-
公开(公告)号：CN117319653A
公开(公告)日：2023-12-29
申请号：CN202311261726.6
申请日：2023-09-27
Applicant: 福州大学
IPC: H04N19/124 , H04N19/172 , H04N19/70 , H04N19/51 , H04N19/625 , H04N19/61
Abstract: 本发明提出一种全景视频JND建模与编码应用方法及系统，用于针对全景视频存储需求、纬度特性及视场范围特性建立球面全景视频JND模型，同时将SJND模型应用到全景视频感知编码方案中，该方法包括以下步骤；步骤S1、针对全景视频在编码之前映射到2D平面的映射特征，采用信息熵来区分不同纹理复杂的图像块，将图像分为不同的类型，并使用不同的权重，构建基于信息熵的2D‑JND模型；步骤S2、针对全景视频的几何映射失真和视场范围特点，将2D‑JND模型扩展到球形全景视频SJND中；步骤S3、将所提SJND模型应用于通用视频编码标准VVC/H.266全景视频编码系统中，实现感知编码优化；本发明能有效估计全景视频场景中的视觉冗余，提高视频编码效率。
-
公开(公告)号：CN115641552A
公开(公告)日：2023-01-24
申请号：CN202211403343.3
申请日：2022-11-08
Applicant: 福州大学
Abstract: 本发明提出一种基于机器视觉的考场异常判断系统设计方法，首先，对视频流的分辨率和帧率进行分析，确定考场异常判断系统运行的环境，进而选取系统运行的频率；其次，为了得到学生的Anchor boxes坐标以及图像块，采用YOLO对考场人员进行目标检测，分类考场中的学生和老师；再次，为了判断学生当前帧行为是否异常，采用AJNet对得到的学生图像块进行异常检测；最后，标注考场异常判断所需的目标检测和姿态识别数据集，并训练系统模型，利用训练模型预测出的结果和真实视频考场异常情况对比，判断任务中目标的完成情况。本发明方法较采用其他考场异常判断方法相比在准确率性能上表现最好，并且处理速度达到针对不同运行环境的实时要求，优势明显。
-
公开(公告)号：CN109819252B
公开(公告)日：2021-05-18
申请号：CN201910214227.9
申请日：2019-03-20
Applicant: 福州大学
IPC: H04N19/124 , H04N19/147 , H04N19/177
Abstract: 本发明涉及一种不依赖GOP结构的量化参数级联方法，首先通过研究编码中帧与帧之间参考比重关系，构建不依赖GOP结构的帧间失真依赖模型；其次，选取适当的参数，使用神经网络获取失真依赖模型的系数；最后，基于编码总体率失真代价最小的原则，利用神经网络输出实现量化参数分配方案，给各个视频帧分配最佳量化参数。本发明能够实现在编码过程不依赖GOP结构的前提下，保证编码的性能。
-
公开(公告)号：CN105809703B
公开(公告)日：2018-10-30
申请号：CN201610189166.1
申请日：2016-03-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进的分数阶微分及图论的粘连血细胞图像分割方法，首先针对血细胞图像模糊及对比度不高的现象，将形态学去噪和改进的类圆形掩膜算子的分数阶微分算法结合起来对血细胞图像进行预处理，所述改进的分数阶微分算法在滤除血细胞图像的染色污染和颗粒噪声的同时较好地保留了细胞边缘细节；接着用分水岭算法对预处理过的图像进行初分割，把过分割区域映射为节点；最后用改进的图论最小生成树(MST)算法对步骤S2得到的细胞图像进行再分割。本发明能够提高了细胞图像中粘连细胞分割的精度。
-
公开(公告)号：CN105787934A
公开(公告)日：2016-07-20
申请号：CN201610093934.3
申请日：2016-02-19
Applicant: 福州大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/30024
Abstract: 本发明涉及一种基于图论和区域增长的粘连细胞分割算法，包括以下步骤：步骤S1：对细胞图像中的粘连细胞的每个细胞的边界初始化为四个不同方向的映射，即上、下、左、右方向定义四个映射，用不同的颜色标出；步骤S2：基于图论的方法利用上、下、左、右映射边构造关系图；步骤S3：采用区域增长算法对预先定义的边界定位出细胞的实际边界，实现粘连细胞的分割。该方法提高了细胞图像中粘连细胞分割的效果。
-
Patent Agency Ranking
公开(公告)号：CN119887600A
公开(公告)日：2025-04-25
申请号：CN202411955417.3
申请日：2024-12-28
Applicant: 福州大学附属省立医院
IPC: G06T5/90 , G06T5/60 , G06N3/0455 , G06V10/82 , G06V10/56
Abstract: 本发明提出一种面向色盲辅助诊疗的色彩补偿方法，包括以下步骤：步骤S1、构建基于扩散模型的色盲友好型图像色彩补偿模型CFIR；步骤S2、利用色盲友好图像色彩补偿数据集完成对色盲友好型图像色彩补偿模型的训练；步骤S3、通过训练后的色盲友好型图像色彩补偿模型对原始图像进行色彩重构，生成符合色盲用户视觉感知的增强图像；本发明通过融合Transformer与通道注意力机制ECA，有效提升了色彩特征提取能力，并通过跳跃采样策略优化了模型的推理效率。该方法能够更好地恢复色彩细节，提升色彩对比度和视觉自然性，为色盲患者提供更加逼真的色彩体验，能弥补现有技术的空白和不足，进一步提高色彩重构技术的性能。
-
公开(公告)号：CN110110807B
公开(公告)日：2023-01-03
申请号：CN201910404623.8
申请日：2019-05-16
Applicant: 福州大学
IPC: G06V20/69 , G06V10/764 , G06V10/762 , G06V10/82 , G06V10/26 , G06N3/04
Abstract: 本发明涉及一种基于改进K‑means及卷积神经网络的白细胞提取和分类方法。首先，根据细胞图像灰度分布来选定初始聚类中心，对图像所有像素按就近原则进行初始聚类；接着，对FWSA‑KM算法的欧式距离进行改进；白细胞提取之前，先进行颜色空间分解，采用有利于白细胞分割的颜色分量和改进的K‑means算法进行细胞核和细胞质的提取；接着采用分水岭算法来分离复杂粘连的部分；最后，基于卷积神经网络进行分类。本发明方法使得白细胞细胞核和细胞质分割精度分别为95.81％和91.28％，较传统分割方法有较大提高；分类准确度最大能达到98.96%，分类平均时间为0.39s，相对于现有的白细胞分类算法，CNN分类方法不仅有明显优势，同时还有很大的提升空间。
-
公开(公告)号：CN112541926A
公开(公告)日：2021-03-23
申请号：CN202011489941.8
申请日：2020-12-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进FCN和DenseNet的歧义像素优化分割方法，包括以下步骤：步骤S1：选取分割数据集，完成分割数据集的预处理，然后进一步完成分割数据集到分类数据集的转换制作；步骤S2：提出了一种新的语义分割网络Atrous‑ResFCN‑8s/16s/32s，并且将两个不同层次的Atrous‑ResFCN网络结合起来，用于确定语义分割的歧义像素；步骤S3：提出了一种新的图像分类网络MFR‑DenseNet，用于优化判断确定的歧义像素；将优化判断的歧义像素进行逐像素的比对还原，实现最终的分割结果。本发明有效地提高了图像分割分类精度，具有非常广泛的应用前景。
-
公开(公告)号：CN111767964A
公开(公告)日：2020-10-13
申请号：CN202010649381.1
申请日：2020-07-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进的DenseNet的多通道特征重标记图像分类方法，包括以下步骤：步骤S1:采集训练数据集，并进行预处理，得到预处理后的训练数据集；步骤S2：基于多通道特征重标记密集型连接网络，搭建分类模型；步骤S3:根据训练数据集训练分类模型，并引入训练效果评价指标Acc和F1-Score，对模型训练过程进行实时评价，实时保存训练模型和数据，并根据最终迭代结果画图，得到训练后的分类模型；步骤S4：将待分类数据集输入训练后的分类模型，得到分类结果。本发明有效地提高了图像识别分类检测精度。
-
公开(公告)号：CN109819252A
公开(公告)日：2019-05-28
申请号：CN201910214227.9
申请日：2019-03-20
Applicant: 福州大学
IPC: H04N19/124 , H04N19/147 , H04N19/177
Abstract: 本发明涉及一种不依赖GOP结构的量化参数级联方法，首先通过研究编码中帧与帧之间参考比重关系，构建不依赖GOP结构的帧间失真依赖模型；其次，选取适当的参数，使用神经网络获取失真依赖模型的系数；最后，基于编码总体率失真代价最小的原则，利用神经网络输出实现量化参数分配方案，给各个视频帧分配最佳量化参数。本发明能够实现在编码过程不依赖GOP结构的前提下，保证编码的性能。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.028 seconds)
