公开(公告)号：CN108376392A

公开(公告)日：2018-08-07

申请号：CN201810087339.8

申请日：2018-01-30

Applicant: 复旦大学

Inventor： 颜波 ,  李可 ,  李吉春

IPC: G06T5/00 ,  G06N3/04

CPC classification number: G06T5/003 ,  G06N3/0454 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/20201

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。

公开(公告)号：CN103763562B

公开(公告)日：2016-11-16

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：CN115018767B

公开(公告)日：2025-05-06

申请号：CN202210477177.5

申请日：2022-05-03

Applicant: 复旦大学

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

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/088 ,  G06N3/094 ,  G06V10/764 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明属于医学图像处理技术领域，具体为一种跨模态内镜图像转换及病灶区域分割方法。本发明通过构建的基于本征表示学习的神经网络，将消化道内窥镜白光图像转换成高质量的窄带图像；使用无监督训练的本质特征提取器获取白光图像的本质特征，通过空洞空间卷积池化金字塔网络进行病灶区域的预测，得到病灶区域的分割结果；测试时，待测白光图像只需要和一张辅助的窄带图像经过一次前向传播，即可获得白光图像对应的窄带图像。本方法采用无监督学习方式，拥有很好的泛化性，在不同内窥镜设备上效果优异。本发明能够为白光内窥镜设备提供额外的窄带成像，为医生诊断提供更好的参考，基于窄带图像辅助的病灶区域分割能够自动定位病灶区域，从而大大提高疾病诊断效率，降低发病率和死亡率。

公开(公告)号：CN114821714B

公开(公告)日：2025-03-21

申请号：CN202210370651.4

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  邢稹 ,  何瑞安

IPC: G06V40/16 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于协同特征补全的有遮挡场景下的人脸表情识别方法。本发明联合遮挡物抠除与特征补全来应对遮挡给表情识别带来的影响，具体步骤包括：使用遮挡物抠除模块检测并抠除人脸遮挡图像中的遮挡物；根据成对的无遮挡图像生成类别激活图以确定表情识别时具有判别性的区域；结合类别激活图与遮挡物位置掩码生成最终需要进行特征补全区域的掩码，在对应无遮挡图像中间特征图的指导下进行特征补全。实验结果表明，本发明能检测出破坏人脸完整性的遮挡物并识别该图像对应的表情类别。

公开(公告)号：CN114820355B

公开(公告)日：2025-03-21

申请号：CN202210370646.3

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  黄辰宇

IPC: G06T5/70 ,  G06T5/10 ,  G06T5/60 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于不确定性感知的无监督图像去噪方法。本发明方法包括：构建提取平滑噪声模块和粗糙去噪网络，实现对噪声块的模拟以及对图像进行粗糙去噪；构建建模偶然不确定性的网络，估计噪声图像中不确定性高的像素，生成不确定性图，指导下一阶段的网络进行去噪；构建精去噪网络，通过不确定性图加权目标函数来引导网络降低不确定性对去噪过程的影响，使网络达到更好的去噪效果。实验结果表明，本发明可以有效去除图像中的噪声，并且去噪图像具有较好的纹理结构和视觉质量。

公开(公告)号：CN114820354B

公开(公告)日：2025-03-18

申请号：CN202210370645.9

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  王峻逸

IPC: G06T5/90 ,  G06T5/60 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，具体为一种基于可逆色调映射网络的传统图像压缩算法增强方法。本发明以可逆深度神经网络结构为主体，在编码阶段将图像映射到线性空间，降低像素占用比特，在解码阶段建立鲁棒的色调映射还原；采用基于窗口自注意力的滤波模块在编解码阶段对映射图像抑制或增强，从而减轻量化丢失信息带来的影响。本发明是一种自动的传统算法增强方法，能够有效将深度学习方法的模式迁移到传统算法上。实验结果表明，本发明可以在未针对特定传统算法训练的前提下，提升其在非原设计目标的其它指标上的性能表现。

公开(公告)号：CN118646837A

公开(公告)日：2024-09-13

申请号：CN202410613624.4

申请日：2024-05-17

Applicant: 复旦大学

Inventor： 谭伟敏 ,  颜波 ,  何瑞安 ,  张子贤

IPC: H04N7/01 ,  H04N21/4402 ,  H04N21/44 ,  G02B21/36 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明属于视频处理技术领域，具体为一种基于自监督学习的显微镜视频插帧方法。本发明方法包括：首先，采用自监督训练策略训练深度学习模型，从有噪声的显微镜视频中学习视频插帧；其次，引入基于选择性状态空间模型的时空特征对齐模块，高效进行视频插帧；最后，模拟数据集评估显微镜视频插帧任务，该数据集包含不同对象和噪声水平。实验结果表明，本模型在视频插帧性能上具有显著的优势，而且处理内存消耗只有之前的四分之一，具有很高实用价值。

公开(公告)号：CN118628386A

公开(公告)日：2024-09-10

申请号：CN202410613986.3

申请日：2024-05-17

Applicant: 复旦大学

Inventor： 谭伟敏 ,  颜波 ,  吕昕凯

IPC: G06T5/70 ,  G06T5/60 ,  G06N3/006 ,  G06N3/084

Abstract: 本发明属于生物医学成像技术领域，具体为一种基于多智能体自适应融合的荧光显微镜图像去噪方法。本发明方法包括：利用多个智能体分别对训练图像进行去噪；通过策略预测网络学习图像的噪声分布以及去噪智能体的去噪性能；利用预测出来的去噪能力，使用自适应的阈值选择一个或多个去噪智能体，综合选择出的智能体对目标图像进行去噪。实验结果表明，本方法可以综合利用多个去噪智能体的性能，有效提升噪声图片的清晰度，本方法中提出的结构可以自适应多个智能体的场景，其中的智能体不仅局限于深度学习网络，还可以是传统的去噪方法，因而具有良好的扩展性和较强的实用价值。

公开(公告)号：CN110942436B

公开(公告)日：2023-09-29

申请号：CN201911195567.8

申请日：2019-11-29

Applicant: 复旦大学

Inventor： 颜波 ,  李昂

IPC: G06T5/00 ,  G06T7/00

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于图像质量评价的图像去模糊方法。图像去模糊算法用于恢复图像质量，使得图像边缘尽可能锐利。本发明方法包括以下步骤：构建、预训练针对去模糊图像的质量评价网络；构建去模糊网络，并和质量评价网络级联；在图像质量评价任务的驱动下，训练去模糊网络；模糊图像通过质量评价指导的去模糊网络处理后得到去模糊结果。实验结果表明，本发明能够使去模糊结果获得更锐利的边缘以及更高的主观质量。

公开(公告)号：CN109961397B

公开(公告)日：2023-07-28

申请号：CN201810327009.1

申请日：2018-04-12

Applicant: 华为技术有限公司 ,  复旦大学

Inventor： 姚春凤 ,  冯柏岚 ,  颜波 ,  徐名源 ,  李可 ,  巴合提亚尔·巴热 ,  钱莉

IPC: G06T3/40

Abstract: 本申请实施例提供一种图像重建方法及设备，该方法包括：对第一图像的M个部分分别进行重建得到M个重建的部分；第一图像的M个部分的组合为第一图像；第一图像的M个部分是根据第一图像中对象的固定结构划分的，M为大于1的正整数；第一图像的M个部分中每个部分的分辨率低于对应的重建的部分的分辨率；将M个重建的部分进行组合得到重建的第二图像。实施本申请实施例，可以提高重建图像的质量。