-
公开(公告)号：CN115100314B
公开(公告)日：2025-03-25
申请号：CN202210852123.2
申请日：2022-07-20
Applicant: 重庆大学
Abstract: 本发明公开了一种基于行与列同时低秩约束的磁共振波谱重建方法。属于数字图像处理技术领域。它是一种利用二维磁共振波谱的二元指数结构对其行与列分别构成的汉克尔矩阵进行低秩约束的磁共振波谱重建方法。首先将二维磁共振波谱的各行与各列构建对应汉克尔矩阵，然后采用一种非凸范数约束汉克尔矩阵的低秩特性，最后通过交替方向乘子法优化求解建立的磁共振波谱重建模型。本发明对二维磁共振波谱施加非凸的低秩约束，有效提取了其二元指数结构，同时分别对重建模型的各子问题进行精确求解，使得从欠采样的时空编码数据中重建的磁共振波谱有效抑制了伪影现象，而且重建波谱中的谱峰更接近于真实的谱峰，因此可用于磁共振波谱的重建。
-
Patent Agency Ranking
公开(公告)号：CN115239573A
公开(公告)日：2022-10-25
申请号：CN202210461053.8
申请日：2022-04-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于系数张量核范数最小化的彩色图像复原方法。属于数字图像处理领域。它是一种利用核范数约束项提高低秩约束能力并采用张量对图像进行线性表示的彩色图像重构方法。首先对目标彩色图像进行初始重构得到初始重构图像，之后对此图像进行经济型张量奇异值分解以获取字典。然后建立低秩约束下的图像复原模型，并使用交替方向迭代算法进行高效求解；本发明采用张量对图像进行线性关系，更好的保留图像内在结构信息，利用初始重构图像设计的冗余字典，增强了线性表示能力，并使用张量核范数约束低秩特性有效估计出表示系数。通过本发明复原得到的图像整体清晰，纹理细节丰富，复原准确度更高，因此可用于彩色图像复原领域。
-
公开(公告)号：CN116543019A
公开(公告)日：2023-08-04
申请号：CN202310515531.3
申请日：2023-05-09
Applicant: 重庆大学
Abstract: 本发明公开了一种基于精确边界框预测的单目标跟踪方法。属于计算机视觉目标跟踪领域。它是一种采用像素点互相关、通道注意力机制和关键点式边界框预测网络相结合的单目标跟踪方法。首先构建基于精确边界框预测的网络模型，并对该模型进行离线训练，其次加载并初始化离线训练的精确边界框预测算法的网络模型，并通过像素互相关操作获得响应特征，最后将响应特征转换得到目标的预测边界框，并更新目标边界框的预测结果，完成对整个视频序列中目标的定位和跟踪。本发明提出一种更加灵活、精确、计算量小的边界框预测模块，有效地提取和维护特征中的空间信息，提高对目标发生尺度变化、旋转和快速运动时的鲁棒性。
-
公开(公告)号：CN115100314A
公开(公告)日：2022-09-23
申请号：CN202210852123.2
申请日：2022-07-20
Applicant: 重庆大学
Abstract: 本发明公开了一种基于行与列同时低秩约束的磁共振波谱重建方法。属于数字图像处理技术领域。它是一种利用二维磁共振波谱的二元指数结构对其行与列分别构成的汉克尔矩阵进行低秩约束的磁共振波谱重建方法。首先将二维磁共振波谱的各行与各列构建对应汉克尔矩阵，然后采用一种非凸范数约束汉克尔矩阵的低秩特性，最后通过交替方向乘子法优化求解建立的磁共振波谱重建模型。本发明对二维磁共振波谱施加非凸的低秩约束，有效提取了其二元指数结构，同时分别对重建模型的各子问题进行精确求解，使得从欠采样的时空编码数据中重建的磁共振波谱有效抑制了伪影现象，而且重建波谱中的谱峰更接近于真实的谱峰，因此可用于磁共振波谱的重建。
-
公开(公告)号：CN115239573B
公开(公告)日：2025-05-23
申请号：CN202210461053.8
申请日：2022-04-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于系数张量核范数最小化的彩色图像复原方法。属于数字图像处理领域。它是一种利用核范数约束项提高低秩约束能力并采用张量对图像进行线性表示的彩色图像重构方法。首先对目标彩色图像进行初始重构得到初始重构图像，之后对此图像进行经济型张量奇异值分解以获取字典。然后建立低秩约束下的图像复原模型，并使用交替方向迭代算法进行高效求解；本发明采用张量对图像进行线性关系，更好的保留图像内在结构信息，利用初始重构图像设计的冗余字典，增强了线性表示能力，并使用张量核范数约束低秩特性有效估计出表示系数。通过本发明复原得到的图像整体清晰，纹理细节丰富，复原准确度更高，因此可用于彩色图像复原领域。
-
公开(公告)号：CN116543019B
公开(公告)日：2025-05-20
申请号：CN202310515531.3
申请日：2023-05-09
Applicant: 重庆大学
Abstract: 本发明公开了一种基于精确边界框预测的单目标跟踪方法。属于计算机视觉目标跟踪领域。它是一种采用像素点互相关、通道注意力机制和关键点式边界框预测网络相结合的单目标跟踪方法。首先构建基于精确边界框预测的网络模型，并对该模型进行离线训练，其次加载并初始化离线训练的精确边界框预测算法的网络模型，并通过像素互相关操作获得响应特征，最后将响应特征转换得到目标的预测边界框，并更新目标边界框的预测结果，完成对整个视频序列中目标的定位和跟踪。本发明提出一种更加灵活、精确、计算量小的边界框预测模块，有效地提取和维护特征中的空间信息，提高对目标发生尺度变化、旋转和快速运动时的鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
