-
公开(公告)号：CN111260599A
公开(公告)日：2020-06-09
申请号：CN202010067251.7
申请日：2020-01-20
Applicant: 重庆邮电大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于DCT和聚焦评价的多聚焦图像融合方法，涉及数字图像处理、机器视觉的技术领域。具体步骤为：1)直接从多幅源图像读取比特流，再对其进行解码和去量化，以获得每个块的DCT系数；2)分别对每个块的DCT系数进行归一化，并计算其低阶DCT系数；3)以高阶与低阶DCT系数的能量的比值作为聚焦评价函数，比较多幅源图像对应块的聚焦评价值，依据最大值判定初始决策图；4)对初始决策图进行一致性验证，再依据所得最终决策图融合图像；5)利用量化表量化图像，再熵编码得到融合图像的位流进行存储和传输。本发明针对在无线视觉传感器网络(WVSN)中的JPEG格式图像，建立了图像DCT系数与其聚焦程度的联系，大大降低了时间复杂度，并提高了图像的融合效果。
-
公开(公告)号：CN113837976A
公开(公告)日：2021-12-24
申请号：CN202111092155.9
申请日：2021-09-17
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于联合多域的多聚焦图像融合方法，涉及数字图像处理、模式识别、深度学习和多成像应用领域。包括：1)将多聚焦源图像对转换为灰度图像，通过DCTConv和LBPConv特征提取模块得到高维非线性特征映射；2)将高维非线性特征映射输入以1×1为卷积核的FC层，得到每幅图像的聚焦测量映射图，并利用softmax激活函数比较焦点值，生成初始二值决策映射图；3)采用条件随机场和形态学方法对初始决策图进行后处理，以降低噪声，使处理更加平滑，得到最终决策图。4)根据最终决策图融合源图像对，生成多聚焦融合图像。本发明生成具有更高边缘对比度的图像，并在融合图像的运动区域引入较少的伪影。
-
公开(公告)号：CN114841887B
公开(公告)日：2024-09-06
申请号：CN202210515284.2
申请日：2022-05-12
Applicant: 重庆邮电大学
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多层次差异学习的图像恢复质量评价方法，该方法包括：获取待评价的恢复图像，将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中，得到质量评价结果；根据质量评价结果对该图像进行分类保存；其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络；本发明所提方法并不是只对恢复后的图像进行质量评估，而是能够量化失真恢复图像对之间的感知差异值，使得对恢复图像进行预测更加可靠和有效。
-
Patent Agency Ranking
公开(公告)号：CN114841887A
公开(公告)日：2022-08-02
申请号：CN202210515284.2
申请日：2022-05-12
Applicant: 重庆邮电大学
IPC: G06T5/00 , G06N3/04 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多层次差异学习的图像恢复质量评价方法，该方法包括：获取待评价的恢复图像，将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中，得到质量评价结果；根据质量评价结果对该图像进行分类保存；其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络；本发明所提方法并不是只对恢复后的图像进行质量评估，而是能够量化失真恢复图像对之间的感知差异值，使得对恢复图像进行预测更加可靠和有效。
-
公开(公告)号：CN113768515A
公开(公告)日：2021-12-10
申请号：CN202111092161.4
申请日：2021-09-17
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度卷积神经网络的心电信号分类方法，涉及深度学习、模式识别的技术领域。具体步骤为：1)直接将原始心电信号有重叠地分割成30秒长度的心电片段；2)将分割好的心电信号片段送入卷积神经网络模型中；3)利用心电标签和随机梯度下降算法对网络模型进行训练；4)利用一个投票机制综合分析每条心电片段的分类结果，并投票得出整条心电记录的分类结果。本发明没有复杂预处理过程，同时摆脱了对心跳周期精确分割以及复杂人工特征设计的依赖。利用卷积神经网络自动提取复杂心电信号中与心脏疾病相关的特征，提高了心电分类的效果，并实现对心电信号的辅助诊断，与智能可穿戴设备相结合可进行实时的心脏健康监测。
-
公开(公告)号：CN113837976B
公开(公告)日：2024-03-19
申请号：CN202111092155.9
申请日：2021-09-17
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于联合多域的多聚焦图像融合方法，涉及数字图像处理、模式识别、深度学习和多成像应用领域。包括：1)将多聚焦源图像对转换为灰度图像，通过DCTConv和LBPConv特征提取模块得到高维非线性特征映射；2)将高维非线性特征映射输入以1×1为卷积核的FC层，得到每幅图像的聚焦测量映射图，并利用softmax激活函数比较焦点值，生成初始二值决策映射图；3)采用条件随机场和形态学方法对初始决策图进行后处理，以降低噪声，使处理更加平滑，得到最终决策图。4)根据最终决策图融合源图像对，生成多聚焦融合图像。本发明生成具有更高边缘对比度的图像，并在融合图像的运动区域引入较少的伪影。
-
公开(公告)号：CN116152221A
公开(公告)日：2023-05-23
申请号：CN202310256229.0
申请日：2023-03-16
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/40 , G06V10/82 , G06V10/80 , G06F18/25 , G06F40/30 , G06F40/126 , G06N3/0464 , G06N3/0442
Abstract: 本发明属于数字图像处理与模式识别领域，具体涉及一种基于脑启发多模态交互网络的图像美学质量评价方法，包括：建立脑启发多模态交互网络模型；将图像数据输入图像感知模块获取图像感知特征；将文本数据输入文本感知模块提取文本感知特征；通过识别模块学习图像感知特征和文本感知特征之间的交互关系，得到图像与文本之间的关联表示；评估模块融合图像感知特征、文本感知特征和图像与文本之间的关联表示，融合后进行幂归一化和L2正则化得到美学分布。本发明通过KI‑LSTM整合用户隐式记忆，提取文本和图像特征的关联表示；提出通用的SMF去融合多模态特征，利用低秩矩阵分解方式减少参数，使模型具有很好的泛化能力。
-
公开(公告)号：CN115222635A
公开(公告)日：2022-10-21
申请号：CN202210839006.2
申请日：2022-07-18
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于图像特征融合的无参考图像质量评价方法、装置及计算机可读存储介质，包括：获取待评价的自然失真图像，根据自然失真图像生成梯度图像，将自然失真图像和梯度图像输入到训练好的基于图像特征融合的无参考图像质量评价模型中，得到质量评价分数；其中，基于图像特征融合的无参考图像质量评价模型包括：基干网络、跨域特征融合模型和跨尺度特征融合模型，本发明不只是对图像进行评估，而是在充分考虑了自然失真图像域的全局语义信息和局部语义信息，能够对自然失真图的质量评价更加准确。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
