-
公开(公告)号：CN114359082B
公开(公告)日：2023-01-06
申请号：CN202111600032.1
申请日：2021-12-24
Applicant: 复旦大学
IPC: G06T5/00 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于自建数据对的胃镜图像去模糊算法。本发明算法包括：对于胃镜视频的处理、制作胃镜清晰图‑模糊图训练样本以及胃镜去模糊算法的训练。具体而言，首先收集一定量的胃镜视频，对其中的数据进行清洗；然后收集医生的标注，对每一帧的清晰或者模糊进行标注，并对“指导模型”进行训练；再用采用全部为清晰图的视频段，合成清晰‑模糊肠镜图片数据对；最后用清晰‑模糊肠镜图片数据对，训练肠镜去模糊算法。实验结果表明，本发明算法对于肠镜模糊图片的模糊去除具有很好的效果，具有很强的应用价值。
-
公开(公告)号：CN108629737B
公开(公告)日：2022-11-18
申请号：CN201810435569.9
申请日：2018-05-09
Applicant: 复旦大学
IPC: G06T3/40
Abstract: 本发明属于图像处理技术领域，具体为一种提高JPEG格式图像空间分辨率的方法。JPEG格式图像的超分变率重建技术是一种有效的提高JPEG格式图像分辨率的途径，采用基于信号处理的方法提高图像分辨率。由于传统的基于无损图像的超分方法对JPEG格式图像进行超分会在增大图像分辨率的同时使图像块效变明显。本发明方法将图像去块效应过程与图像的超分过程结合，通过一个端到端的网络模型实现在消除图像块效应的同时对JPEG格式图像进行超分。实验结果表明，本方法有效地提升了JPEG格式图像分辨率，使得JPEG格式图像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：CN114913066A
公开(公告)日：2022-08-16
申请号：CN202210380843.3
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，具体为一种基于几何感知的深度学习多视角图超分辨率方法。本发明方法包括：将多视角场景里面所有多视角图片及其对应的深度图、相机内外参数输入到参考图片合成网络中，利用几何信息合成每张视角图片的多张参考图；将视角图片和合成的参考图片输入到参考超分辨率网络，通过利用合成的参考图片辅助视角图片超分辨率。本发明的优势在于利用场景里面所有多视角图片的信息来超分辨率。实验结果表明，本发明从所有视角图片提取到有用信息，可显著提高超分模型的性能，从而提高基于多视角图片应用的视觉体验。
-
公开(公告)号：CN114821714A
公开(公告)日：2022-07-29
申请号：CN202210370651.4
申请日：2022-04-10
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：CN114820354A
公开(公告)日：2022-07-29
申请号：CN202210370645.9
申请日：2022-04-10
Applicant: 复旦大学
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。
-
Patent Agency Ranking
公开(公告)号：CN112102234B
公开(公告)日：2022-05-20
申请号：CN202010784988.0
申请日：2020-08-06
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/194 , G06V10/764 , G06V10/82 , G06K9/62
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：CN114494007A
公开(公告)日：2022-05-13
申请号：CN202011263437.6
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种文本指导的自然图像超分辨率重构方法。图像超分辨率重构是指利用算法来恢复丢失的图像像素。自然图像超分辨率重构主要用于提升图像清晰度，改善图像视觉效果，以产生真实、自然的高分辨率图像。本发明方法包括：从文本描述中提取语义特征；结合图像特征和文本语义特征；完善图像细节信息，修复语义不准确的特征；重构高分辨率自然图像。在网络的训练中引入基于语义的判别器、图文匹配损失和文本感知的重构损失来约束图像超分辨率重构模型学习图像超分辨率任务。实验结果表明，本发明可以生成自然美观且符合文本描述的高分辨率图像，有效解决大尺度图像超分辨率重构问题。
-
公开(公告)号：CN112422870B
公开(公告)日：2021-09-17
申请号：CN202011263428.7
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于数字视频智能处理技术领域，具体为一种基于知识蒸馏的深度学习视频插帧方法。本发明使用参考答案网络和插帧网络，具体步骤包括：将相邻帧和目标帧一起作为输入，训练参考答案网络，首先出估计帧之间的光流，最后通过光流重构目标帧；训练插帧网络，用参考答案网络的光流作为辅助的监督数据，完成蒸馏学习；其中，参考答案模型和插帧模型都包含两个子模块：光流模块和目标帧合成模块；本发明的优势在于训练时不需要昂贵的带有光流标注的数据集，只需要用常见的连续视频数据。实验结果表明，采用本发明的训练方式，插帧模型的性能能够得到明显提升。
-
公开(公告)号：CN108389208B
公开(公告)日：2021-06-04
申请号：CN201810047724.X
申请日：2018-01-18
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于语义分割的图像智能适配显示方法。图像智能适配显示技术用于保护图像中的重要物体，使得图像放大或缩小时重要物体的尺寸变化尽量小。本发明依次包括以下步骤：使用线裁剪对图像进行分组；根据图像的能量图为每个分组分配比例因子；结合语义分割，重新分配比例因子，使得属于同一物体的像素比例因子接近，减少扭曲；根据比例因子进行像素融合。实验结果表明，放大或缩小图像时，本发明能够使得重要物体尺寸变化小，同时减少重要物体以及背景的畸变。
-
公开(公告)号：CN112884777A
公开(公告)日：2021-06-01
申请号：CN202110090738.1
申请日：2021-01-22
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于自采样相似的多模态协作食管癌病变图像分割系统。针对早期食管癌诊断，首先构建配对的白光图像和NBI数据集；所述分割系统包括特征提取编码器、自采样相似特征分离模块、特征融合解码器；以白光图像和NBI作为多模态输入，由两个编码器分别提取两种模态的特征；对于每一种模态，自采样相似特征分离模块将病变区域特征与正常区域给予有效区分；解码器在特征域完成多模态特征融合，最终输出两种模态图像的病变分割结果。实验结果表明，本发明可以合理融合不同模态的特征，显著区分病变区域与正常区域，实现病变区域的精准分割，提高临床诊断的效率。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.023 seconds)
