-
公开(公告)号：CN119107416B
公开(公告)日：2025-03-21
申请号：CN202411320983.7
申请日：2024-09-23
Applicant: 安徽大学
Abstract: 本发明公开一种基于混合特征的稀疏视角X射线光图像三维重建方法，利用梯度值作为权重来引导采样射线，使采样射线尽可能分布在变化较明显的区域；使用三平面分解特征和哈希编码特征进行混合，将混合特征送入衰减场预测网络预测衰减值，使用衰减权重预测网络(W‑NAF)预测X射线路径上每个采样像素点的衰减权重，通过这两个网络得到采样像素点处的衰减值和衰减权重值；通过累积沿采样射线的衰减值来生成预测的投影像素值，然后通过最小化预测投影和真实的X射线图像之间的差异来优化网络。
-
公开(公告)号：CN119152342A
公开(公告)日：2024-12-17
申请号：CN202411197559.8
申请日：2024-08-29
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及图像处理领域，具体涉及一种图像描述模型的训练方法及系统、图像描述的生成方法，该训练方法包括：将目标图像输入图像特征提取器提取网格特征和区域特征；在编码器的每一层，将网格特征和区域特征融合后进行编码，得到最终编码；将最终编码输入解码器进行解码，得到目标图像的图像描述；根据预定义的损失函数对所述图像描述模型进行训练，直到达到预定的收敛标准。本发明可以有效地整合细粒度细节和粗粒度信息，弥补了网格特征和区域特征之间的差异，从而提高了生成的图像描述的准确度。
-
公开(公告)号：CN116863101A
公开(公告)日：2023-10-10
申请号：CN202310577891.6
申请日：2023-05-22
Applicant: 安徽大学
Abstract: 本发明公开提供一种基于自适应网格细分的重建模型几何与纹理优化方法，对于同一场景的彩色图像、深度图像和掩码图像，通过三维重建产生初始的三维模型以及每个图像对应的相机位姿，利用三维模型顶点投影至图像，经过纹理重建的加权融合生成初始纹理图像、几何模型以及纹理模型，使用可微分渲染模块来渲染三维模型至图像，实现相机位姿矫正、几何形状矫正、纹理优化、几何细化额外采用自适应性细分策略对重建模型进行细分，更易恢复出模型高频几何细节，提升模型在重建误差较大场景下的鲁棒性和健壮性。
-
公开(公告)号：CN119379555A
公开(公告)日：2025-01-28
申请号：CN202411904895.1
申请日：2024-12-23
Applicant: 安徽大学
IPC: G06T5/70 , G06T5/50 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06F17/14 , G06N3/0464
Abstract: 本发明公开一种基于二维符号距离场的阴影消除方法，通过2D符号距离场计算阴影图像的软权重掩码和SDF图像，通过软权重掩码提取原始阴影图像中的阴影区域和非阴影区域；快速傅里叶变换模块提取局部空间特征全局频率特征；通过信息交互模块IIM融合局部空间特征全局频率特征的注意力权重图得到融合特征；通过边界细化模块BRM输出边界细化后特征图；通过卷积操作提取非阴影区域的特征，通过全局特征调制模块GFM将全局特征向量、非阴影区域的特征和SDF特征进行调制，最终输出无阴影图像。本发明在阴影区域的亮度恢复、边界过渡和平滑性方面具有显著优势，使得去除后的图像接近真实无阴影效果。
-
公开(公告)号：CN117218006A
公开(公告)日：2023-12-12
申请号：CN202211445729.0
申请日：2022-11-18
Applicant: 腾讯科技(深圳)有限公司 , 安徽大学
Abstract: 本申请涉及图像处理方法、装置、电子设备及存储介质。上述方法包括基于特征关联信息对第一图像进行去阴影处理，得到第二图像，特征关联信息用于指示第一类特征与第二类特征之间的关联关系，第一类特征是第一图像的特征，第二类特征是第一图像对应的深度图像的特征；基于第一掩膜图像的注意力权重，对第二图像进行阴影边界修正，得到目标图像，第一掩膜图像用于指示第一图像或者第二图像的阴影边界。本申请提高了所获得的目标图像的去阴影效果，减少了目标图像中出现伪影的情况。本申请实施例可应用于云技术、人工智能、智慧交通、智慧娱乐等各种场景。
-
Patent Agency Ranking
公开(公告)号：CN116977387B
公开(公告)日：2023-12-15
申请号：CN202311227166.2
申请日：2023-09-22
Applicant: 安徽大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于形变场融合的可变形医学图像配准方法，将预处理的待配准图像和参考图像输入到双流配准网络，双流配准网络设有两个架构相同但损失函数不同的分支网络，得到两个不同的形变场，通过形变场融合模块将这两个形变场融合，形变场融合模块分别对两个形变场进行最大池化和平均池化，并将得到的特征经过卷积层进行特征提取后，再由卷积层降维得到最终的形变场；最终根据形变场对待配准的图像进行配准，得到配准后的图像。本发明通过形变场融合模块有效地结合不同的形变场，充分利用不同形变场的优势来描述不同类型的形变，其双流配准网络的相似性损失函数能够描述参考图
-
公开(公告)号：CN116977387A
公开(公告)日：2023-10-31
申请号：CN202311227166.2
申请日：2023-09-22
Applicant: 安徽大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于形变场融合的可变形医学图像配准方法，将预处理的待配准图像和参考图像输入到双流配准网络，双流配准网络设有两个架构相同但损失函数不同的分支网络，得到两个不同的形变场，通过形变场融合模块将这两个形变场融合，形变场融合模块分别对两个形变场进行最大池化和平均池化，并将得到的特征经过卷积层进行特征提取后，再由卷积层降维得到最终的形变场；最终根据形变场对待配准的图像进行配准，得到配准后的图像。本发明通过形变场融合模块有效地结合不同的形变场，充分利用不同形变场的优势来描述不同类型的形变，其双流配准网络的相似性损失函数能够描述参考图像和待配准图像之间的相互依赖的上下文变化，提高配准精度。
-
公开(公告)号：CN116664712A
公开(公告)日：2023-08-29
申请号：CN202310696120.9
申请日：2023-06-13
Applicant: 安徽大学
IPC: G06T11/00 , G06N3/0464 , G06N3/045
Abstract: 本发明公开一种基于特征嫁接的单幅图像阴影生成方法，阴影掩码预测和阴影填充；阴影掩码预测使用前景编码器和背景编码器；前景编码器两个分支：主干网络Resnet‑18和Swin Transformer，用交叉模型嫁接模块和多头注意力机制；背景编码器为UNet结构；阴影填充阶段根据Le和Samras使用的照明模型。本发明能够解决现有技术在遇到较为复杂的前景物体时，无法生成兼容的阴影区域的问题。
-
公开(公告)号：CN115239785A
公开(公告)日：2022-10-25
申请号：CN202210810511.4
申请日：2022-07-11
Applicant: 安徽大学
Abstract: 本发明公开一种基于超像素分割的双目立体匹配方法，将原始左视图和右视图分别下采样以及SLIC超像素分割，将关联矩阵和邻接矩阵送入基于超像素的图神经网络，得到包含超像素信息的权重；将下采样的左视图和右视图以及关联矩阵相乘结点矩阵；结点矩阵输入基于超像素的图神经网络得到超像素特征权重；将原始左视图和右视图输入到卷积神经网络后与超像素特征权重相乘，利用左特征图和右特征图构建四维的代价体然后送入代价聚合模块，最后得到预测的视差图。本发明构建一个端到端的基于超像素分割的立体匹配深度学习框架，利用超像素块来引导和约束立体匹配算法。
-
公开(公告)号：CN119251341A
公开(公告)日：2025-01-03
申请号：CN202411436711.3
申请日：2024-10-15
Applicant: 安徽大学
Abstract: 本发明公开一种基于泊松流生成模型的CT图像质量评估方法，通过伪参考图像生成模块PPFM生成伪参考图像，以弥补参考图像的缺失并帮助随后的得分回归模型捕获详细的特征，分层特征融合回归模块将上层特征与下层特征逐层融合在一起，以便充分利用不同尺度的特征，同时，最后一层提取特征依次传递到ViT(Vision Transformer模块)中，将获得的全局特征与局部特征融合在一起，以预测最终的图像质量。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
