公开(公告)号：CN104574271A

公开(公告)日：2015-04-29

申请号：CN201510025684.5

申请日：2015-01-20

Applicant: 复旦大学

Inventor： 颜波 ,  杨奕臻 ,  李可

IPC: G06T3/00 ,  G06T5/50

CPC classification number: G06T3/0006 ,  G06T3/40 ,  G06T5/50 ,  G06T2207/20221

Abstract: 本发明属于图像编辑技术领域，具体为一种广告图标嵌入数字图像的方法。图像融合是计算机视觉领域的一个重要分支，它通过确定待融合两张图像的重叠区域内每一个像素点的取值，以实现图像的平滑过渡。本发明方法不仅考虑重叠区域像素的取值，还着重于图像内容的分析，通过选取合适融合区域，检测区域的相关信息，达到图像融合的最佳效果。实验结果表明，本方法较好地实现了广告图标的插入，使得广告图标在背景图像上显得自然而且醒目。

公开(公告)号：CN114820353B

公开(公告)日：2025-03-25

申请号：CN202210370640.6

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  付浪 ,  李吉春

IPC: G06T5/73 ,  G06T5/60 ,  G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于数字图像智能处理技术领域，具体一种基于动态权重机制和时空特征增强的视频去模糊方法。本发明方法包括：通过特征提取模块对模糊图像进行特征提取，得到图像特征：对提取的图像特征通过使用UNet结构进行时序上前向和后向的传播融合；通过构建空间特征增强模块，对经过传播融合后的图像特征进行增强；通过重建模块，对增强后的图像特征进行重建；对重建后的图像特征进行去模糊。实验结果表明，本发明可以动态的恢复视频中模糊严重的区域，纹理细节丰富的区域，以及物体边缘等高频部分，提高主观视觉效果。

公开(公告)号：CN114820473B

公开(公告)日：2024-10-22

申请号：CN202210370643.X

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  代刘博 ,  史家兴

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/62 ,  G06V10/25

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于损伤面积感知和不确定性指导的医疗图像分割方法。本发明方法包括：对图片提取感兴趣区域；根据损伤面积计算缩放矩阵，对感兴趣区域进行缩放；缩放后图像进行分割；用不确定性指导的方法监督分割。本发明将损伤面积感知技术用于处理样本中面积较小的样例分割，可以将小面积样本自动缩放到合适大小。实验结果表明，损伤面积感知技术可以很好的对小面积样本进行缩放，提升分割效果。

公开(公告)号：CN118646911A

公开(公告)日：2024-09-13

申请号：CN202410613984.4

申请日：2024-05-17

Applicant: 复旦大学

Inventor： 谭伟敏 ,  颜波 ,  张子贤

IPC: H04N21/2343 ,  G06N3/082 ,  G06N3/096 ,  G06N3/084 ,  H04N21/4402 ,  H04N7/01

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于模型剪枝与蒸馏的轻量的显微镜图像插帧方法。本发明方法包括：使用插帧网络得到前后两帧显微镜图像的中间帧；通过在插帧网络的优化目标中加入参数正则项得到网络参数的稀疏解，达到模型剪枝的效果；利用剪枝前的完整网络作为教师网络对剪枝后的网络进行蒸馏操作，以弥补模型剪枝带来的插帧质量损失；模型推理时根据所需插帧数量动态调整插帧网络生成的光流数量，减轻多帧插帧推理时的时间消耗。实验结果表明，本方法能够插帧出质量良好的显微镜中间帧图像，在损失插帧质量较小的前提下，将插帧所需计算量减小至1/3，并且控制插入10帧图像的时间消耗在插入2帧图像的时间消耗的2.5倍以内。

公开(公告)号：CN118628374A

公开(公告)日：2024-09-10

申请号：CN202410613987.8

申请日：2024-05-17

Applicant: 复旦大学

Inventor： 谭伟敏 ,  颜波 ,  马晨曦

IPC: G06T5/60 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于迭代反馈的荧光显微镜图像增强方法。本发明方法包括：通过设计基于反馈学习的深度神经网络结构，构建基于反馈学习的多阶段图像增强模型，得到对应增强结果；利用贝叶斯推断使模型同时输出重构图像和模型的重构置信度；通过在真实荧光显微镜成像数据上进行训练，使模型具有图像增强性能。实验结果表明，本发明有效提升了荧光显微镜图片的主观质量，降低模型重构的不确定性，恢复出具有较高空间分辨率和各向同性分辨率的荧光显微镜图像，显著抑制图像噪声等视觉瑕疵，极大地推进了生命科学领域的研究，为相关科研人员提供有价值的研究工具，具有较强的实用意义。

公开(公告)号：CN111127346B

公开(公告)日：2023-09-05

申请号：CN201911246343.5

申请日：2019-12-08

Applicant: 复旦大学

Inventor： 颜波 ,  陈鹤丹

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于部分到整体注意力机制的多层次图像修复方法。图像修复是指利用算法来替换和生成丢失或缺损的图像数据。本发明方法包括：一种多层次的深度卷积神经网络生成器结构；一个部分到整体的注意力机制卷积层，分别集成到网络的生成器和判别器中。在网络的训练过程中引入了图像块判别器和重构损失、感知损失、风格损失、对抗损失四种损失函数来辅助生成器学习图像修复任务。实验结果表明，本发明可以生成细节逼真且整体结构合理的修复图像，有效解决图像修复问题。

公开(公告)号：CN109903221B

公开(公告)日：2023-08-22

申请号：CN201810299530.9

申请日：2018-04-04

Applicant: 华为技术有限公司 ,  复旦大学

Inventor： 姚春凤 ,  冯柏岚 ,  颜波 ,  李可 ,  巴合提亚尔·巴热 ,  钱莉

IPC: G06T3/40

Abstract: 本申请实施例提供一种图像超分方法及设备，该方法包括：接收低分辨率图像；对所述低分辨率图像进行预处理，得到垂直梯度图，水平梯度图以及亮度图；将所述垂直梯度图，所述水平梯度图和所述亮度图分别作为三个不同维度的信息以构成待输入特征图；对所述待输入特征图进行尺寸转换得到输入特征图；对所述输入特征图进行非线性变换处理得到非线性变换后的输入特征图，对所述输入特征图以及所述非线性变换后的输入特征图进行加权处理，得到输出特征图；对所述输出特征图进行尺寸转换得到残差图；将所述低分辨率图像和所述残差图结合得到高分辨率图像。实施本申请实施例，可以提高超分得到的高分辨率图像的质量。

公开(公告)号：CN110020610B

公开(公告)日：2023-02-10

申请号：CN201910200569.5

申请日：2019-03-16

Applicant: 复旦大学

Inventor： 颜波 ,  钟芸诗 ,  牛雪静 ,  蔡世伦 ,  谭伟敏 ,  阿依木克地斯·亚力孔

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06T7/00

Abstract: 本发明属于医学图像处理技术领域，具体为一种基于深度学习的肠镜质量检查控制系统。本发明系统包括：回盲瓣识别模型，用于把图像按照回盲瓣和非回盲瓣进行分类；肠道质量评分模型，用于把图像按照波士顿肠道准备质量的评分（0‑3）进行分类；两个模型由图像分类卷积神经网络将肠镜图像以及标签即回盲瓣标签或评分作为输入，经过端到端训练得到。通过识别回盲瓣以及按波士顿评分量表对肠道准备质量进行评分，对肠镜检查质量进行评估。实验结果表明，本发明系统用于肠镜检查质量的控制具有良好的特异度、敏感度，可在临床检查中辅助内镜医师，提高肠镜检查的质量。

公开(公告)号：CN109272450B

公开(公告)日：2023-01-06

申请号：CN201810959380.X

申请日：2018-08-22

Applicant: 复旦大学

Inventor： 颜波 ,  马晨曦 ,  巴合提亚尔·巴热

IPC: G06T3/40

Abstract: 本发明属于图像编辑技术领域，具体为一种基于卷积神经网络的图像超分方法。卷积神经网络包括：特征提取网络、特征学习网络、图像重构网络；方法包括：通过特征提取网络，提取图像特征；通过特征学习网络，学习出高分辨率图像特征；通过图像重构网络重构图像三个阶段。本发明提出的分层特征学习的网络结构可以让网络中的每一阶段充分利用网络中所有不同层级学到的特征信息，还很大程度上保留了网络中的重要特征，减少特征损失，实现了最大程度的特征利用，同时避免了特征的重复及冗余。实验结果表明，本方法生成了具有更符合主观视觉质量的高分辨率图像，恢复了逼真的细节纹理信息，还实现了较高效的图像超分过程，具有较强的实用价值。

公开(公告)号：CN109035146B

公开(公告)日：2022-12-20

申请号：CN201810901714.8

申请日：2018-08-09

Applicant: 复旦大学

Inventor： 颜波 ,  马晨曦 ,  巴合提亚尔·巴热

IPC: G06T3/40 ,  G06N3/04

Abstract: 本发明属于图像编辑技术领域，具体为一种基于深度学习的低质量图像超分方法。本发明方法包括：图像中干扰信息特征的提取，图像特征与模糊及噪声特征的融合，高分辨率图像的重构。本发明不仅可以对理想条件下通过Bicubic降采样方法获得的低分辨率图像进行超分，还可以处理受到其它干扰的更真实的低分辨率图像。由于在真实条件下，低分辨率图像往往还受到模糊和噪声的干扰，本发明充分利用生成低分辨率图像的过程的信息，来增强对受干扰图像的超分效果。实验结果表明，本方法不仅较好地实现了理想条件下的图像超分，还可以对从真实条件中获得的受到未知干扰的低分辨率图像进行处理，以生成具有更符合主观视觉质量的高分辨率图像。