-
公开(公告)号：CN110060211B
公开(公告)日：2022-12-23
申请号：CN201910121725.9
申请日：2019-02-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于PM模型和四阶YK模型的图像去噪方法，该方法包括：(1)将纹理检测算子引入到PM模型，得到改进后的PM模型；(2)采用训练样本对所述改进后的PM模型进行训练，采用测试样本对训练后的模型进行测试。本发明提供的基于PM模型混合四阶YK模型的图像去噪方法，既能确保图像内部纹理信息的完整性，又能减少图像边缘角点特征信息的缺失。
-
公开(公告)号：CN110060211A
公开(公告)日：2019-07-26
申请号：CN201910121725.9
申请日：2019-02-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于PM模型和四阶YK模型的图像去噪方法，该方法包括：(1)将纹理检测算子引入到PM模型，得到改进后的PM模型；(2)采用训练样本对所述改进后的PM模型进行训练，采用测试样本对训练后的模型进行测试。本发明提供的基于PM模型混合四阶YK模型的图像去噪方法，既能确保图像内部纹理信息的完整性，又能减少图像边缘角点特征信息的缺失。
-
公开(公告)号：CN105005975B
公开(公告)日：2018-06-01
申请号：CN201510397590.0
申请日：2015-07-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于PCNN和图像熵的各向异性扩散的图像去噪方法，首先，采用脉冲耦合神经网络对噪声图像进行处理，得到熵序列En，将En作为边缘检测算子；然后，进行阈值寻优，得到最优去噪阈值k；最后，根据求得的边缘检测算子En和最优去噪阈值k，采用改进的各向异性扩散模型对图像进行去噪。本发明不仅能有效去除图像噪声，同时能较完整地保留了图像的区域信息。
-
Patent Agency Ranking
公开(公告)号：CN106443385A
公开(公告)日：2017-02-22
申请号：CN201610901584.9
申请日：2016-10-17
Applicant: 南京信息工程大学
IPC: G01R31/12
CPC classification number: G01R31/12
Abstract: 本发明利用PSPICE仿真软件采用组合波对多级电涌保护器SPD进行线-地、线-线两种工作模式下的残压以及通流量进行测试，同时利用实际冲击试验平台进行多级SPD的实际冲击试验，然后将仿真测试结果与实际冲击试验结果进行对比，得出的仿真冲击试验最终的最大残压值与最大通流容量较实际测量更为理想。本发明通过实际冲击试验结果对仿真结果进行验证，充分说明了PSPICE仿真冲击试验的可行性，使其可作为实际冲击试验的替代或对比验证数据，为SPD的应用提供参考依据。
-
公开(公告)号：CN105005975A
公开(公告)日：2015-10-28
申请号：CN201510397590.0
申请日：2015-07-08
Applicant: 南京信息工程大学
CPC classification number: G06T5/002 , G06T2207/20192
Abstract: 本发明公开了基于PCNN和图像熵的各向异性扩散的图像去噪方法，首先，采用脉冲耦合神经网络对噪声图像进行处理，得到熵序列En，将En作为边缘检测算子；然后，进行阈值寻优，得到最优去噪阈值k；最后，根据求得的边缘检测算子En和最优去噪阈值k，采用改进的各向异性扩散模型对图像进行去噪。本发明不仅能有效去除图像噪声，同时能较完整地保留了图像的区域信息。
-
公开(公告)号：CN111145125A
公开(公告)日：2020-05-12
申请号：CN201911391449.4
申请日：2019-12-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于残差学习与卷积神经网络的图像去噪方法，包括以下步骤：先分别采用卷积神经网络方法、残差学习的方法对输入的含噪图像去噪；再采用卷积神经网络方法与残差学习方法相结合的方法对含噪图像去噪，在卷积神经网络中添加padding，进行批规范化操作，在网络中加入浅层到深层的跨越连接结构，再采用Adam算法的卷积神经网络进行训练；最后，将去噪后的图像输出。本发明的方法不仅能拓展网络深度，有效避免网络退化以及信息在传递的工程中的丢失与损耗，提高卷积神经网络去噪模型深度和结构信息的保持效果。
-
公开(公告)号：CN108805845A
公开(公告)日：2018-11-13
申请号：CN201810907592.3
申请日：2018-08-10
Applicant: 南京信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开一种小波包与偏微分方程相结合的图像去噪方法，包括如下步骤：将采集到的原始图像进行灰度转换并进行加噪处理；构建PM模型与MCD模型相结合的去噪新模型，通过选取权重函数，区分和孤立噪声，再建立二阶微分算子；建立基于小波包与偏微分方程的图像去噪方法，用小波包对噪声图像进行系数分解，对噪声信息进行集中处理；再根据小波包分解系数，利用小波包逆变换对图像进行重构；最后对处理后的图像进行平滑处理；通过半隐式加性算子分裂数值算法进行仿真，比较它们的均方差、峰值信噪比和清晰度，分析方法的有效性和可行性。此种方法在有效去除噪声的同时，能保护图像的边缘纹理等细节信息，去噪性能优越。
-
公开(公告)号：CN206593719U
公开(公告)日：2017-10-27
申请号：CN201621459584.X
申请日：2016-12-29
Applicant: 南京信息工程大学
IPC: G01F23/18
Abstract: 本实用新型公开了一种具有自纠正功能的车用数字油量表，包括：数据收集模块、数据处理模块、数据显示模块，所述数据收集模块、数据处理模块、数据显示模块依次相连；数据收集模块用于采集油箱底部液体压力；数据处理模块用于将压力值转换成对应电压值，并数字化后，进行分频，编码；数据显示模块用于将编码信号解码后显示在屏幕上。本实用新型提供的具有自纠正功能的车用数字油量表，不仅结构简单，而且性能稳定，测量准确度较高，适合实际应用。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
