-
公开(公告)号：CN109118441A
公开(公告)日：2019-01-01
申请号：CN201810785766.3
申请日：2018-07-17
Applicant: 厦门理工学院
IPC: G06T5/00
Abstract: 本发明涉及一种低照度图像及视频增强方法、计算机装置及存储介质，所述低照度图像增强方法中包括以下步骤：将图像进行反转并划分为若干大小相等的矩形子块，引入适应度因子和邻域暗通道池化操作，计算出透射率，各个子块透射率的计算采用多线程进行；采用基数排序法估计图像的大气光值，获取前百分之0.1的高亮度像素值，作为大气光值的估计；根据前述透射率和大气光值，对图像进行图像增强处理。本发明通过结合多线程处理、透射率计算和基数排序等处理方案，有效地提高了低照度图像和视频的增强处理速度，满足了低照度增强处理的实时性需求。
-
-
-
公开(公告)号：CN107766407A
公开(公告)日：2018-03-06
申请号：CN201710755814.X
申请日：2017-08-29
Applicant: 厦门理工学院
CPC classification number: G06F16/29 , G06K9/6215
Abstract: 一种采用两阶段搜索的轨迹相似性连接查询方法，用于对给定的两个轨迹集合P、Q和相似度阈值，寻找两个轨迹集合P、Q之间，时空相似度大于该相似度阈值的轨迹对，包括如下步骤：1)针对集合P中的每一条轨迹，在集合Q中搜索与之在时间维度和空间维度相似的轨迹并保存为该条轨迹的候选集合；2)将集合P中所有轨迹的候选集合进行合并，得到符合要求的所有轨迹对。本发明方法可应用到公路网络相关场景中，使用时间空间两个维度上的连续性匹配方法来计算轨迹之间的相似度，更好地衡量两条轨迹之间的匹配程度，输出令用户满意的结果。
-
公开(公告)号：CN106528610A
公开(公告)日：2017-03-22
申请号：CN201610858350.0
申请日：2016-09-28
Applicant: 厦门理工学院
IPC: G06F17/30
CPC classification number: G06F16/288 , G06F16/2237
Abstract: 本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤：步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
Patent Agency Ranking
公开(公告)号：CN114972032B
公开(公告)日：2025-04-25
申请号：CN202210630016.5
申请日：2022-06-06
Applicant: 厦门理工学院
IPC: G06T3/4046 , G06T3/4076 , G06N3/0464
Abstract: 本发明提出基于深度学习的图像超分辨率重建方法及系统，属于图像重建技术领域。方法包括步骤S1：获取第一分辨率组合的多个原始视频帧；S2：将所述多个原始视频帧进行分组，得到多个分组视频帧；S3：针对每一个分组视频帧执行超分辨率重建，得到第二分辨率组合的多个重建视频帧；S4：融合所述多个重建视频帧，得到所述原始视频帧的超分辨率重建结果。系统包括视频帧获取单元、视频帧分组单元、分组重建单元以及视频帧融合单元，用于实现所述方法。本发明的技术方案可以基于原始视频帧的时间戳和视角信息选择对应的深度学习模型执行分辨率重建，避免了单一重建方法带来的视角差异以及时间错误问题。
-
公开(公告)号：CN119832252A
公开(公告)日：2025-04-15
申请号：CN202510309179.7
申请日：2025-03-17
Applicant: 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V40/14 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供的基于差异性学习模型的血管图像分割方法、装置及设备，涉及神经网络与图像处理领域。本发明通过获取不同模态的3D血管原图像集，并输入血管图像分割模型，在分割模型中，利用模态差异标记方法，得到嵌入了模态特征的重建图；将重建图输入3D UNet编码器提取出低级特征；根据低级特征，通过位置编码器与自注意力机制，生成高级特征；高级特征通过线性层展开为一维向量，并采用Transformer编码器进行优化，生成优化后的特征；然后将Transformer优化后的特征通过逐元素相减的方式，计算出模态间的差异特征，从而得到差异融合特征；差异融合特征通过Transformer编码器进行重塑，得到最后的血管分割结果。本发明能准确捕捉细小血管的形态特征，有效提升血管图像分割的精度。
-
公开(公告)号：CN119741236A
公开(公告)日：2025-04-01
申请号：CN202510246464.9
申请日：2025-03-04
Applicant: 厦门理工学院
IPC: G06T5/77 , G06T3/4038 , G06N3/0455 , G06N3/08 , G06T5/70 , G06T5/60 , G06F17/14
Abstract: 本发明提供了一种甲骨文图像修复方法、装置，涉及图像处理技术领域，本方法通过在频率域中混合不同特征生成挑战性新图像，增强模型泛化能力；其包括训练初始修复模型，设计频带混合模块和掩码生成网络，混合甲骨文图像及其修复版本生成新图像，并以此训练和更新模型。该方法能有效提升甲骨文图像修复的质量，保留文字细节，增强模型鲁棒性；旨在解决甲骨文图像数据稀缺导致的模型泛化能力不足问题。
-
公开(公告)号：CN119722498A
公开(公告)日：2025-03-28
申请号：CN202510220613.4
申请日：2025-02-27
Applicant: 厦门理工学院
IPC: G06T5/60 , G06T5/70 , G06T5/73 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 基于深层特征的医学图像增强方法、装置、设备和介质，涉及图像处理技术领域。其包含步骤S1至步骤S6。S1、获取低分辨率医学图像。S2、将低分辨率医学图像输入作为浅层特征提取模块的初始卷积层，生成初步浅层特征。S3、将初步浅层特征输入第一Mamba模块，获取增强浅层特征。S4、将增强浅层特征输入深特征提取模块，在深特征提取模块中经过重复#imgabs0#次的残差组的处理生成深层特征表示。S5、深层特征表示通过一个卷积层后与初始卷积层输出的增强浅层特征进行跳跃连接。S6、跳跃连接后的特征表示，再经过一个卷积层和第二Mamba模块，然后输入到图像重建模块通过像素重排操作进行上采样，并使用卷积层处理，生成高分辨率医学图像。
-
公开(公告)号：CN119132335B
公开(公告)日：2025-02-25
申请号：CN202411364648.7
申请日：2024-09-29
Applicant: 厦门理工学院
Abstract: 本发明提供了关于音频信息混淆可逆对抗样本的隐私保护方法、装置，本方法提出了一种名为“信息混淆可逆对抗性示例”的新框架。该框架能够在保证音频隐私安全的同时，确保在获得授权的情况下恢复音频的原始质量。通过采用本发明的方法，可以大幅度提升音频数据的安全性和隐私保护水平，有效防止未授权访问及分析。旨在解决现有技术中音频数据隐私保护存在的对抗性攻击容易被检测到、音频经过处理后质量下降明显，以及现有的可逆对抗性示例（RAE）技术在音频应用场景中的局限性的问题。
-
-
-
-
-
-
-
-
-
Search Results
207
records
(took 0.043 seconds)
