-
公开(公告)号：CN115100035A
公开(公告)日：2022-09-23
申请号：CN202210676473.8
申请日：2022-06-15
Abstract: 本发明涉及光学工程技术领域，特别是涉及一种像素级噪声校正联合去马赛克的图像处理方法及装置，本发明通过先单独对黑白通道的像素进行读出噪声校正，基于校正后的图像，分别对图像中黑白通道和彩色通道使用基于引导图像的去马赛克方法以及线性计算生成估计图像，再通过最小化代价函数转化得到优化图像，最后对所述优化图像进行迭代计算得到预期的图像；可满足针对彩色互补金属氧化物半导体(CMOS)相机中像素级噪声特征处理和精确计算图像的需求，精确获取彩色CMOS相机中多颜色通道图像。
-
公开(公告)号：CN115511857A
公开(公告)日：2022-12-23
申请号：CN202211229597.8
申请日：2022-10-08
Applicant: 海南大学
Abstract: 本发明公开了一种静息态fMRI数据处理方法、装置、设备及可读存储介质，应用于数据处理领域。该方法包括：获取大脑fMRI图像数据；计算大脑fMRI图像数据对应的时间特征向量和空间特征向量；将时间特征向量和空间特征向量相乘，得到时空向量；利用归一化函数对时空向量进行映射计算，得到时空融合特征向量；将时空融合特征向量发送给分类器，以使所述分类器对所述时空融合特征向量进行特征分类。本发明通过先对大脑fMRI图像数据进行处理，得到时间特征向量和空间特征向量，之后进行特征融合，从而达到时空方面的数据增强，弥补了现有技术仅仅从时间层面上进行数据增强造成数据真实性较低的技术缺陷，从而增强了数据的泛化能力，提高了分类器的拟合效果。
-
公开(公告)号：CN115100035B
公开(公告)日：2024-11-29
申请号：CN202210676473.8
申请日：2022-06-15
IPC: G06F17/00
Abstract: 本发明涉及光学工程技术领域，特别是涉及一种像素级噪声校正联合去马赛克的图像处理方法及装置，本发明通过先单独对黑白通道的像素进行读出噪声校正，基于校正后的图像，分别对图像中黑白通道和彩色通道使用基于引导图像的去马赛克方法以及线性计算生成估计图像，再通过最小化代价函数转化得到优化图像，最后对所述优化图像进行迭代计算得到预期的图像；可满足针对彩色互补金属氧化物半导体(CMOS)相机中像素级噪声特征处理和精确计算图像的需求，精确获取彩色CMOS相机中多颜色通道图像。
-
公开(公告)号：CN116862774B
公开(公告)日：2025-03-25
申请号：CN202310889839.4
申请日：2023-07-19
Applicant: 海南大学
IPC: G06T3/4038 , G06T7/30 , G06T3/4053 , G06T5/50
Abstract: 本发明涉及图像拼接领域，公开了一种全景超分辨图像拼接方法、装置、设备及存储介质，该方法包括：对拼接路径进行规划，生成最优拼接路径；对待配准子图像拼缝区域进行下采样；根据最优拼接路径，利用高斯混合模型与噪点特征结合的算法对下采样后的子图像进行配准；对配准好的图像进行去重和全景融合，获取拼接完成的全景超分辨图像。这样减少累计误差，提高计算效率，在配准的过程中充分利用超分辨定位成像过程中的噪声点特征，辅助超分辨定位图像拼接，解决了高斯混合模型在没有结构点的区域无法计算的问题，提升了拼接精度，能够获得大视场全景超分辨定位图像，实现对于具有全景及纳米级别细胞细微结构的分析与研究。
-
公开(公告)号：CN116883758A
公开(公告)日：2023-10-13
申请号：CN202310900329.2
申请日：2023-07-20
Applicant: 海南大学
IPC: G06V10/764 , G06T7/00 , G06V10/44 , G06T3/40 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了基于多模态特征相似性的脑部疾病分类系统、方法、设备，涉及磁共振影像技术领域，包括：特征拼接模块，用于筛选功能态数据获取目标功能态数据，将结构态数据和目标功能态数据的数据特征输入数据拼接模型，输出磁共振脑影像特征；相似度计算模块，用于计算脑影像特征与训练样本影像特征的第一相似度；计算训练样本集中的各个训练样本之间的样本影像特征的第二相似度；基于第二相似度、第一相似度获取目标相似度图；图分类模块，用于对目标相似度图进行疾病分类。对相似度图进行分类，对测试集人群进行脑疾病分类。
-
Patent Agency Ranking
公开(公告)号：CN115018170A
公开(公告)日：2022-09-06
申请号：CN202210669086.1
申请日：2022-06-14
Applicant: 海南大学
Abstract: 本申请公开了一种短期风电功率预测方法、装置、设备及存储介质，包括：采集当前风电场对应的实时风电功率数据，并对实时风电功率数据进行预处理，得到第一预处理后数据；将第一预处理后数据输入至预先训练好的目标风电功率预测模型，得到目标风电功率预测模型输出的与第一历史风电功率数据对应的风电功率预测结果；其中，目标风电功率预测模型为预先训练好的多分支神经网络模型，并且，在多分支神经网络模型的训练过程中，对VMD算法中的分解个数和各分解分量对应的中心频率进行优化。本申请通过对VMD算法中的分解个数和各分解分量对应的中心频率进行优化，从而利用训练出目标风电功率预测模型实现风电功率的预测，提高了预测精度。
-
公开(公告)号：CN116862774A
公开(公告)日：2023-10-10
申请号：CN202310889839.4
申请日：2023-07-19
Applicant: 海南大学
Abstract: 本发明涉及图像拼接领域，公开了一种全景超分辨图像拼接方法、装置、设备及存储介质，该方法包括：对拼接路径进行规划，生成最优拼接路径；对待配准子图像拼缝区域进行下采样；根据最优拼接路径，利用高斯混合模型与噪点特征结合的算法对下采样后的子图像进行配准；对配准好的图像进行去重和全景融合，获取拼接完成的全景超分辨图像。这样减少累计误差，提高计算效率，在配准的过程中充分利用超分辨定位成像过程中的噪声点特征，辅助超分辨定位图像拼接，解决了高斯混合模型在没有结构点的区域无法计算的问题，提升了拼接精度，能够获得大视场全景超分辨定位图像，实现对于具有全景及纳米级别细胞细微结构的分析与研究。
-
公开(公告)号：CN119722451A
公开(公告)日：2025-03-28
申请号：CN202411876960.4
申请日：2024-12-19
Applicant: 海南大学
IPC: G06T3/4038 , G02B21/36 , G01B11/00 , G06T3/4007 , G06T3/4053 , G06T3/14 , G06T5/20 , G06T5/70 , G06T7/32 , G06T7/37
Abstract: 本申请公开了一种基于样本结构的定位表数据拼接方法、装置、设备及介质，涉及图像处理技术领域，包括：确定待拼接定位表中的拼缝处定位数据，并利用双线性插值对拼缝处定位数据进行图像渲染，以得到若干渲染后图像；基于线性滤波变换对若干渲染后图像中每个像素的像素值大小进行积分，以得到若干连续性增强图像；利用预设线性泛函确定满足预设增强条件的目标像素，并对目标像素进行增强，以得到若干目标增强图像；确定图像配准偏移量，并根据图像配准偏移量对待拼接定位表进行拼接，以得到目标拼接定位表，然后对目标拼接定位表进行渲染，并对得到的目标拼接图像进行拼接效果验证。由此，可以减少由于图像配准出现误差而引起的拼接错位问题。
-
公开(公告)号：CN115018170B
公开(公告)日：2025-02-11
申请号：CN202210669086.1
申请日：2022-06-14
Applicant: 海南大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06F18/214 , H02J3/00 , H02J3/38 , G06N3/0442 , G06N3/045
Abstract: 本申请公开了一种短期风电功率预测方法、装置、设备及存储介质，包括：采集当前风电场对应的实时风电功率数据，并对实时风电功率数据进行预处理，得到第一预处理后数据；将第一预处理后数据输入至预先训练好的目标风电功率预测模型，得到目标风电功率预测模型输出的与第一历史风电功率数据对应的风电功率预测结果；其中，目标风电功率预测模型为预先训练好的多分支神经网络模型，并且，在多分支神经网络模型的训练过程中，对VMD算法中的分解个数和各分解分量对应的中心频率进行优化。本申请通过对VMD算法中的分解个数和各分解分量对应的中心频率进行优化，从而利用训练出目标风电功率预测模型实现风电功率的预测，提高了预测精度。
-
公开(公告)号：CN119379532A
公开(公告)日：2025-01-28
申请号：CN202411484298.8
申请日：2024-10-23
Applicant: 海南大学
Abstract: 本申请公开了一种组织显微图像的快速转换方法及系统，涉及图像处理技术领域，应用于计算机装置，包括：获取利用两种预设荧光探针对术中人体组织进行浸泡染色后的组织显微图像；其中，组织显微图像为包含第一染色细胞核和第一染色细胞质的图像；对组织显微图像进行图像转换，以得到包含第二染色细胞核、第二染色细胞质的虚拟显微图像；图像转换包括基于预设图像转换模型进行的图像转换或者基于图像像素并按照预设通道转换方式进行的图像转换。通过对组织显微图像进行图像快速转换的转换过程无需改变原组织显微图像的图像质量，获取到高成像对比度、高分辨率的虚拟显微图像，根据虚拟显微图像实现快速准确的组织结构分析，方便术中快速诊断和治疗。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.014 seconds)
