-
公开(公告)号：CN112200887B
公开(公告)日：2023-08-01
申请号：CN202011079638.0
申请日：2020-10-10
Applicant: 北京科技大学
Abstract: 本发明提供一种基于梯度感知的多聚焦图像融合方法，属于图像处理及人工智能领域。所述方法包括：获取多对待融合图像及其标注组成训练集；其中，每对待融合图像指两张同一场景下已配准的具有不同聚焦区域的图像；构建图像融合模型；利用得到的训练集，采用基于梯度感知的损失函数训练所述图像融合模型；采用训练好的所述图像融合模型对新的待融合图像进行图像融合。采用本发明，能够在去除复杂的后处理操作的同时，提高融合结果的质量。
-
公开(公告)号：CN114037989A
公开(公告)日：2022-02-11
申请号：CN202111296271.2
申请日：2021-11-03
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于联邦学习与风格迁移的图像分割方法及装置，涉及图像处理及人工智能技术领域。包括：多个用户节点分别构建基于本地图像数据集的风格迁移模型；训练节点基于风格迁移模型，根据联邦风格交换规则获取共享风格迁移模型；训练节点基于共享风格迁移模型，利用本地图像数据真实分割标注，得到具有其他节点图像数据风格的合成图像数据集；多个用户节点基于联邦学习方法对图像分割模型进行联邦训练，得到训练好的图像分割模型。本发明能够在保护用户关切的图像核心信息的前提下，通过共享用户对保密需求不迫切的风格信息，充分降低不同用户之间数据分布差异带来的算法性能损失，最终训练得到泛化能力强的图像分割模型。
-
公开(公告)号：CN112241940B
公开(公告)日：2023-12-19
申请号：CN202011036730.9
申请日：2020-09-28
Applicant: 北京科技大学
IPC: G06F7/544
Abstract: 本发明公开了一种多张多聚焦图像融合方法，属于图像处理和人工智能技术领域。包括：用图像特征提取算法提取待融合图像集中所有图像的特征，并选择任意二张图像的特征作为第一级基线特征和第二级基线特征；采用图像特征融合算法分别将第一级基线特征与待融合图像集中其余图像的特征进行特征融合，并形成多张聚焦水平图；采用矫正算法，基于第一级基线特征和第二级基线特征形成的聚焦水平图，矫正其余聚焦水平图，并将矫正后的多张聚焦水平图拼合成聚焦水平集；采用决策算法将聚焦水平集换算成决策图；采用图像像素融合算法，基于决策图，将待融合图像集中的所有图像融合成最终的单张融合结果。采用本发明，可以提高多张多聚焦图像融合的效率。
-
公开(公告)号：CN111861915A
公开(公告)日：2020-10-30
申请号：CN202010654030.X
申请日：2020-07-08
Applicant: 北京科技大学
Abstract: 本发明提供一种显微成像场景下失焦扩散效应消除方法及装置，属于图像处理及人工智能领域。所述方法包括：根据待融合图像集生成决策矩阵；建立与待融合图像尺寸相同的背景矩阵，根据所述待融合图像集和决策矩阵得到所述待融合图像集中像素值低的背景像素并将其记录到背景矩阵中；根据决策矩阵生成图像初步融合结果图，将背景矩阵中记录的结果覆盖到所述图像初步融合结果中，得到消除失焦扩散效应后的图像融合结果图。采用本发明，能够在不改变原有聚焦拍摄区间和亮度情况下，解决显微成像场景下的多聚焦图像融合任务中，前景的失焦扩散效应引发融合结果中背景处产生伪影的问题，从而提高成像准确度。
-
Patent Agency Ranking
公开(公告)号：CN111861915B
公开(公告)日：2021-08-13
申请号：CN202010654030.X
申请日：2020-07-08
Applicant: 北京科技大学
Abstract: 本发明提供一种显微成像场景下失焦扩散效应消除方法及装置，属于图像处理及人工智能领域。所述方法包括：根据待融合图像集生成决策矩阵；建立与待融合图像尺寸相同的背景矩阵，根据所述待融合图像集和决策矩阵得到所述待融合图像集中像素值低的背景像素并将其记录到背景矩阵中；根据决策矩阵生成图像初步融合结果图，将背景矩阵中记录的结果覆盖到所述图像初步融合结果中，得到消除失焦扩散效应后的图像融合结果图。采用本发明，能够在不改变原有聚焦拍摄区间和亮度情况下，解决显微成像场景下的多聚焦图像融合任务中，前景的失焦扩散效应引发融合结果中背景处产生伪影的问题，从而提高成像准确度。
-
公开(公告)号：CN112200887A
公开(公告)日：2021-01-08
申请号：CN202011079638.0
申请日：2020-10-10
Applicant: 北京科技大学
Abstract: 本发明提供一种基于梯度感知的多聚焦图像融合方法，属于图像处理及人工智能领域。所述方法包括：获取多对待融合图像及其标注组成训练集；其中，每对待融合图像指两张同一场景下已配准的具有不同聚焦区域的图像；构建图像融合模型；利用得到的训练集，采用基于梯度感知的损失函数训练所述图像融合模型；采用训练好的所述图像融合模型对新的待融合图像进行图像融合。采用本发明，能够在去除复杂的后处理操作的同时，提高融合结果的质量。
-
公开(公告)号：CN112241940A
公开(公告)日：2021-01-19
申请号：CN202011036730.9
申请日：2020-09-28
Applicant: 北京科技大学
Abstract: 本发明公开了一种多张多聚焦图像融合方法，属于图像处理和人工智能技术领域。包括：用图像特征提取算法提取待融合图像集中所有图像的特征，并选择任意二张图像的特征作为第一级基线特征和第二级基线特征；采用图像特征融合算法分别将第一级基线特征与待融合图像集中其余图像的特征进行特征融合，并形成多张聚焦水平图；采用矫正算法，基于第一级基线特征和第二级基线特征形成的聚焦水平图，矫正其余聚焦水平图，并将矫正后的多张聚焦水平图拼合成聚焦水平集；采用决策算法将聚焦水平集换算成决策图；采用图像像素融合算法，基于决策图，将待融合图像集中的所有图像融合成最终的单张融合结果。采用本发明，可以提高多张多聚焦图像融合的效率。
-
公开(公告)号：CN114037989B
公开(公告)日：2025-04-18
申请号：CN202111296271.2
申请日：2021-11-03
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于联邦学习与风格迁移的图像分割方法及装置，涉及图像处理及人工智能技术领域。包括：多个用户节点分别构建基于本地图像数据集的风格迁移模型；训练节点基于风格迁移模型，根据联邦风格交换规则获取共享风格迁移模型；训练节点基于共享风格迁移模型，利用本地图像数据真实分割标注，得到具有其他节点图像数据风格的合成图像数据集；多个用户节点基于联邦学习方法对图像分割模型进行联邦训练，得到训练好的图像分割模型。本发明能够在保护用户关切的图像核心信息的前提下，通过共享用户对保密需求不迫切的风格信息，充分降低不同用户之间数据分布差异带来的算法性能损失，最终训练得到泛化能力强的图像分割模型。
-
公开(公告)号：CN116580188A
公开(公告)日：2023-08-11
申请号：CN202310284567.5
申请日：2023-03-22
Applicant: 北京科技大学
Abstract: 本发明涉及图像处理技术领域，特别是指一种基于多模态图像联邦分割的数据增广方法及系统，方法包括：汇总节点向每个参与节点下发控制信息对；各自构建初始模态生成分割网络模型；每个参与节点将本地样本图像、对应的真实标注以及控制信息对输入初始模态生成分割网络模型，得到中间网络参数；将中间网络参数传输至汇总节点，汇总节点对多个参与节点的中间网络参数进行联邦平均，得到合并网络参数，将合并网络参数回传给每个参与节点；迭代执行上述步骤，直到完成训练；每个参与节点根据训练好的模态生成分割网络模型生成多模态生成图像，进行数据增广。采用本发明，在保护各个参与方数据隐私的同时，提高图像联邦分割模型的准确度和泛化能力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
