-
Patent Agency Ranking
公开(公告)号：CN109242798A
公开(公告)日：2019-01-18
申请号：CN201811078556.7
申请日：2018-09-14
Applicant: 南昌大学
Abstract: 本发明提供了一种基于三段子网络表示的泊松去噪方法，包括以下步骤：步骤(a)：像素值全为1的输入图像经过卷积处理后与经过两个卷积算子的含噪图像相加，得到中间处理图像1；步骤(b)：将中间处理图像1经过一个无batch normalization层的resnet模块处理后，得到中间处理图像2；步骤(c)：对步骤(b)进一步使用两个卷积后，与像素值为1的图相加，得到最终结果；本发明继承和扩展了传统方差稳定变换方案的结构和优势，通过网络设计和监督学习的方法，利用三个子网络处理非线性学习映射，网络的拓宽大大提高了去噪性能；与传统的迭代去噪方法相比，本发明具有更好的去噪性能，特别是在低信噪比的情况下图像恢复效果更加优越。
-
公开(公告)号：CN109242798B
公开(公告)日：2021-07-20
申请号：CN201811078556.7
申请日：2018-09-14
Applicant: 南昌大学
Abstract: 本发明提供了一种基于三段子网络表示的泊松去噪方法，包括以下步骤：步骤(a)：像素值全为1的输入图像经过卷积处理后与经过两个卷积算子的含噪图像相加，得到中间处理图像1；步骤(b)：将中间处理图像1经过一个无batch normalization层的resnet模块处理后，得到中间处理图像2；步骤(c)：对步骤(b)进一步使用两个卷积后，与像素值为1的图相加，得到最终结果；本发明继承和扩展了传统方差稳定变换方案的结构和优势，通过网络设计和监督学习的方法，利用三个子网络处理非线性学习映射，网络的拓宽大大提高了去噪性能；与传统的迭代去噪方法相比，本发明具有更好的去噪性能，特别是在低信噪比的情况下图像恢复效果更加优越。
-
公开(公告)号：CN112862950A
公开(公告)日：2021-05-28
申请号：CN202110089104.4
申请日：2021-01-22
Applicant: 南昌大学
Abstract: 本发明涉及磁共振成像领域，公布了一种基于低秩张量编码的快速心肌灌注磁共振成像方法，包括以下步骤：步骤(a)：采用k近邻方法按照一定的相似性准则在心肌灌注图像帧中搜索三维立体相似块并聚类构建三维低秩张量；步骤(b)：对构建的三维低秩张量进行高阶奇异值分解，以利用心肌灌注序列图像的空‑时冗余；步骤(c)：引入增广拉格朗日技术，建立基于低秩张量编码的图像重建模型；步骤(d)：利用交替方向乘子法对重建模型进行求解，得到成像结果。本发明通过低秩张量编码挖掘心肌灌注磁共振图像的空‑时冗余，使得图像数据可以更好地稀疏表示，在超欠采样下得到令人满意的图像重建效果，从而加快心肌灌注磁共振成像的速度。
-
公开(公告)号：CN110246094B
公开(公告)日：2021-09-28
申请号：CN201910391958.0
申请日：2019-05-13
Applicant: 南昌大学
Abstract: 本发明提供了一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法，包括以下步骤，步骤A：利用去噪自动编码(DAE)作为彩色图像超分辨率重建的先验信息手段，通过复制3个信道，建立6维嵌入去噪自编码先验算法模型；步骤B：训练一个以6维变量为输入的去噪网络，然后利用网络驱动的高维先验阵嵌入的先验信息对彩色图像进行超分辨率重建；步骤C：迭代恢复阶段，将中间色图像映射为6维图像，利用网络进行处理，平均值运算符用于将其转换回三通道图像。本发明高维先验算法解决了基本数据元陷入局部最优解的问题，有效地克服了不稳定性。该算法具有良好的性能和良好的视觉检测性能。
-
公开(公告)号：CN110246094A
公开(公告)日：2019-09-17
申请号：CN201910391958.0
申请日：2019-05-13
Applicant: 南昌大学
Abstract: 本发明提供了一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法，包括以下步骤，步骤A：利用去噪自动编码(DAE)作为彩色图像超分辨率重建的先验信息手段，通过复制3个信道，建立6维嵌入去噪自编码先验算法模型；步骤B：训练一个以6维变量为输入的去噪网络，然后利用网络驱动的高维先验阵嵌入的先验信息对彩色图像进行超分辨率重建；步骤C：迭代恢复阶段，将中间色图像映射为6维图像，利用网络进行处理，平均值运算符用于将其转换回三通道图像。本发明高维先验算法解决了基本数据元陷入局部最优解的问题，有效地克服了不稳定性。该算法具有良好的性能和良好的视觉检测性能。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
