-
公开(公告)号：CN106600533A
公开(公告)日：2017-04-26
申请号：CN201611125571.3
申请日：2016-12-08
Applicant: 浙江工业大学 , 绍兴文理学院 , 绍兴文理学院元培学院
IPC: G06T3/40
Abstract: 本发明涉及一种单图像超分辨率重建方法，包括对原始图像进行预处理得到所对应的低分辨率图像；将所述低分辨率图像分为多个组；对各个组进行自适应字典学习，计算各个组的自适应学习字典；在各个组的自适应学习字典的基础上计算各个组的稀疏编码；对各个组的图像块进行恢复重建，对所有的组计算平均值并得到一个完整的高分辨率图像。采用该种方法，利用组作为稀疏表示单元稀疏表示图像，不仅具有良好的稀疏表示性能，而且在字典学习过程中需要解决一个小规模的优化问题，降低了计算复杂度；此外，图像块划分为组采用高斯距离度量考虑了图像块之间的非线性信息关系，更好地利用了图像的非局部自相似信息，重构的HR图像更加地清晰。
-
公开(公告)号：CN106600533B
公开(公告)日：2019-09-17
申请号：CN201611125571.3
申请日：2016-12-08
Applicant: 浙江工业大学 , 绍兴文理学院 , 绍兴文理学院元培学院
IPC: G06T3/40
Abstract: 本发明涉及一种单图像超分辨率重建方法，包括对原始图像进行预处理得到所对应的低分辨率图像；将所述低分辨率图像分为多个组；对各个组进行自适应字典学习，计算各个组的自适应学习字典；在各个组的自适应学习字典的基础上计算各个组的稀疏编码；对各个组的图像块进行恢复重建，对所有的组计算平均值并得到一个完整的高分辨率图像。采用该种方法，利用组作为稀疏表示单元稀疏表示图像，不仅具有良好的稀疏表示性能，而且在字典学习过程中需要解决一个小规模的优化问题，降低了计算复杂度；此外，图像块划分为组采用高斯距离度量考虑了图像块之间的非线性信息关系，更好地利用了图像的非局部自相似信息，重构的HR图像更加地清晰。
-
公开(公告)号：CN112508962A
公开(公告)日：2021-03-16
申请号：CN202011305431.0
申请日：2020-11-20
Applicant: 绍兴文理学院
Abstract: 本发明公开了基于时间关联图像序列的目标图像区域子序列分离方法，包括获取目标图像区域的初始图像：根据图像目标初始跟踪决策算法获取目标图像区域的初始图像；获取目标图像区域的终止图像：依次对每一帧图像及该帧后连续N帧图像，计算目标图像区域的中智度量同理想中智度量的交叉熵及相似度，按照交叉熵越大、且相似度越小，当前帧后第N帧待判断图像越可能为终止图像的原则，获取目标图像区域的终止图像；获取目标图像区域的初始图像与终止图像、及其之间的图像作为目标图像区域子序列。本发明能够解决现有技术中对目标图像区域缺乏有效的特征表征方法，从而无法提供鲁棒性高的分离目标图像区域子序列方法的技术问题。
-
公开(公告)号：CN107993207A
公开(公告)日：2018-05-04
申请号：CN201711222509.0
申请日：2017-11-29
Applicant: 绍兴文理学院
IPC: G06T5/00
Abstract: 本发明涉及一种基于图像子块低秩分解的ASL图像去噪方法及系统，其中包括采集多个控制图像和对应的多个标记图像，形成多个图像对；将每一个图像对中的控制图像减去对应的标记图像，得到一脑血流图像，所述脑血流图像组成一脑血流图像序列；基于图像子块低秩分解对所述脑血流图像序列进行去噪。本发明提供了一种基于图像子块低秩分解的ASL图像去噪方法及系统，综合考虑空间的一致性，充分利用局部图像信息，获取更好的ASL的灌注磁共振成像去噪效果，优化ASL的灌注磁共振图像，可以提高基于灌注磁共振图像进行脑部疾病诊断的准确度。
-
公开(公告)号：CN112288768B
公开(公告)日：2024-07-26
申请号：CN202011224652.5
申请日：2020-11-05
Applicant: 绍兴文理学院
Abstract: 本发明公开了一种结肠镜图像序列肠息肉区域的跟踪初始化决策系统，其特征在于，包括肠息肉区域信息获取模块、肠息肉区域判定模块、目标关联区域判定模块、目标肠息肉区域中智集建模模块、和目标肠息肉区域跟踪初始化判决模块；通过对目标肠息肉区域进行中智集建模，并计算目标肠息肉区域的中智度量同理想中智度量的交叉熵，按照交叉熵越小越可能是真实肠息肉的原则，对目标肠息肉区域进行跟踪初始判决，判断为需要实施跟踪，则加入到正在跟踪的肠息肉区域集合中处理。本发明能解决将视频目标跟踪分割算法引入肠息肉序列检测中，由于息肉区域检测分割不确定性引起的视频目标跟踪误启动的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN105718962B
公开(公告)日：2019-03-29
申请号：CN201610130573.5
申请日：2016-03-09
Applicant: 绍兴文理学院
Abstract: 本发明公开一种基于图像子块支持向量机的脑血流信号计算方法，包括采集控制图像和标记图像对步骤；根据上一步得到的n个控制图像和标记图像对，对图像中的每一个体素逐一计算脑血流值，从而得到最终的脑血流图像步骤。本发明所述的基于图像子块支持向量机的脑血流信号计算方法，基于图像子块，可以使数据特征维数自然降低；此外，图像子块的引入使得脑血流计算过程可以考虑局部图像信息，得到对于局部也能优化的结果。
-
公开(公告)号：CN105913431A
公开(公告)日：2016-08-31
申请号：CN201610224426.4
申请日：2016-04-12
Applicant: 绍兴文理学院
CPC classification number: G06T5/001 , G06T2207/30004
Abstract: 本发明公开一种低分辨率医学图像的多图谱分割方法，属于图像处理技术领域。先给定低分辨率目标图像，N个高分辨率图谱图像，并且假定目标图像以及图谱图像均已被线性配准到了同一个模板空间；然后依次进行分割对象区域切割步骤；目标图像超分辨率恢复步骤；图像配准和标签传播步骤；以及标签融合步骤。本发明所述的低分辨率医学图像的多图谱分割方法，将图像超分辨恢复方法融入到多图谱分割框架之中，通过提高高分辨率图谱图像和低分辨待分割图像之间的配准精度，从而提高多图谱分割方法的分割精度。
-
公开(公告)号：CN118692088B
公开(公告)日：2024-11-22
申请号：CN202411170640.7
申请日：2024-08-26
Applicant: 绍兴文理学院
Abstract: 本发明提供一种面向图像区域多标注的标签融合生成方法，涉及计算机视觉技术领域。该方法以同一张图像的多个标注标签图像为输入，这些标签可能源自不同标注者且包括区域强标注、矩形框标注、椭圆标注等多种类型。方法首先构建标注评估数据集，并对每个标注者进行能力评估。通过中智信息刻画，计算每个标注者的标注能力，包括隶属度、不确定性度和非隶属度。接着，计算图像各像素点的标签概率图，融合不同标注信息生成最终标签概率图。该标签概率图可用于模型训练时的损失计算，有效降低标注偏差，提升模型的性能和泛化能力。此方法通过多源标注信息融合，优化了图像标注的准确性，并增强了模型训练的鲁棒性。
-
公开(公告)号：CN112508962B
公开(公告)日：2024-10-18
申请号：CN202011305431.0
申请日：2020-11-20
Applicant: 绍兴文理学院
Abstract: 本发明公开了基于时间关联图像序列的目标图像区域子序列分离方法，包括获取目标图像区域的初始图像：根据图像目标初始跟踪决策算法获取目标图像区域的初始图像；获取目标图像区域的终止图像：依次对每一帧图像及该帧后连续N帧图像，计算目标图像区域的中智度量同理想中智度量的交叉熵及相似度，按照交叉熵越大、且相似度越小，当前帧后第N帧待判断图像越可能为终止图像的原则，获取目标图像区域的终止图像；获取目标图像区域的初始图像与终止图像、及其之间的图像作为目标图像区域子序列。本发明能够解决现有技术中对目标图像区域缺乏有效的特征表征方法，从而无法提供鲁棒性高的分离目标图像区域子序列方法的技术问题。
-
公开(公告)号：CN118628724A
公开(公告)日：2024-09-10
申请号：CN202411109960.1
申请日：2024-08-14
Applicant: 绍兴文理学院
IPC: G06V10/25 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/24
Abstract: 本发明提供一种基于弱标签数据的图像兴趣区域提取方法及系统，涉及图像处理技术领域，方法包括：获取数据集；通过最小外接旋转矩形框标注图像样本中的兴趣区域标签，得到旋转矩形掩码图；对图像样本进行多尺度缩放，得到不同尺度的图像样本；将不同尺度图像样本输入至图像分割模型进行训练，输出兴趣区域预测图；将兴趣区域预测图映射至所属图像样本中旋转矩形框长短边方向一致的矩形区域，得到旋转矩形映射估计特征图；计算图像样本的损失值；在损失值大于预设损失值的情况下，调整图像分割模型的超参数，重复训练；利用训练后的图像分割模型提取待检测图像的图像兴趣区域。在不降低识别准确性的同时，有效降低标注成本。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.025 seconds)
