-
公开(公告)号：CN114677332B
公开(公告)日：2024-12-10
申请号：CN202210214781.9
申请日：2022-03-07
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明请求保护一种基于JPEG指纹的深度特征融合图像篡改检测方法，涉及数字图像处理、计算机视觉、深度学习等技术领域。具体步骤为：1)搜集并整理公开的未压缩的图像样本；2)对图像样本进行两种方式篡改并标注获得篡改图像样本以及标签以完成图像篡改数据集的构建；3)利用制作的图像篡改数据集对深度特征融合网络进行训练；4)利用训练得到的模型对两种篡改图像进行测试，得到最终效果。本方法利用特征融合卷积神经网络训练得到的模型可以对现实中的篡改图像进行检测，具有实际意义，并且取得较好的检测精度。
-
公开(公告)号：CN114677333B
公开(公告)日：2024-09-24
申请号：CN202210214813.5
申请日：2022-03-07
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T5/92 , G06T5/40 , G06V10/50 , G06V10/764 , G06V10/774
Abstract: 本发明请求保护一种基于直方图特征的图像对比度增强检测方法，涉及数字图像处理、计算机视觉、机器学习等技术领域。具体步骤为：1)搜集并整理公开的图像样本；2)对公开图像进行多种对比度增强操作以完成图像篡改数据集的构建；3)通过篡改图像的直方图进行对比度增强操作的痕迹特征提取；3)利用支持向量机(SVM)对提取到的痕迹特征进行训练；4)利用训练得到的模型对其他篡改图像直方图中的提取到的痕迹特征进行测试，得到最终分类结果。5)利用所提取的痕迹特征对经过伽马校正后的图像进行伽马参数值的估计。本方法可以对现实中的篡改图像进行检测，也可以对伽马校正图像进行参数值的估计，并且取得较好的分类精度。
-
公开(公告)号：CN118446891A
公开(公告)日：2024-08-06
申请号：CN202410554481.4
申请日：2024-05-07
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T11/00
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于结构光照明显微镜的双通道联合重建方法，包括：根据结构光照明显微镜获取细胞器的双通道荧光图像；根据双通道荧光图像构建结构‑功能同步成像模型#imgabs0#其中，#imgabs1#为细胞器结构信息，#imgabs2#为细胞器功能信息；在结构‑功能同步成像模型#imgabs3#中加入细胞器功能信息#imgabs4#的正则项约束，得到目标函数；对目标函数进行迭代优化，得到细胞器结构信息和功能信息；本发明将结构成像和功能成像合并到同一目标函数中进行建模，实现了结构信息和功能信息的同步重建，能较好地抑制重建伪影，提升保真度；本发明将连续性先验信息引入到重建过程中，能较好地抑制重建超分辨率功能信息中的伪影，解决低信噪比图像的重建问题。
-
公开(公告)号：CN114647859B
公开(公告)日：2024-07-19
申请号：CN202210214785.7
申请日：2022-03-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种隐私保护的彩色图像特征提取方法，涉及图像加密、数字图像处理、计算机视觉等技术领域。具体步骤为：1)用户用四元数表示彩色图像，利用向量同态加密方案对四元数像素加密；2)将设计的隐私保护彩色图像特征提取算法和加密图像部署到服务器；3)服务器利用加密图像和用户提供的特征提取算法，计算密文特征并返回给用户；4)用户对服务器返回的加密特征进行解密，并用于后续的图像任务。本方法能够在保护图像隐私的同时，将特征提取算法外包给资源充足的第三方服务器，并且提取的特征在后续任务中表现出良好的性能，具有实际意义。
-
公开(公告)号：CN118135221A
公开(公告)日：2024-06-04
申请号：CN202410300403.1
申请日：2024-03-15
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06N3/045 , G06V10/82 , G06V10/774 , G06N3/09 , G06N3/0895 , G06N20/00 , G06V10/764 , G06N3/0985 , G06N3/0464
Abstract: 本发明属于计算机视觉语义分割领域，具体涉及一种基于跨网络扰动机制的图像语义分割方法，包括：构建图像语义分割模型；获取数据集，对数据集中的图片进行预处理；将预处理后的带有标记的数据输入到图像语义分割模型中，采用基于像素集交叉熵的全监督训练方法对模型进行训练；将预处理后的无标记的数据输入到图像语义分割模型中，采用基于跨网络的扰动机制的图像半监督训练方法对网络进行训练；根据带标签数据训练的模型和无标签数据训练的模型进行对比学习，根据对比学习的结果构建优化目标函数，调整模型参数，当达到优化目标时，完成模型的训练；本发明在标注数据较为有限的情况下，仍能展现出出色的模型性能，这进一步降低了模型训练的成本。
-
Patent Agency Ranking
公开(公告)号：CN118134761A
公开(公告)日：2024-06-04
申请号：CN202410249440.4
申请日：2024-03-05
Applicant: 重庆邮电大学
IPC: G06T3/4053
Abstract: 本发明提供一种基于流模型的荧光图像超分辨率重建方法，包括：获取荧光图像对，所述图像对包括：低分辨率的荧光宽场图像和高分辨率的荧光真值图像；将荧光宽场图像输入频域‑空域联合注意力模块提取荧光宽场图像的条件特征；在训练阶段，将荧光真值图像正向输入流网络中融合荧光宽场图像的条件特征计算得到隐变量，即通过最小化损失函数在给定荧光宽场图像的条件下，将荧光真值图像的分布映射为高斯分布对网络进行训练；在推断阶段，从高斯分布中采样得到隐变量，将隐变量逆向输入流网络中融合荧光宽场图像的条件特征重建出高分辨率的荧光图像，本发明解决了超分辨率图像重构任务一对多的欠定性质问题，获得了准确的重建结果。
-
公开(公告)号：CN118115750A
公开(公告)日：2024-05-31
申请号：CN202410304893.2
申请日：2024-03-18
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种仅保留任务相关特征的隐私保护方法；该方法包括：在Backbone网络后添加两个全连接层并采用隐私保护损失函数训练Backbone网络；将图像输入到训练好的Backbone网络中，得到图像表征分布的均值和方差；从图像表征分布的均值和方差采样得到图像表征；根据图像表征分布的均值和方差计算信息差；根据信息差设计mask；根据图像表征和mask计算得到仅保留任务相关特征的图像表征；将仅保留任务相关特征的图像表征输入到训练好的目标模型，得到目标任务结果；本发明可保证用户在享受服务的同时，减少隐私泄露的可能性。
-
公开(公告)号：CN111754418B
公开(公告)日：2023-09-26
申请号：CN202010430976.8
申请日：2020-05-20
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Hess矩阵的图像增强方法，涉及数字图像处理、计算机视觉等技术领域。具体步骤为：1)用多尺度分数阶Hess矩阵对输入图像进行处理，生成特征加权图像；2)抑制特征加权图像中强特征信息像素的特征值，得到背景加权图像；3)用背景加权图像的直方图和该直方图归一化后形成的累积分布函数得到最终映射函数；4)利用映射函数得到增强后的图像。本方法用matlab为平台进行验证，结合Hess矩阵的相关知识，完成了改善图像对比度达到增强目的，具有实际意义，并且取得较好增强效果。
-
公开(公告)号：CN116596771A
公开(公告)日：2023-08-15
申请号：CN202310260242.3
申请日：2023-03-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于自适应光照初始化的弱光图像增强方法，涉及数字图像处理、计算机视觉、信号处理、图像增强等技术领域。具体步骤为：1)在网上搜集并整理现有公开的弱光图像数据集；2)根据不同的输入图像，基于提出的光照自适应初始化模块，准确的估计出图像的初始光照分量；3)在结构光照先验的约束下，通过交替方向最小化技术对初始光照分量进行优化估计；4)对得到的优化光照分量执行伽马校正，以进一步对图像的亮度实现非线性调整；5)结合Retinex理论模型实现弱光图像的增强。本方法利用准确估计出的初始光照分量，结合Retinex理论模型实现弱光图像的增强任务，也可以用于弱光视频的增强。该发明同时具有现实应用意义，并且取得了令人满意的增强效果。
-
公开(公告)号：CN113768515A
公开(公告)日：2021-12-10
申请号：CN202111092161.4
申请日：2021-09-17
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度卷积神经网络的心电信号分类方法，涉及深度学习、模式识别的技术领域。具体步骤为：1)直接将原始心电信号有重叠地分割成30秒长度的心电片段；2)将分割好的心电信号片段送入卷积神经网络模型中；3)利用心电标签和随机梯度下降算法对网络模型进行训练；4)利用一个投票机制综合分析每条心电片段的分类结果，并投票得出整条心电记录的分类结果。本发明没有复杂预处理过程，同时摆脱了对心跳周期精确分割以及复杂人工特征设计的依赖。利用卷积神经网络自动提取复杂心电信号中与心脏疾病相关的特征，提高了心电分类的效果，并实现对心电信号的辅助诊断，与智能可穿戴设备相结合可进行实时的心脏健康监测。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.036 seconds)
