-
公开(公告)号：CN104715461A
公开(公告)日：2015-06-17
申请号：CN201510154588.0
申请日：2015-04-02
Applicant: 哈尔滨理工大学
IPC: G06T5/00
Abstract: 本发明提供了一种图像去噪方法，以克服现有的图像处理技术中的图像去噪方法得到的小波系数与原图像的小波系数之间存在固定偏差的问题。该图像去噪方法包括：对待处理的含噪图像进行多层小波分解，以获得对应的多层小波系数；根据每层小波分解系数和小波系数对应的层序数，确定每层小波系数对应的噪声阈值；利用基于多层小波系数对应的多个噪声阈值的小波阈值去噪函数，对多层小波系数进行去噪处理；以及利用去噪处理后的多层小波系数重构含噪图像对应的原始图像。本发明的图像去噪方法得到的小波系数与原图像的小波系数之间的固定偏差较小，能够避免伪吉布斯现象，对于图像的细节信息保留较好且计算量较小，可应用于无线广播领域。
-
公开(公告)号：CN118071613A
公开(公告)日：2024-05-24
申请号：CN202410026634.8
申请日：2024-01-08
Applicant: 哈尔滨理工大学
Abstract: 本文提出了一种基于拉普拉斯金字塔和自注意力机制的灰色与彩色图像融合方法。该方法结合了拉普拉斯金字塔和自注意力机制的优势，旨在实现对医疗图像中灰色图像和彩色图像的有效融合。在处理待融合的图像之前使用空域细节增强方法进行细节增强处理，然后分别构建拉普拉斯金字塔。通过对每个图像进行高斯模糊和下采样操作，得到不同尺度上的图像金字塔。然后，对每个金字塔层进行自注意力计算。通过计算每个金字塔层中的像素与其他像素之间的相似度，确定它们之间的关联程度，并根据相似度分配不同的权重。将自注意力计算得到的权重与金字塔层进行加权融合。最后，通过对融合后的图像金字塔进行上采样和差值操作，重建出最终的融合图像。这种图像融合算法能够充分利用拉普拉斯金字塔的多尺度细节信息和自注意力机制的关联性，在医学彩色图像与灰度图像融合处理方案中具有保留了彩色图像的丰富信息、提高对比度和清晰度、自适应融合不同区域以及提高诊断和分析能力等优势。本发明为医疗图像融合提供了一个有效的解决方法。
-
Patent Agency Ranking
公开(公告)号：CN118230052A
公开(公告)日：2024-06-21
申请号：CN202410423610.6
申请日：2024-04-09
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及宫颈病理全景图像分类技术，旨在提出一种多模态集成诊断方案，填补目前视觉语言技术在宫颈组织病理诊断的应用空白，提升宫颈组织病理诊断效率。现有视觉语言模型通常在大规模图像文本对上进行训练，具备较强的表征能力，泛化能力和迁移能力。然而，这种方式在宫颈组织病理学领域面临挑战，由于数据的私密性高、标注成本高以及专家经验难复制等问题，难以构建大规模图像文本对。针对这些问题，本发明提出基于视觉引导及语言提示的宫颈全景图像少样本分类方法。实验结果显示，该方法能够有效识别宫颈组织病理学特征，并给出病理学诊断依据和诊断结果。本发明在宫颈组织病理学诊断领域具有广阔的应用前景。
-
公开(公告)号：CN116542878A
公开(公告)日：2023-08-04
申请号：CN202310543976.2
申请日：2023-05-15
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了图像去雾改进算法。通过matlab语言获取含雾图像的基本信息，其中包括：图像大小、清晰度、去雾范围等基本信息，同时利用直方图局部拉伸提升图像的清晰度。本发明包括一个基于暗通道先验算法和一个基于粒子群搜索算法。其中粒子群搜索算法，用于求取图像的最佳保留因子，将保留因子带入暗通道先验算法中进行对图像原模型的构建。实验表明，该算法在去雾效率与去雾时间上有很好的提升效果。
-
公开(公告)号：CN115631400A
公开(公告)日：2023-01-20
申请号：CN202211459753.X
申请日：2022-11-21
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于CenterNet改进的多尺度特征融合的小目标检测方法，通过更换高分辨率主干网络获取高分辨率特征图，来缓解小目标物体像素少、分辨率低导致模型对小目标物体检测性能差的问题，通过使用层级多尺度特征模块以及细粒度级多尺度特征融合模块两个相结合的方式来增强网络模型的多尺度表达能力，提高小目标物体的特征质量，同时提升了模型对多尺度目标的检测鲁棒性，从而提升小目标的检测性能。本发明能够在减少模型参数，提高网络推理速度的同时，更好地增强模型对多尺度特征的表达能力，不仅提升了模型对小目标物体的检测能力，同时也提高了大目标物体的检测能力。
-
公开(公告)号：CN113947680A
公开(公告)日：2022-01-18
申请号：CN202111186956.1
申请日：2021-10-12
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于级联多尺度视觉Transformer架构的语义分割方法，包括：将图像切分为多个Patch，将Patch拉伸为一维向量N*C；步骤二、利用重叠Padding块编码对Patch进行位置编码；步骤三、将token输入Transformer模块，依次经过层归一化、多头注意力层以及前馈神经网络，重复步骤三至网络收敛；步骤四、利用块编码将token还原至二维，利用池化层将图像下采样至1/2；步骤五将编码阶段和当前阶段的特征图采用像素点信息聚合；步骤六将特征图上采样至1/4时采用卷积层输出为类别数，最后采用双线性插值算法将图像上采样至原图大小。本发明可以解决计算量大，分割边界不均匀问题。
-
公开(公告)号：CN113743524A
公开(公告)日：2021-12-03
申请号：CN202111073374.2
申请日：2021-09-14
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种基于双通道特征融合的图像语义分割方法，包括：步骤一、对图像进行卷积操作，得到初步处理后的特征图；步骤二、对特征图进行最大池化操作以及两次卷积操作；步骤三、对步骤二中的结果进行连续两次的卷积操作；步骤四、对特征图全局平均池化和卷积以及批归一化和权值归一化，与输入特征图相乘；步骤五、对步骤二进行深度可分离操作；以及深度可分离和池化操作；步骤六、对步骤四进行深度可分离操作和四倍上采样；以及深度可分离操作；步骤七、将步骤五和步骤六中的两个分支按元素相乘上采样得到结果。本发明为解决大多数分割算法模型复杂度高，计算量大应用效果不理想的问题。
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
