-
公开(公告)号：CN118396859B
公开(公告)日：2025-01-14
申请号：CN202410544518.5
申请日：2024-05-06
Applicant: 南京邮电大学
IPC: G06T5/00 , G06T5/50 , G06T5/60 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于状态空间模型的人脸图像复原方法，方法包括：将待复原的人脸图像输入至复原模型，得到复原后的人脸图像；其中，所述复原模型包括编码器和解码器；所述编码器依次包括第一图像融合模块、第一多尺度状态空间模块、第二图像融合模块、第二多尺度状态空间模块、第三图像融合模块、第三多尺度状态空间模块；所述解码器依次包括第四多尺度状态空间模块、第一多尺度注意力融合模块、第五多尺度状态空间模块、第二多尺度注意力融合模块、第六多尺度状态空间模块、第三多尺度注意力融合模块。该方法在保证复原细节纹理的同时确保人脸语义信息的一致性，特别是对于真实退化场景下的低质量人脸图像能够取得较好的复原效果。
-
Patent Agency Ranking
公开(公告)号：CN117391952A
公开(公告)日：2024-01-12
申请号：CN202311333485.1
申请日：2023-10-16
Applicant: 南京邮电大学
IPC: G06T3/4053 , G06T5/77 , G06T5/50 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种低分辨率退化图像处理方法、系统、存储介质及设备，本发明采用一个双分支处理模型，分别为图像复原分支和图像超分辨率分支，同时利用融合模块将两个领域的图像特征融合学习，从而改善二阶段处理方式导致的误差累计以及计算开销大的问题。
-
公开(公告)号：CN115170805A
公开(公告)日：2022-10-11
申请号：CN202210886251.9
申请日：2022-07-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种结合超像素和多尺度分层特征识别的图像分割方法，该方法建立在卷积神经网络模型上，以从图像的高斯金字塔中提取多尺度分层特征作为识别依据，再与多层感知器相连接实现图像中各像素的识别，解决现有技术中基于卷积神经网络结构的图像分割方法中需要将数据集归一化，并且不同的尺寸混合在一起难以训练的问题；并且该方法对图像进行超像素分割，结合LBP纹理特征改进的超像素方法对原图像进行分割，使得到的超像素块更贴合目标边缘，再利用颜色均值对原图像进行合并，最终实现图像中各目标的识别，从而解决在前期图像预处理过程中没有人为的对图像中的目标进行划分，导致对于图像处于交叠边缘位置的像素可能出现误判的问题。
-
公开(公告)号：CN113240691A
公开(公告)日：2021-08-10
申请号：CN202110654344.4
申请日：2021-06-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于U型网络的医学图像分割方法，属于图像处理技术领域，包括如下步骤：首先将医学影像数据集的原图和实际分割图按照一定比例分成训练集、验证集以及测试集，并将训练集以及验证集送入改进的恒定缩放分割网络中训练；本发明针对传统传统U型网络中编码器和解码器的部分进行改进，提出恒定缩放的残差网络与循环神经网络结合代替原有的编解码器模块，增强浅层信息与深层语义的灵活性融合，更深入地提取了图像的特征信息，同时提高医学图像分割的精确度。本发明从改进模块结构的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征融合比例固定的问题，从而改善了最终的分割结果。
-
公开(公告)号：CN118396859A
公开(公告)日：2024-07-26
申请号：CN202410544518.5
申请日：2024-05-06
Applicant: 南京邮电大学
IPC: G06T5/00 , G06T5/50 , G06T5/60 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于状态空间模型的人脸图像复原方法，方法包括：将待复原的人脸图像输入至复原模型，得到复原后的人脸图像；其中，所述复原模型包括编码器和解码器；所述编码器依次包括第一图像融合模块、第一多尺度状态空间模块、第二图像融合模块、第二多尺度状态空间模块、第三图像融合模块、第三多尺度状态空间模块；所述解码器依次包括第四多尺度状态空间模块、第一多尺度注意力融合模块、第五多尺度状态空间模块、第二多尺度注意力融合模块、第六多尺度状态空间模块、第三多尺度注意力融合模块。该方法在保证复原细节纹理的同时确保人脸语义信息的一致性，特别是对于真实退化场景下的低质量人脸图像能够取得较好的复原效果。
-
公开(公告)号：CN113240691B
公开(公告)日：2023-08-01
申请号：CN202110654344.4
申请日：2021-06-10
Applicant: 南京邮电大学
IPC: G06T7/11 , G06T5/50 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于U型网络的医学图像分割方法，属于图像处理技术领域，包括如下步骤：首先将医学影像数据集的原图和实际分割图按照一定比例分成训练集、验证集以及测试集，并将训练集以及验证集送入改进的恒定缩放分割网络中训练；本发明针对传统传统U型网络中编码器和解码器的部分进行改进，提出恒定缩放的残差网络与循环神经网络结合代替原有的编解码器模块，增强浅层信息与深层语义的灵活性融合，更深入地提取了图像的特征信息，同时提高医学图像分割的精确度。本发明从改进模块结构的角度弥补了传统U型网络捕捉细节信息能力丢失、深浅层信息特征融合比例固定的问题，从而改善了最终的分割结果。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
