公开(公告)号：CN108259994A

公开(公告)日：2018-07-06

申请号：CN201810036647.8

申请日：2018-01-15

Applicant: 复旦大学

Inventor： 颜波 ,  李可 ,  马晨曦

IPC: H04N21/4402 ,  H04N21/466 ,  H04N21/44

CPC classification number: H04N21/440263 ,  H04N21/44008 ,  H04N21/4402 ,  H04N21/4666

Abstract: 本发明属于视频编辑技术领域，具体为一种提高视频空间分辨率的方法。视频超分是计算机视觉领域的一个重要分支，它利用视频每一帧内的局部关联信息以及相邻帧之间包含的相关信息来重构具有更高分辨率的视频。本发明方法不仅考虑当前帧内部像素的局部冗余信息，还结合前后相邻帧时间维度的关联性获得低分辨率视频中丢失的高频细节信息恢复原始视频帧的内容，达到了增强视频分辨率丰富细节纹理的效果。实验结果表明，本方法较好地实现了视频分辨率的提升，使得视频具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。

公开(公告)号：CN102801968B

公开(公告)日：2015-05-13

申请号：CN201210201663.0

申请日：2012-06-19

Applicant: 复旦大学

Inventor： 颜波 ,  孙慨然 ,  高驿祺

IPC: H04N19/112

Abstract: 本发明属于数字图像和视频技术领域，具体为一种图像和视频的快速智能适配显示方法。具体步骤包括：计算每一帧图像的能量图；对行间的能量进行统一，以保证相邻行之间的一致性；根据能量图计算每一列的比例值，为了避免图像扭曲，计算出的比例值必须判断是否在合理范围内，若不正确则需要矫正；每一帧图像根据每一列的比例值改变尺寸。本发明方法具有很好的效果和较高的效率，可以为各种相关应用提供高质量的服务。

公开(公告)号：CN103763562A

公开(公告)日：2014-04-30

申请号：CN201410030131.4

申请日：2014-01-22

Applicant: 复旦大学

Inventor： 颜波 ,  薛向阳 ,  李可 ,  王伟祎

IPC: H04N19/51 ,  H04N19/43

Abstract: 本发明属于视频浓缩技术领域，具体一种基于线裁剪的视频浓缩方法。视频浓缩是指对视频进行时间上的压缩，使在较短的时间中尽可能对原视频中的细节进行描述，去除视频时间域上的冗余信息，从而赋予用户快速浏览无尽的监控视频的能力。本发明方法使用线裁剪对视频Tube进行裁剪，从而减少视频在时间域的长度；在裁剪过程中，使用光流更新视频Tube的能量图，并且根据关于视频Tube能量图的分析结果，设置裁剪终止的准则，从而对每个tube，在保证视频连贯性的前提下，尽量地压缩视频tube的持续时间，最终达到有效视频浓缩的效果。实验结果表明，本发明方法在较好地保持对物体运动描述的基础上，可以有效实现视频时间域上的压缩。

公开(公告)号：CN102801968A

公开(公告)日：2012-11-28

申请号：CN201210201663.0

申请日：2012-06-19

Applicant: 复旦大学

Inventor： 颜波 ,  孙慨然 ,  高驿祺

IPC: H04N7/24 ,  H04N7/26

Abstract: 本发明属于数字图像和视频技术领域，具体为一种图像和视频的快速智能适配显示方法。具体步骤包括：计算每一帧图像的能量图；对行间的能量进行统一，以保证相邻行之间的一致性；根据能量图计算每一列的比例值，为了避免图像扭曲，计算出的比例值必须判断是否在合理范围内，若不正确则需要矫正；每一帧图像根据每一列的比例值改变尺寸。本发明方法具有很好的效果和较高的效率，可以为各种相关应用提供高质量的服务。

公开(公告)号：CN114359628B

公开(公告)日：2025-05-09

申请号：CN202111537613.5

申请日：2021-12-15

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  谭伟敏 ,  李吉春 ,  林青

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/09

Abstract: 本发明属于医疗图像处理技术领域，具体为一种利用相邻帧时空信息的食管内镜视频帧序列质量分类的算法。本发明算法包括：构建用于视频帧序列预测算法的卷积神经网络模型，包括内容特征提取子网络、运动特征提取子网络，参考两种特征的信息，最后通过全连接子网络给出中间帧的视频质量分数；进行数据的收集与模型的训练，当训练的目标函数降低至某可接受阈值，即可认为网络收敛；最后，将连续三帧图像输入到训练好的网络模型中，得到中间帧的质量分类；实验结果表明，本发明算法的质量分类的准确性超过85％，对于临床食管内镜的诊断与质量控制，具有很强的应用价值。

公开(公告)号：CN114782248B

公开(公告)日：2025-03-18

申请号：CN202210380855.6

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  马晨曦 ,  谭伟敏 ,  周诗力

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T5/50 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明属于图像编辑技术领域，具体为一种近红外图像指导的跨模态立体图像超分辨率重构方法。本发明包括：采用跨视角匹配模块提取立体图像不同模态的左右图间的视差，再根据视差将右视角的近红外图像对齐到左视角；图像超分辨率重构网络采用两个网络分支分别提取立体图像左右图的特征；采用跨模态特征迁移模块融合左右图特征；在重构立体图像左视角的可见光模态的图像时，利用该可见光模态的图像空间信息，结合对应右视角的近红外图像包含的丰富细节来辅助左图的超分过程，从而生成更多的图像中的高频细节纹理、恢复出更真实的高分辨率图像。实验结果表明，本发明可以有效提高可见光模态图像的分辨率、提升图像的主观视觉效果以及客观准确度。

公开(公告)号：CN114494007B

公开(公告)日：2024-11-26

申请号：CN202011263437.6

申请日：2020-11-12

Applicant: 复旦大学

Inventor： 颜波 ,  马晨曦 ,  谭伟敏 ,  林青

IPC: G06T3/4053 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种文本指导的自然图像超分辨率重构方法。图像超分辨率重构是指利用算法来恢复丢失的图像像素。自然图像超分辨率重构主要用于提升图像清晰度，改善图像视觉效果，以产生真实、自然的高分辨率图像。本发明方法包括：从文本描述中提取语义特征；结合图像特征和文本语义特征；完善图像细节信息，修复语义不准确的特征；重构高分辨率自然图像。在网络的训练中引入基于语义的判别器、图文匹配损失和文本感知的重构损失来约束图像超分辨率重构模型学习图像超分辨率任务。实验结果表明，本发明可以生成自然美观且符合文本描述的高分辨率图像，有效解决大尺度图像超分辨率重构问题。

公开(公告)号：CN118628373A

公开(公告)日：2024-09-10

申请号：CN202410613625.9

申请日：2024-05-17

Applicant: 复旦大学

Inventor： 谭伟敏 ,  颜波 ,  俞安祺

IPC: G06T5/60 ,  G06T5/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于数字图像处理技术领域，具体为一种对于3D荧光显微镜图像去噪过程的加速方法。本发明方法包括：通过特征提取模块初步提取带噪图像特征；通过基于混合Transformer模型进行推理速度优化的快速网络来进行特征增强；将密集k×k卷积层替换为k×k的深度卷积和1×1的逐点卷积来提高效率；使用令牌混合器RepMixer进行结构重新参数化来删除跳过连接，从而降低内存访问成本；使用线性训练时间过参数化来增强精度。实验结果表明，本方法克服了之前3D荧光显微镜图像去噪方法的速度缺陷，在保证表现优异的同时有效提升了模型的推理速度，降低了模型的计算量和参数量，获得当前该领域领先的精度‑延迟权衡，具有较强的实用价值。

公开(公告)号：CN111127336B

公开(公告)日：2023-05-02

申请号：CN201911129305.1

申请日：2019-11-18

Applicant: 复旦大学

Inventor： 颜波 ,  王峻逸 ,  王沛晟 ,  李昂

IPC: G06T5/00 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于自适应选择模块的图像信号处理方法。本发明方法包括：建立多任务RAW图像数据集；根据元数据对RAW图像预处理，包括：将单通道的RAW图像重排列为图像尺寸减半三RGBG四个通道，黑电平矫正和归一化；训练ISP深度神经网络；训练去噪声、去运动模糊处理模块，去除噪声、运动模糊；结合各处理模块训练注意力选择模块；ISP网络是端到端网络，测试时将预处理后的RAW图像载入，即可生成RGB图像。实验表明，本发明可以在单个深度神经网络中自适应地选择处理模块以应对包含不同类型失真的复杂情况，从而生成高质量的RGB图像。

公开(公告)号：CN109087247B

公开(公告)日：2022-12-20

申请号：CN201810938607.2

申请日：2018-08-17

Applicant: 复旦大学

Inventor： 颜波 ,  巴合提亚尔·巴热 ,  马晨曦

IPC: G06T3/40 ,  G06N3/04

Abstract: 本发明属于图像编辑技术领域，具体为一种对立体图像进行超分的方法。本发明方法包括采用光流估计网络对左右图位置信息进行估计；采用图像超分网络重构出高分辨率图像；在重构立体图像中的左图时，不仅利用该图像内部像素的局部冗余和结构关联的特点，还结合该立体图像的左图和右图之间内容之间关联及互补的特性，获得更多的低分辨率左图中丢失的高频信息，以恢复原始图像的内容，达到了增强图像分辨率丰富细节纹理的效果。实验结果表明，本方法可有效提升立体图像的分辨率的提升，使得立体图像的具有更加清晰的视觉质量、更丰富的内容及更高的研究应用价值。