-
公开(公告)号：CN112712532A
公开(公告)日：2021-04-27
申请号：CN202011618399.1
申请日：2020-12-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于瓶颈结构的多尺度DC‑CUNets的肝脏肿瘤分割方法，旨在解决现有技术中肝脏肿瘤的分割精度不足的技术问题。其包括：利用基于瓶颈结构的U‑Net从静脉期CT图像中获得肝脏掩膜；利用动脉期和静脉期CT图像分别与肝脏掩膜进行掩膜运算，获得动脉期和静脉期的肝脏感兴趣区域；利用双通道级联U‑Nets处理动脉期和静脉期的肝脏感兴趣区域，获得动脉期和静脉期深层图像特征；对动脉期和静脉期深层图像特征进行特征融合，并利用softmax层处理融合后的特征块，输出肝脏肿瘤分割概率图。本发明能够快速、准确的进行肝脏肿瘤分割。
-
公开(公告)号：CN112468821A
公开(公告)日：2021-03-09
申请号：CN202011159992.4
申请日：2020-10-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于HEVC核心模块融合的并行解码方法、装置及介质。本方法在熵解码模块，利用已有的帧级并行熵解码方法；在环路滤波模块，引入一种区域待滤波边界估计方法及划分方法，并利用缓存，实现基于多线程负载均衡的联合并行环路滤波方法；在像素解码重构模块，利用帧内及帧间CTU之间的数据依赖关系，实现基于CTU的帧内/帧间融合并行方法；最后，在三个模块之间，使用分级线程调度策略，并引入流水线并行技术，实现核心模块融合的并行解码方法。本方法充分利用了多核处理器的并行计算资源，提高了HEVC的实时解码处理效率。
-
公开(公告)号：CN111539023B
公开(公告)日：2021-02-02
申请号：CN202010344077.6
申请日：2020-04-27
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提供一种基于多次迭代过滤的移动轨迹数据隐私保护匹配方法，所述方法包括以下步骤：数据拥有的双方将移动轨迹数据映射到Bloom过滤器，基于Bloom过滤器的1值位数的最大间距的粗略匹配计算，基于Bloom过滤器的交换位中位值为1的共同位的最小值的精确匹配计算。不需要第三方参与，仅需双方协定具体实现参数，对交换数据和已有数据进行处理，即可得到匹配结果；基于相似度计算的匹配过程，在具有不可逆转性的Bloom过滤器上进行实现，可以保证原始数据的机密性。进一步提高原始数据的机密性。实现不匹配数据的快速排除，大大减少数据计算量和交换量，从而提高匹配运算的效率。
-
公开(公告)号：CN111539023A
公开(公告)日：2020-08-14
申请号：CN202010344077.6
申请日：2020-04-27
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提供一种基于多次迭代过滤的移动轨迹数据隐私保护匹配方法，所述方法包括以下步骤：数据拥有的双方将移动轨迹数据映射到Bloom过滤器，基于Bloom过滤器的1值位数的最大间距的粗略匹配计算，基于Bloom过滤器的交换位中位值为1的共同位的最小值的精确匹配计算。不需要第三方参与，仅需双方协定具体实现参数，对交换数据和已有数据进行处理，即可得到匹配结果；基于相似度计算的匹配过程，在具有不可逆转性的Bloom过滤器上进行实现，可以保证原始数据的机密性。进一步提高原始数据的机密性。实现不匹配数据的快速排除，大大减少数据计算量和交换量，从而提高匹配运算的效率。
-
公开(公告)号：CN106454341B
公开(公告)日：2019-06-04
申请号：CN201610880508.4
申请日：2016-10-09
Applicant: 南京邮电大学
IPC: H04N19/107 , H04N19/142
Abstract: 本发明公开了一种基于场景切换的HEVC预测模式快速选择方法，首先在读取输入YUV文件时，记录每一帧图像的亮度分量构成灰度图像；利用插值法将每一帧灰度图像都压缩成M×M格式的索引图；计算M×M个灰度值的平均值Vaverage，将每个灰度值和Vaverage进行比较，获得每帧图像的M×M位长度的二进制指纹序列；对于前后两帧图像，对比其指纹序列，统计相应位置二进制值不同的个数dNum，生成哈希指数；对于哈希指数大于阈值T的当前帧图像，将其判定为场景切换帧，在设置帧类型时将其置为I帧，按I帧进行预测编码，否则不做任何操作。本发明对于视频中的场景切换帧可以进行快速的检测，而且不会影响其他相关优化加速算法，不会改变编码质量。与现有的HEVC快速预测算法可以共同使用。
-
Patent Agency Ranking
公开(公告)号：CN105354868B
公开(公告)日：2018-11-30
申请号：CN201510644674.X
申请日：2015-10-08
Applicant: 南京邮电大学
Abstract: 本发明公开了基于几何图像矩的有限角度锥形束CT图像重建方法，步骤依次为，将获得的锥形束投影数据转化为已知Radon数据、获得已知Radon数据的投影几何矩变换、根据已知Radon数据的投影几何矩变换中计算出几何图像矩、根据几何图像矩估计出未知Radon数据的投影几何矩变换、经逆变换求出未知Radon数据、将步已知Radon数据和未知Radon数据进行数据拼合，获得补全的三维Radon数据并重建CT图像。本发明能够在减小扫描范围的条件下重建出符合临床诊断要求、高质量的锥形束CT图像。
-
公开(公告)号：CN108663081A
公开(公告)日：2018-10-16
申请号：CN201710211289.5
申请日：2017-04-01
CPC classification number: G01D21/02 , G01N15/06 , G01N2015/0693
Abstract: 本发明的目的在于提供一种基于双摄像头和环境传感器的室外空气质量估计和预警系统，该系统由摄像头，环境传感器，图像采集和预处理模块，环境数据采集模块，主控模块，空气质量估计模块以及空气质量预警模块构成。本发明提出的室外空气质量估计和预警系统，能够得到对室外区域的整体空气质量估计，而且利用计算机视觉的方法避免了复杂的室外环境下普通PM2.5传感器抗干扰能力差，测量范围窄的缺点，同时能通过环境传感器的数据，判断未来一段时间的空气质量变化趋势，达到了一定的预警作用。
-
公开(公告)号：CN108573217A
公开(公告)日：2018-09-25
申请号：CN201810233527.7
申请日：2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明提出了一种结合局部结构化信息的压缩跟踪方法，在压缩跟踪中加入信息结构化预处理步骤，将具有相似纹理、颜色、亮度等特征的相邻像素聚合成一个有视觉意义的不规则像素块，在像素块基础上提取HSV颜色特征，通过构建颜色置信图进行目标位置一阶段的粗估计，再结合像素块的局部结构化信息随机投影与像素级别的随机投影构成新型测量矩阵，利用该测量矩阵对haar-like特征进行降维处理，根据朴素贝叶斯分类器完成对目标的二阶段精准位置估计，实现目标准确跟踪。相比于现有跟踪技术，本发明结合中层次线索的局部结构化信息与低层次线索的haar-like特征共同对目标外观进行表征，有效提高了目标跟踪的准确性和鲁棒性，保证了目标跟踪的实时性。
-
公开(公告)号：CN108449603A
公开(公告)日：2018-08-24
申请号：CN201810239375.1
申请日：2018-03-22
Applicant: 南京邮电大学
IPC: H04N19/44 , H04N19/436 , H04N19/176 , H04N19/70 , H04N19/42 , H04N19/82 , H04N19/86 , H04N19/96 , H04N19/124 , H04N19/117 , H04N19/13 , H04N19/91
Abstract: 本发明公开了基于多核平台多层次任务级与数据级并行的HEVC解码方法。本发明利用HEVC数据中的依赖性，以多核处理器为处理平台，同时结合HEVC标准，将整个HEVC解码器划分为5个任务模块，分别为码流读取模块、熵解码模块、像素重构模块、去方块滤波模块以及样点自适应补偿模块；针对不同的解码任务模块分别设计并行方法，同时在各模块间利用各CTU单元的依赖关系实现不同解码任务间基于CTU单元的流水线并行处理。引入数据冗余减少机制，只将部分参考像素点放到缓存空间中，避免过多的数据操作，对缓冲存储空间进行有效管理，提升解码效率。本发明方法采用的多核并行解码算法相比于串行解码，大大提高了解码的并行加速比，并保证了解码图像质量。
-
公开(公告)号：CN105184088B
公开(公告)日：2017-11-07
申请号：CN201510606759.9
申请日：2015-09-22
Applicant: 南京邮电大学
IPC: G06F19/00
Abstract: 本发明公开了基于内插网格序列规则的移动对象位置预测方法，该方法首先对原始轨迹数据进行空间离散与内插处理得到对应的内插网格序列数据，然后从所有内插网格序列数据中挖掘得到频繁序列模式，并进一步得到内插网格序列规则，最后基于移动对象当前所在网格与所有内插网格序列规则进行多项式匹配，并基于匹配结果预测移动对象的后续位置。本发明与传统方法相比，具有匹配率高、预测速度快的优势。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.043 seconds)
