-
公开(公告)号：CN114820353A
公开(公告)日：2022-07-29
申请号：CN202210370640.6
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体一种基于动态权重机制和时空特征增强的视频去模糊方法。本发明方法包括：通过特征提取模块对模糊图像进行特征提取，得到图像特征：对提取的图像特征通过使用UNet结构进行时序上前向和后向的传播融合；通过构建空间特征增强模块，对经过传播融合后的图像特征进行增强；通过重建模块，对增强后的图像特征进行重建；对重建后的图像特征进行去模糊。实验结果表明，本发明可以动态的恢复视频中模糊严重的区域，纹理细节丰富的区域，以及物体边缘等高频部分，提高主观视觉效果。
-
公开(公告)号：CN114782248A
公开(公告)日：2022-07-22
申请号：CN202210380855.6
申请日：2022-04-10
Applicant: 复旦大学
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：CN114767163A
公开(公告)日：2022-07-22
申请号：CN202210267483.6
申请日：2022-03-17
Applicant: 复旦大学
IPC: A61B8/06
Abstract: 本发明公开了一种基于超声心动图的儿童先天性心脏病智能诊断系统。该系统包括用于自动预测患者是否有心脏缺损的超声心动视频关键帧选取模块，用于提供患者心脏缺损准确位置的先天性心脏缺陷定位检测模块，前者是基于ResNet设计的分类网络；后者是基于Faster‑RCNN设计的检测网络；以超声心动图的灰色和彩色超声图同时作为系统的输入；本发明还包括有5025名儿童的大规模超声心动图集，建立的基于超声心动图的深度学习模型，可以同时诊断常见的先天性心脏缺陷。实验结果表明，当输入单个超声心动图的标准切面时，在外部独立验证集上对三种常见先天性心脏病的诊断达到100%的敏感性和特异性。
-
公开(公告)号：CN114743069A
公开(公告)日：2022-07-12
申请号：CN202210427447.1
申请日：2022-04-21
Applicant: 复旦大学
IPC: G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04
Abstract: 本发明属于视频与场景理解技术领域，具体为一种对两帧图像进行密集匹配计算的方法。本发明方法包括采用一种新的置信度驱动的自适应匹配网络模型，从不置信的点中挖掘匹配信息。通过迭代评估置信度和匹配不置信点来实现自适应匹配。其中，采用三种策略来评估置信度，每一种都伴随有不同的置信度表示、不置信点选择和损失函数。这些策略自适应地从流预测结果中提出了不确定的点。本发明还将密集匹配与特征匹配方法相结合，以匹配不确定的点，并为流预测结果提供指导。本发明方法促进了不置信区域的成对点的匹配。最终的模型以较低的时间和参数成本实现了最先进的性能。
-
公开(公告)号：CN108376392B
公开(公告)日：2021-06-22
申请号：CN201810087339.8
申请日：2018-01-30
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于卷积神经网络的图像运动模糊去除方法。图像运动模糊去除技术用于图像清晰化与增强，消除在拍摄过程中，由于相机或物体相对运动所产生的图像重影、模糊、扭曲等现象，从而重建清晰的图片。本发明首先运用新型的卷积运算，空洞卷积，构建一个多尺度深度信息融合的深度神经网络系统；其次，进行数据准备与模型训练，当误差降低至某阈值，可认为网络收敛；最后，在应用阶段，将模糊图像输入系统，直接得到清晰图像。实验结果表明，给定一张运动模糊图片，本发明既能够清除越过边缘侵蚀的模糊模式，又能够合理的还原图像细节，得到与其对应的清晰图片。
-
Patent Agency Ranking
公开(公告)号：CN112419246A
公开(公告)日：2021-02-26
申请号：CN202011263459.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种量化食管粘膜IPCLs血管形态分布的深度检测网络。本发明包括特征提取网络和特征金字塔、区域候选网络、兴趣区域池化与聚簇分布先验自嵌入的癌灶分类网络、在窄带成像内镜图像上进行可视化的系统。特征提取网络提取输入图像的特征图；特征金字塔将不同尺度的特征相融合；区域候选网络提出可能的病灶区域；对兴趣区域池化将特征池化到可疑病灶区域；聚簇分布先验自嵌入的癌灶分类网络对癌灶进行分类；最后在窄带成像内镜图像上进行可视化，使用不同的颜色对癌灶进行框选标记。本发明对图像中存在的早期食管鳞癌的癌灶进行检测与诊断，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
公开(公告)号：CN112102234A
公开(公告)日：2020-12-18
申请号：CN202010784988.0
申请日：2020-08-06
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于目标检测神经网络的耳硬化病灶检测及诊断系统。本发明系统包括特征提取主干网络、目标检测与分类网络、对多层检测结果的后处理诊断系统；主干网络在VGG‑19的基础上构建，包括16个卷积层，用于提取输入图像的特征图；目标检测与分类网络包括区域提取网络、自适应池化层、分类网络，得到区域的类别；后处理诊断系统输入为个分层检测结果，输出为该样本的诊断结果。本发明系统将3D的颞骨CT图像分层输入网络模型中，经过一次前向传播以及后处理，即可同时获得病灶检测及诊断结果，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
公开(公告)号：CN108259994B
公开(公告)日：2020-10-30
申请号：CN201810036647.8
申请日：2018-01-15
Applicant: 复旦大学
IPC: H04N21/4402 , H04N21/466 , H04N21/44
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：CN111031315A
公开(公告)日：2020-04-17
申请号：CN201911129321.0
申请日：2019-11-18
Applicant: 复旦大学
IPC: H04N19/154 , H04N19/42
Abstract: 本发明属于数字视频处理技术领域，具体为基于注意力机制和时间依赖性的压缩视频质量增强方法。本发明包括：构建基于注意力机制的FAM模块；构建帧间长期时间依赖关系指导的LDE特征融合模块；构建精细的帧间短期时间依赖关系指导的RSDE特征融合模块；使用FAM模块根据输入的多个连续帧的贡献得到赋予了不同注意力的特征信息；再用一个LDE模块从这些相邻帧之间的特征中提取长期时间依赖信息，得到中间结果以及特征信息；最后组合FAM和RSDE模块从前一个增强后的帧中有选择地提取短期时间依赖关系，生成最终的增强结果。实验表明，本发明在包含各种真实场景的测试集上都能增强视觉质量，在客观质量评价指标中有很大提升。
-
公开(公告)号：CN109087247A
公开(公告)日：2018-12-25
申请号：CN201810938607.2
申请日：2018-08-17
Applicant: 复旦大学
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。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.022 seconds)
