-
公开(公告)号：CN117830373B
公开(公告)日：2024-06-14
申请号：CN202311817363.X
申请日：2023-12-26
Applicant: 暨南大学
Abstract: 本发明公开一种基于光滑高阶各向同性全变分正则化与加速预条件邻近梯度算法(APPGA)的低剂量高质量PET图像重建方法，该方法结合了多种技术，包括邻近梯度方法、广义Nesterov动量技术和预条件技术，旨在低剂量条件下快速重建出高质量PET图像。与传统算法相比，APPGA具有提高图像质量、加快重建速度和减少噪声等优势，有望在医学影像领域提供更快速、更高质量的PET图像，促进疾病诊断和治疗的发展。
-
公开(公告)号：CN117253240A
公开(公告)日：2023-12-19
申请号：CN202311110239.X
申请日：2023-08-31
Applicant: 暨南大学
IPC: G06V30/304 , G06V30/148 , G06V30/14 , G06V30/22 , G06V30/26
Abstract: 本专利提供了一种快速、精确且泛用的简谱图像识别与转换方法。该方法通过对于简谱图像进行分析，在进行图像清洗后用算法定位所需内容，并通过文字识别技术进行内容提取，此后基于内容的位置对于关键信息进行识别与补充，调整乐谱的调性并输出PDF文件；该方法具有使用便捷、准确度高、适应性高、便于调整和运行高效的特点，对于网络上主流的分辨率低、掺杂水印的图像有较好的识别效果。
-
公开(公告)号：CN113688827B
公开(公告)日：2023-05-26
申请号：CN202110787300.9
申请日：2021-07-13
Applicant: 暨南大学
Abstract: 本发明提供了一种基于图像处理的围棋棋谱精准识别方法，它通过对围棋图像进行分析，找出一路角点或者用棋子模板法得到四条一路信息，进而确定棋盘区域。此后，对所有交叉点进行棋子有无及颜色识别，并标记出因反光、有阴影、棋子被放歪导致的有可能出错的位置，从而得到相对精准的棋盘识别结果，以便于实现智能数子操作及生成棋盘电子图像等。本发明基于围棋图像的围棋棋谱识别方法具有方便快捷、可靠性高、普适性强的特点，在有光线不均、拍照畸变情况下仍能保证较高的识谱准确率。
-
公开(公告)号：CN119130862B
公开(公告)日：2025-04-11
申请号：CN202411612497.2
申请日：2024-11-13
Applicant: 暨南大学
Abstract: 本发明公开了一种图像复原方法，属于图像处理技术领域，该方法包括：获取第一向量，以建立图像复原模型的目标函数；所述第一向量由待复原图像所拉伸成；所述即插即用预条件Krasnoselskii‑Mann算法通过不动点理论将目标函数划分为不同的子问题，并引入两个预条件矩阵，根据图像复原模型和满足收敛条件对两个预条件矩阵赋值；所述即插即用预条件Krasnoselskii‑Mann算法迭代若干步得到复原图像。本发明图像复原方法采用即插即用预条件Krasnoselskii‑Mann算法，在实现对每个像素点的不同加权的同时，使算法稳定地收敛到真实解，从而实现即插即用局部复原的目的，提高了算法的鲁棒性和复原效果。
-
Patent Agency Ranking
公开(公告)号：CN117253240B
公开(公告)日：2024-03-26
申请号：CN202311110239.X
申请日：2023-08-31
Applicant: 暨南大学
IPC: G06V30/304 , G06V30/148 , G06V30/14 , G06V30/22 , G06V30/26
Abstract: 本专利提供了一种快速、精确且泛用的简谱图像识别与转换方法。该方法通过对于简谱图像进行分析，在进行图像清洗后用算法定位所需内容，并通过文字识别技术进行内容提取，此后基于内容的位置对于关键信息进行识别与补充，调整乐谱的调性并输出PDF文件；该方法具有使用便捷、准确度高、适应性高、便于调整和运行高效的特点，对于网络上主流的分辨率低、掺杂水印的图像有较好的识别效果。
-
公开(公告)号：CN113688827A
公开(公告)日：2021-11-23
申请号：CN202110787300.9
申请日：2021-07-13
Applicant: 暨南大学
Abstract: 本发明提供了一种基于图像处理的围棋棋谱精准识别方法，它通过对围棋图像进行分析，找出一路角点或者用棋子模板法得到四条一路信息，进而确定棋盘区域。此后，对所有交叉点进行棋子有无及颜色识别，并标记出因反光、有阴影、棋子被放歪导致的有可能出错的位置，从而得到相对精准的棋盘识别结果，以便于实现智能数子操作及生成棋盘电子图像等。本发明基于围棋图像的围棋棋谱识别方法具有方便快捷、可靠性高、普适性强的特点，在有光线不均、拍照畸变情况下仍能保证较高的识谱准确率。
-
公开(公告)号：CN119152572A
公开(公告)日：2024-12-17
申请号：CN202411225811.1
申请日：2024-09-03
Applicant: 暨南大学
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明提出了一种基于机器学习的人体动作识别方法，解决了健身训练中动作识别的问题。本方法使用Mediapipe框架处理视频，识别人体的关键点并构建人体模型；使用矩阵透视变换来纠正视频的失真，确保人体模型的准确性；使用SVM对Mediapipe提取的人体关键点作为特征对来对动作进行分类。本发明还借助YOLO‑v7模型来区分不同的训练对象，以适应多人同时锻炼的场景。本发明在动作分类上的高准确性和性能证明了它在健身训练中作为实时反馈和指导工具的潜力。通过准确识别和评估运动动作，能帮助个人改善其运动形态并预防运动损伤。这种准确的运动识别技术为个人提供了更好的健身指导和质量控制。
-
公开(公告)号：CN119130862A
公开(公告)日：2024-12-13
申请号：CN202411612497.2
申请日：2024-11-13
Applicant: 暨南大学
Abstract: 本发明公开了一种图像复原方法，属于图像处理技术领域，该方法包括：获取第一向量，以建立图像复原模型的目标函数；所述第一向量由待复原图像所拉伸成；所述即插即用预条件Krasnoselskii‑Mann算法通过不动点理论将目标函数划分为不同的子问题，并引入两个预条件矩阵，根据图像复原模型和满足收敛条件对两个预条件矩阵赋值；所述即插即用预条件Krasnoselskii‑Mann算法迭代若干步得到复原图像。本发明图像复原方法采用即插即用预条件Krasnoselskii‑Mann算法，在实现对每个像素点的不同加权的同时，使算法稳定地收敛到真实解，从而实现即插即用局部复原的目的，提高了算法的鲁棒性和复原效果。
-
公开(公告)号：CN117830373A
公开(公告)日：2024-04-05
申请号：CN202311817363.X
申请日：2023-12-26
Applicant: 暨南大学
Abstract: 本发明公开一种基于光滑高阶各向同性全变分正则化与加速预条件邻近梯度算法(APPGA)的低剂量高质量PET图像重建方法，该方法结合了多种技术，包括邻近梯度方法、广义Nesterov动量技术和预条件技术，旨在低剂量条件下快速重建出高质量PET图像。与传统算法相比，APPGA具有提高图像质量、加快重建速度和减少噪声等优势，有望在医学影像领域提供更快速、更高质量的PET图像，促进疾病诊断和治疗的发展。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
