多阶段渐进式的图像去噪算法

    公开(公告)号:CN113808032B

    公开(公告)日:2023-12-15

    申请号:CN202110892066.6

    申请日:2021-08-04

    Abstract: 本发明为一种多阶段渐进式的图像去噪算法,构建多阶段渐进式的去噪网络;每个阶段开始前使用卷积层和CAB模块提取含噪图像的浅层特征;第一阶段的浅层特征经过级联的CAB处理得到局部空间特征,经过U‑Net网络处理得到上下文语义信息;采用特征融合模块对局部空间特征和语义信息进行融合,得到第一阶段融合后的特征;第一阶段融合后的特征与第二阶段的浅层特征进行相加,相加后的特征经过级联的CAB处理得到局部空间特征,经过U‑Net网络处理得到语义信息;采用特征融合模块对局部空间特征和上下文语义信息进行融合,得到第二阶段融合后的特征;重复上述操作,得到第n阶段融合后的特征,然后经过卷积层处理后得到清晰图像。

    一种RGB-D图像显著性目标检测方法

    公开(公告)号:CN113763422B

    公开(公告)日:2023-10-03

    申请号:CN202110872457.1

    申请日:2021-07-30

    Abstract: 本发明属于图像目标检测技术领域,涉及一种RGB‑D图像显著性目标检测方法,包括:将深度图和RGB图像分别输入深度模态编码器和RGB图像编码器;深度模态编码器提供深度模态,RGB图像编码器提供RGB模态;在低层级特征编码阶段,RGB诱导细节增强模块通过将RGB模态的细节补充信息从RGB模态传输到深度模态,实现深度特征增强;在高层级特征编码阶段,深度诱导语义增强模块进行跨模态特征融合;通过密集解码重建结构生成预测的显著性图像。本发明提出一种新跨模态交互模式和跨模态差异交互网络,模拟两种模态的依赖性,并设计组件实现差异化跨模态引导,提出DDR结构,利用多个高层级特征更新跳连接生成语义块。

    一种基于多投影表征的全景图像显著性目标检测方法

    公开(公告)号:CN115424100A

    公开(公告)日:2022-12-02

    申请号:CN202210865756.7

    申请日:2022-07-22

    Abstract: 本发明涉及一种基于多投影表征的全景图像显著性目标检测方法,构建一个编码器‑解码器结构的端到端检测网络,将等矩形投影图像和相应的四个立方体展开图像共同作为检测网络的输入;在编码器阶段,等矩形投影分支和立方体展开分支通过共享参数的五十层深度残差网络ResNet‑50提取特征;在解码器阶段,动态加权融合模块自适应地融合等矩形投影特征和四种立方体展开特征,过滤与细化模块结合编码与解码特征,得到最终的显著性图。本发明,检测网络结合等矩形投影与立方体展开两种全景图像的表征方式,将等矩形投影图像和相应的四个立方体展开图像作为共同输入,其中,立方体展开图像为等矩形投影图像提供补充信息,确保目标的完整性。

    基于Transformer子空间表征学习的因果推理辅助诊断方法

    公开(公告)号:CN115188461A

    公开(公告)日:2022-10-14

    申请号:CN202210210314.9

    申请日:2022-03-03

    Abstract: 本发明提供了一种基于Transformer子空间表征学习的因果推理辅助诊断方法。该方法包括:通过Transformer网络从电子病历数据中提取患者的特征信息;通过自监督学习的方式对患者的特征信息进行扩容后,映射到低维的共享子空间和独立子空间,得到患者的低维共享特征表示和特异特征表示,通过堆叠两种特征表示得到患者的低维特征表示;使用对抗模型来平衡患者的低维特征表示中不同分组之间的分布,得到分布平衡的低维特征表示并输入到前馈网络,得到患者的预测诊断结果。本发明可以应用于辅助诊断预测中,使用患者的生理数据及实验室数据等结构化信息较好地做出诊断,为医生诊断时提供参考意见,可以解决现有的方案中存在的选择偏差和缺乏可解释性等问题。

    基于跨模态交互和修正的RGB-D图像显著性目标检测方法

    公开(公告)号:CN115170830A

    公开(公告)日:2022-10-11

    申请号:CN202210580255.4

    申请日:2022-05-26

    Abstract: 本发明涉及一种基于跨模态交互和修正的RGB‑D图像显著性目标检测方法,包括:1、在编码阶段,彩色图编码器和深度图编码器分别提取彩色图模态和深度图模态的特征,彩色图模态和深度图模态的高层特征经渐进式注意力引导整合单元进行跨模态交互得到RGB‑D特征;2、特征修正中间件结构对编码阶段得到的彩色图模态、深度图模态和RGB‑D模态的特征进行自模态和跨模态的修正;3、在解码阶段,彩色图模态和深度图模态分别解码,并将各层级解码特征送入重要性门控融合单元进行融合解码,从而完成RGB‑D模态的解码,得到最终的显著图。本发明分别在不同阶段对特征进行交互和修正,实现两种模态更加全面的融合以及对互补信息的提取。

    基于像素残差直方图修改的可逆信息隐藏方法及系统

    公开(公告)号:CN114979403A

    公开(公告)日:2022-08-30

    申请号:CN202210504307.X

    申请日:2022-05-10

    Abstract: 本发明提供一种基于像素残差直方图修改的可逆信息隐藏方法及系统,属于图像处理技术领域,舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像。本发明可以更好的利用图像冗余从而获得更好的嵌入性能,尤其在较小的嵌入容量下具有很大优势,较为理想地实现了未压缩图像的可逆信息隐藏的嵌入工作。

    一种使用Transformer的多层次图像压缩方法

    公开(公告)号:CN113709455A

    公开(公告)日:2021-11-26

    申请号:CN202111138182.5

    申请日:2021-09-27

    Abstract: 本发明公开一种使用Transformer的多层次图像压缩方法,以Transformer模块为主,辅之以卷积层神经网络的多层次的图像压缩框架,Transformer模块包括多层编码器组件组件、解码器组件,编码端采用编码器组件,解码端采用解码器组件;解码器拥有交叉注意力机制,该交叉注意力机制将解码器的输入的自注意力特征与编码器的自注意力特征进行联合计算,对压缩压缩框架编码器的编码端学习到的特征充分利用。本发明保留了Transformer中的解码器组件及其交叉注意力机制,应用在解码端以实现对编码端学习到的特征的充分利用,达到更好的效果。且本发明框架对硬件的需求更小。

    基于像素多尺度预测的可逆数据隐藏方法

    公开(公告)号:CN109948307B

    公开(公告)日:2021-01-05

    申请号:CN201910155201.1

    申请日:2019-03-01

    Abstract: 本发明提供了一种基于像素多尺度预测的可逆数据隐藏方法,包括:计算载体图像上每一个像素在所在区域的邻域复杂度,根据像素的邻域复杂度对所有的像素进行分类;对分类后的一定范围邻域复杂度的像素集合进行多尺度预测得到预测值,进而得到预测误差值和对应的预测误差直方图;利用直方图拓展‑平移嵌入算法,对预测误差直方图的峰值处的预测误差对应的像素值进行拓展和平移,将隐秘数据嵌入到像素值的预测误差上,进而得到嵌入隐秘数据的图像;将辅助信息通过LSB隐写算法嵌入到嵌入隐秘数据的图像中,得到含有隐秘数据的加密图像。本方法在保证一定嵌入容量的情况下,通过充分利用像素之间的信息冗余,有效降低载体图像的嵌入失真。

    基于莫尔效应的半色调复印脆弱水印技术方法

    公开(公告)号:CN110163789B

    公开(公告)日:2020-12-25

    申请号:CN201910445397.8

    申请日:2019-05-27

    Abstract: 本发明提供了一种基于莫尔效应的半色调复印脆弱水印技术方法,包括:给定打印条件,并根据打印条件对原始图像进行缩放;对缩放后的图像从RGB颜色空间转换到CMYK颜色空间,并进行水印嵌入;对于没有嵌入水印的通道采用调幅加网半色调方法处理,对于嵌入水印的通道采用随机矩阵的调幅加网半色调方法并嵌入水印处理;对处理后的通道合并,并转化到RGB颜色空间和输出带有分辨率信息的图像。本方法可以有效的增大原始文件与复印件之间的水印检测差距,达到了对复印脆弱的效果。

Patent Agency Ranking