-
公开(公告)号：CN111738064A
公开(公告)日：2020-10-02
申请号：CN202010391477.2
申请日：2020-05-11
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理和模式识别技术领域的一种雾霾图像的雾浓度识别方法，旨在解决现有技术中由于不能自动识别雾霾图像的雾浓度，因而导致无法实现智能化去雾、影响去雾效果的技术问题。所述方法包括如下步骤：将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项。
-
公开(公告)号：CN111192219A
公开(公告)日：2020-05-22
申请号：CN202010000331.0
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于改进的逆大气散射模型卷积网络的图像去雾方法，旨在解决现有技术中图像增强的去雾方法导致图像失真、图像复原的去雾方法对模型参数选取要求过高、基于深度学习的去雾算法容易因大气光值估计误差而影响图像去雾效果的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的卷积神经网络，获取无雾图像；所述卷积神经网络包括彼此串联的颜色特征提取卷积网络和深度去雾卷积网络，颜色特征提取卷积网络的输出端与深度去雾卷积网络的输入端连接。
-
公开(公告)号：CN110930320B
公开(公告)日：2022-08-16
申请号：CN201911074637.4
申请日：2019-11-06
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于轻量化卷积神经网络的图像去雾方法，旨在解决现有技术中采用图像增强的去雾方法处理的图像存在信息丢失、采用图像复原的去雾方法处理的图像如果选取参数不当会影响复原后图像的效果、采用基于深度学习的去雾算法影响图像去雾的速度的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的轻量化卷积神经网络，获取无雾图像；所述轻量化卷积神经网络包括不少于两个不同尺度的深度可分离卷积层，所述深度可分离卷积层包括彼此串联的深度卷积和逐点卷积。
-
公开(公告)号：CN113656942A
公开(公告)日：2021-11-16
申请号：CN202110793830.4
申请日：2021-07-14
Applicant: 南京邮电大学
IPC: G06F30/20
Abstract: 本发明公开了一种不协调本体的综合构建方法、装置及存储介质，包括：设置多个参数，对多个参数进行赋值；从空集开始构建MIPS和MUPS，获得本体；依次添加新的MIPS和新的公理到本体中，使得本体满足所有参数，实现不协调本体的构建，所述多个参数包括：公理总数量、不可满足概念数量、MIPS数量、最小移除公理数、一个MUPS最多包含的公理数以及一个不可满足概念最多拥有的MUPS数量，本发明通过设置多个跟不协调本体密切相关的参数，从多个维度构建不协调本体，参数可以由用户根据自身需求进行设置，提供更好的个性化定制。
-
公开(公告)号：CN111738942A
公开(公告)日：2020-10-02
申请号：CN202010522038.0
申请日：2020-06-10
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于融合特征金字塔的生成对抗网络图像去雾方法，旨在解决现有技术中采用图像增强的去雾方法处理的图像存在信息丢失、采用图像复原的去雾方法处理的图像如果选取参数不当会影响复原后图像的效果、采用基于深度学习的去雾算法影响图像去雾的速度的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的生成对抗网络，获取与有雾图像相对应的无雾图像；所述生成对抗网络的生成器网络融合有特征金字塔。
-
Patent Agency Ranking
公开(公告)号：CN111738064B
公开(公告)日：2022-08-05
申请号：CN202010391477.2
申请日：2020-05-11
Applicant: 南京邮电大学
IPC: G06V20/10 , G06V10/56 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了图像处理和模式识别技术领域的一种雾霾图像的雾浓度识别方法，旨在解决现有技术中由于不能自动识别雾霾图像的雾浓度，因而导致无法实现智能化去雾、影响去雾效果的技术问题。所述方法包括如下步骤：将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项。
-
公开(公告)号：CN110930320A
公开(公告)日：2020-03-27
申请号：CN201911074637.4
申请日：2019-11-06
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于轻量化卷积神经网络的图像去雾方法，旨在解决现有技术中采用图像增强的去雾方法处理的图像存在信息丢失、采用图像复原的去雾方法处理的图像如果选取参数不当会影响复原后图像的效果、采用基于深度学习的去雾算法影响图像去雾的速度的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的轻量化卷积神经网络，获取无雾图像；所述轻量化卷积神经网络包括不少于两个不同尺度的深度可分离卷积层，所述深度可分离卷积层包括彼此串联的深度卷积和逐点卷积。
-
公开(公告)号：CN111192219B
公开(公告)日：2022-07-26
申请号：CN202010000331.0
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于改进的逆大气散射模型卷积网络的图像去雾方法，旨在解决现有技术中图像增强的去雾方法导致图像失真、图像复原的去雾方法对模型参数选取要求过高、基于深度学习的去雾算法容易因大气光值估计误差而影响图像去雾效果的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的卷积神经网络，获取无雾图像；所述卷积神经网络包括彼此串联的颜色特征提取卷积网络和深度去雾卷积网络，颜色特征提取卷积网络的输出端与深度去雾卷积网络的输入端连接。
-
公开(公告)号：CN113656942B
公开(公告)日：2022-06-10
申请号：CN202110793830.4
申请日：2021-07-14
Applicant: 南京邮电大学
IPC: G06F30/20
Abstract: 本发明公开了一种不协调本体的综合构建方法、装置及存储介质，包括：设置多个参数，对多个参数进行赋值；从空集开始构建MIPS和MUPS，获得本体；依次添加新的MIPS和新的公理到本体中，使得本体满足所有参数，实现不协调本体的构建，所述多个参数包括：公理总数量、不可满足概念数量、MIPS数量、最小移除公理数、一个MUPS最多包含的公理数以及一个不可满足概念最多拥有的MUPS数量，本发明通过设置多个跟不协调本体密切相关的参数，从多个维度构建不协调本体，参数可以由用户根据自身需求进行设置，提供更好的个性化定制。
-
公开(公告)号：CN113569537B
公开(公告)日：2021-12-17
申请号：CN202111118124.6
申请日：2021-09-24
Applicant: 南京邮电大学
IPC: G06F40/151 , G06F40/166 , G06F40/194 , G06N5/04
Abstract: 本发明公开了一种本体匹配修复方法和系统，属于语义网中本体匹配修复技术领域。首先基于构建规则将本体与匹配转换至有向图中，根据专家在判断过程中对匹配做出的决策，利用基于图的推理技术完成对未标识匹配的自动更新，最后返回修复匹配。本发明基于图方法实施可有效降低推理算法复杂度，利用图推理技术自动更新未标识匹配弧的方式，显著减少专家判断匹配的次数，有助于将交互式匹配修复方法扩展到大型本体。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
