发明独立于数据库，克服了传统方法中直接由数据库生成从而导致数据库服务器负担严重的缺陷。本方法效率高、易于实现、资源占用少、不依赖于任何第三方报表组件。
-
Patent Agency Ranking
公开(公告)号：CN104504048B
公开(公告)日：2017-07-11
申请号：CN201410792338.5
申请日：2014-12-19
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种简单通用的交叉报表生成方法，对存储在数据库的表单数据进行按要交叉的行和列类型进行相应的排序，然后抽取数据到应用服务器端，数据是线性排列的，根据交叉的列和行的位置，从左向右从上向下，放置相应的数据。形成所需的交叉报表，报表的格式，数据内容可以根据自己的应用自定义存放。本发明独立于数据库，克服了传统方法中直接由数据库生成从而导致数据库服务器负担严重的缺陷。本方法效率高、易于实现、资源占用少、不依赖于任何第三方报表组件。
-
公开(公告)号：CN105469371A
公开(公告)日：2016-04-06
申请号：CN201511023720.0
申请日：2015-12-30
Applicant: 南京信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20076
Abstract: 本发明一种基于双字典学习的非局部稀疏表示图像去噪方法改进了Dong非局部稀疏表示模型中所用到传统的Kmeans聚类方法，具体利用聚类中心字典学习方法分析与挖掘各相似类间的相关性，并将这一相关性引入传统的Kmeans聚类方法，以提高聚类的准确性，从而达到增强稀疏表示模型性能的目的。本发明包括：对待去噪图像，利用kmeans聚类方法，产生各类；计算各类中心图片；利用权利要求1所述的聚类中心字典学习方法，得到各聚类中心的稀疏表示，继而重建各聚类中心图像块；更新传统Kmeans结果中的聚类中心；循环，直至满足结束条件；构建各类对应的紧致PCA字典；构造类内图像片稀疏编码误差项；利用迭代收敛算法求解。
-
公开(公告)号：CN104268873A
公开(公告)日：2015-01-07
申请号：CN201410500096.8
申请日：2014-09-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种乳腺肿瘤分割方法，包括构造乳腺组织核磁共振图像的分类与偏移场矫正的耦合框架的步骤，对乳房区域以及周边区域进行增强的步骤，以及结合形状先验对乳房肿瘤图像进行分割的步骤。本发明将偏移场信息融入到分类模型中将二者归纳为统一框架，通过快速能量极小化方法同时求解乳腺核磁共振图像分类以及矫正偏移场，使得两者在模型演化过程中相互利用对方的信息最终实现二者的准确求解；并对血管以及肿瘤的形状进行分析，抓住二者在形状上的差异，利用特征值以及特征向量等参数建立形状先验，构造基于形状的水平集驱动力并将其与基于局部信息的水平集方法相结合，使得水平集在演化时克服管状结构的干扰只捕获乳腺肿瘤区域。
-
公开(公告)号：CN103996193A
公开(公告)日：2014-08-20
申请号：CN201410209965.1
申请日：2014-05-16
Applicant: 南京信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种结合加权邻域信息与偏移场恢复的脑MR图像分割方法，首先构造各向异性邻域信息，并将其融入到FCM模型中；其次，为降低偏移场的影响，将偏移场信息融入到改进的模型中，使得模型在分割得同时恢复偏移场。本发明将偏移场作为乘性附加场耦合到模型中，克服偏移场对分割的影响；然后建立加权领域信息场，使其具有各向异性；将各向异性加权信息场代替传统FCM中的灰度信息，以降低噪声的影响，同时还能较好地保持细长拓扑结构信息。本发明不需要调节空间邻域信息正则项参数，从而提高了模型的鲁棒性。
-
公开(公告)号：CN105469371B
公开(公告)日：2018-11-27
申请号：CN201511023720.0
申请日：2015-12-30
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明一种基于双字典学习的非局部稀疏表示图像去噪方法改进了Dong非局部稀疏表示模型中所用到传统的Kmeans聚类方法，具体利用聚类中心字典学习方法分析与挖掘各相似类间的相关性，并将这一相关性引入传统的Kmeans聚类方法，以提高聚类的准确性，从而达到增强稀疏表示模型性能的目的。本发明包括：对待去噪图像，利用kmeans聚类方法，产生各类；计算各类中心图片；利用聚类中心字典学习方法，得到各聚类中心的稀疏表示，继而重建各聚类中心图像块；更新传统Kmeans结果中的聚类中心；循环，直至满足结束条件；构建各类对应的紧致PCA字典；构造类内图像片稀疏编码误差项；利用迭代收敛算法求解。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
