-
公开(公告)号：CN111754404A
公开(公告)日：2020-10-09
申请号：CN202010560118.5
申请日：2020-06-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多尺度机制和注意力机制的遥感图像时空融合方法，包括步骤：S1将高时间、低空间分辨率的图像和低时间、高空间分辨的图像分别输入两个不同的并行卷积神经网络，分别提取它们的在不同尺度上的特征图；S2选择三个尺度上的特征图，分别对它们进行融合，再将三个尺度上的融合特征图上采样到统一尺度，接着把它们融合为一个特征图；S3将融合后的特征图输入注意力机制，对特征图的特征和通道赋予不同的权值；S4结合特征图的权值，使用全连接层对图像进行重建，得到一张高空间、高时间分辨率的图像。本发明提高了遥感图像时空算法的准确率，并且在时间效率上具有优势。
-
公开(公告)号：CN111681252A
公开(公告)日：2020-09-18
申请号：CN202010479507.5
申请日：2020-05-30
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理与计算机视觉技术领域，特别涉及一种基于多路径注意力融合的医学图像自动分割方法，包括获取医学图片数据集，将数据集分为训练集和验证集，对训练集中的图片进行增广，并对验证集和增广之后的训练集中图片进行归一化处理；将训练集中的图片输入多路径注意力融合网络模型，在交叉熵损失函数的指导下输出得到分割结果图；选择验证集准确率最高的模型，将测试集输入加载此模型的多路径注意力融合网络，输出得到图像的分割结果图；本发明解决医学图像分割过程中现有网络无法在编码器无法效地提高不同尺度下的特征质量，并且难以控制网络低级结构特征和高级语义特征之间的层间依赖性从而导致分割结果不佳等问题。
-
公开(公告)号：CN111008955A
公开(公告)日：2020-04-14
申请号：CN201911076219.9
申请日：2019-11-06
Applicant: 重庆邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种多尺度图像块匹配的快速复制粘贴篡改检测方法，涉及数字图像处理技术领域。本文发明利用复制粘贴篡改的特点，在Patch-Match上进行多尺度空间建模。在多尺度Patch-Match中，不同尺度的输出被视为先验概率，用作引导下一个尺度检测中的初始化、反射偏移量和传播。由于利用复制粘贴篡改的特点，在多尺度Patch-Match的过程中可以实现指导性搜索，保证了高效性，减少了单尺度Patch-Match多次迭代所造成的时间浪费。本发明应用了多尺度Patch-Match的优点，有效地减少了计算时间复杂度并适用于实际应用。
-
公开(公告)号：CN109493364A
公开(公告)日：2019-03-19
申请号：CN201811124724.1
申请日：2018-09-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合残差注意力网络和上下文信息的目标跟踪算法，该算法首先将跟踪的视频序列中的第一帧传到卷积层里面得到256张特征图，然后将第一帧的特征图传到残差注意力网络里面得到残差特征图。然后将残差特征图和卷积层特征图结合得到残差响应图。同时将上一帧和当前帧同时传到卷积网络层里面来提取特征图，然后将第一帧的残差响应图，上一帧和当前帧的特征图同时传到三个全连接层里面来预测当前帧中跟踪目标的位置。最后通多输出层来输出当前帧中跟踪目标左上角和右下角的坐标位置。本发明提高了跟踪算法在目标遮挡等复杂情况下的准确率和鲁棒性。
-
公开(公告)号：CN105472395B
公开(公告)日：2019-03-08
申请号：CN201510808019.3
申请日：2015-11-20
Applicant: 重庆邮电大学
IPC: H04N19/625 , H04N19/91
Abstract: 本发明请求保护一种基于离散Krawtchouk正交多项式的图像无损压缩方法，属于数字图像压缩技术领域。本发明的编码及解码方法在进行二维正向/反向正交变换时，采用二维整数正向/反向离散Krawtchouk正交多项式变换来替代现有技术所使用的其它整数变换方法，实现无损压缩，可以有效地解决编码器失配问题，实现无损编码，而且具有较高的压缩性能以及更好的可扩展性。本发明矩阵变换实现从整数映射到整数，且在原位之间计算，完好地重构图像，降低了硬件资源消耗，有利于硬件实现。
-
Patent Agency Ranking
公开(公告)号：CN109199392A
公开(公告)日：2019-01-15
申请号：CN201810903712.2
申请日：2018-08-09
Applicant: 重庆邮电大学
IPC: A61B5/107
Abstract: 本发明涉及一种婴幼儿足底图像数据采集和三维形状建模方法，属于数字图像处理和模式识别领域，该方法包含如下步骤：S1：根据采集装置采集标定图像；S2：利用3D传感摄像头采集幼儿足底RGB图像和深度图像；S3：利用标定图像计算出相机内参；S4：根据相机内参，利用RGB图像和深度图像信息形成点云数据，将像素从二维空间映射到三维空间。与已有的解决方案相比，本发明成本低，数据采集方便快速。本发明能够辅助医生诊断婴幼儿足底畸形，并生成婴幼儿足部三维模型为3D打印定制纠正鞋垫或鞋提供模型基础。
-
公开(公告)号：CN108717527A
公开(公告)日：2018-10-30
申请号：CN201810458899.X
申请日：2018-05-15
Applicant: 重庆邮电大学
Abstract: 本发明属于模式识别技术领域，具体为一种基于姿态先验的人脸对齐方法，包括以下步骤：采用主动表观模型，在非限制环境下的人脸库上，建立人脸图像的形状模型和表观模型；训练阶段根据每幅人脸图像的特征点，按照人脸姿态的不同，分别建立正脸模型、左偏模型和右偏模型；测试阶段-利用测试集人脸图像中的特征三角形，选择合适的模型作为人脸的初始模型；最小化模型与测试集人脸图像间的残差，根据同时反向合成算法SIC来交替迭代更新扭曲参数和表观参数，实现匹配；本发明在训练阶段根据姿态的不同分别建立了正脸模型、左偏模型和右偏模型；在搜索阶段，利用特征三角形自动选择合适的模型作为人脸的初始模型，从而避免了姿态变化对初始模型的干扰。
-
公开(公告)号：CN105389821B
公开(公告)日：2018-02-27
申请号：CN201510808682.3
申请日：2015-11-20
Applicant: 重庆邮电大学
IPC: G06T7/10
Abstract: 本发明请求保护一种基于云模型和图割相结合的医学图像分割方法。该方法首先对图像进行平滑处理，去除噪点；接着利用逆向云变换分别计算出图像前景和背景的云特征值，利用X条件云发生器计算出每个像素对于前景和背景的隶属度；并计算出数据项和光滑项；然后建立能量函数构造相应网络图并用最大流/最小割算法实现医学图像分割；最后判定分割结果是否满足迭代条件，若满足则输出结果，反之，则重新计算当前分割结果前景和背景的云特征值。本发明通过云模型与图割算法的结合，不但保留了图割方法优良的多特征约束融合能力和全局最优性，还引入云模型的模糊性和随机性，以及二者之间关联的不确定性，可以有效地提高医学图像分割的精度。
-
公开(公告)号：CN106971383A
公开(公告)日：2017-07-21
申请号：CN201710076195.1
申请日：2017-02-13
Applicant: 重庆邮电大学
IPC: G06T5/50
Abstract: 本发明请求保护一种基于离散Tchebichef多项式变换和聚焦评价的多聚焦图像融合方法，涉及数字图像处理、机器视觉的技术领域。具体步骤为：1)对需要融合的多幅图像进行分块处理，得到r个m×n的图像块；2)分别对每个图像块归一化，再分别对归一化后的块进行离散Tchebichef多项式变换，得到对应的离散Tchebichef多项式变换系数；3)以高阶变换系数的能量和低阶变换系数的能量的比值作为聚焦评价函数，根据聚焦评价值最大的融合规则融合多幅输入图像；4)将融合后的图像进行一致性验证，得到最终融合后的图像。本方法建立了图像离散Tchebichef多项式变换系数与图像聚焦程度的联系，在节省融合时间的同时，有效地提高了图像的融合效果。
-
公开(公告)号：CN105447837A
公开(公告)日：2016-03-30
申请号：CN201510811225.X
申请日：2016-02-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于自适应云模型的多模态脑部图像融合方法，属于医学图像处理领域。本发明借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先，根据脑部图像自身的灰度直方图特征，对灰度直方图进行拟合；然后，由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型；最后，设计云推理规则，得到融合后的图像。实验结果表明，相比传统融合方法，本方法融合后的图像脑部特征更清晰，激活区域更明显，在主观融合效果与客观评价指标方面均有很大的提高。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.023 seconds)
