-
公开(公告)号：CN110276726B
公开(公告)日：2021-09-28
申请号：CN201910392447.0
申请日：2019-05-13
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于多通道网络先验信息引导的图像去模糊方法，包括以下步骤：步骤A：准备干净图像和其对应的含噪图像组成图像对，建立图像数据集，图像数据集分为训练数据集和测试数据集两部分；步骤B：设计网络结构，使用图像训练数据集对多通道增强深度均值漂移先验网络MEDMSP进行训练；步骤C：使用训练好的MEDMSP网络模型对图像测试数据集中的模糊图像进行测试，输出得到最终的去模糊图像，本发明提出了一个新的图像先验信息用于图像恢复(IR)任务，引入了多噪声模拟和多通道增强。同时还引入了一种算法用于探索低维IR任务的高维网络诱导先验信息。该方法不仅具有可以提取有价值的先验信息的神经网络优点，而且还具有基于模型方法的稳定性。
-
公开(公告)号：CN110428473A
公开(公告)日：2019-11-08
申请号：CN201910529133.0
申请日：2019-06-18
Applicant: 南昌大学
Abstract: 本发明提供了一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，包括以下步骤：步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化(GcsDecolor)算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；步骤B：设计基于辅助变量的对抗生成网络(AV-GAN)，训练AV-GAN网络；步骤C：将彩色图像通过已训练完成的AV-GAN网络进行测试，得到最终的灰度化图像。本发明使彩色图像灰度化计算效率较高，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。
-
公开(公告)号：CN109584324A
公开(公告)日：2019-04-05
申请号：CN201811247856.3
申请日：2018-10-24
Applicant: 南昌大学
IPC: G06T11/00
Abstract: 本发明提供了一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法，包括以下步骤：步骤A：在正电子发射型计算机断层显像(PET)图像基础上，建立去噪自动编码器(DAE)网络模型，利用训练好的去噪自动编码器(DAE)获取图像的先验信息；步骤B：将带有图像先验信息的去噪自动编码器(DAE)网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，本发明在正电子发射型计算机断层显像(PET)重建方法的基础上融入了去噪自动编码器(DAE)网络，采用去噪自动编码器(DAE)网络来无监督学习PET图像的先验信息，然后将带有图像先验信息的DAE网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，达到了很好的重建效果。
-
公开(公告)号：CN110428473B
公开(公告)日：2022-06-14
申请号：CN201910529133.0
申请日：2019-06-18
Applicant: 南昌大学
Abstract: 本发明提供了一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，包括以下步骤：步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化(GcsDecolor)算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；步骤B：设计基于辅助变量的对抗生成网络(AV‑GAN)，训练AV‑GAN网络；步骤C：将彩色图像通过已训练完成的AV‑GAN网络进行测试，得到最终的灰度化图像。本发明使彩色图像灰度化计算效率较高，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。
-
Patent Agency Ranking
公开(公告)号：CN110276726A
公开(公告)日：2019-09-24
申请号：CN201910392447.0
申请日：2019-05-13
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于多通道网络先验信息引导的图像去模糊方法，包括以下步骤：步骤A：准备干净图像和其对应的含噪图像组成图像对，建立图像数据集，图像数据集分为训练数据集和测试数据集两部分；步骤B：设计网络结构，使用图像训练数据集对DMSP网络进行训练，得到训练好的MEDMSP网络模型；步骤C：使用训练好的MEDMSP网络模型对图像测试数据集中的模糊图像进行测试，输出得到最终的去模糊图像，本发明提出了一个新的图像先验信息用于图像恢复(IR)任务，引入了多噪声模拟和多通道增强。同时还引入了一种算法用于探索低维IR任务的高维网络诱导先验信息。该方法不仅具有可以提取有价值的先验信息的神经网络优点，而且还具有基于模型方法的稳定性。
-
公开(公告)号：CN110246094B
公开(公告)日：2021-09-28
申请号：CN201910391958.0
申请日：2019-05-13
Applicant: 南昌大学
Abstract: 本发明提供了一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法，包括以下步骤，步骤A：利用去噪自动编码(DAE)作为彩色图像超分辨率重建的先验信息手段，通过复制3个信道，建立6维嵌入去噪自编码先验算法模型；步骤B：训练一个以6维变量为输入的去噪网络，然后利用网络驱动的高维先验阵嵌入的先验信息对彩色图像进行超分辨率重建；步骤C：迭代恢复阶段，将中间色图像映射为6维图像，利用网络进行处理，平均值运算符用于将其转换回三通道图像。本发明高维先验算法解决了基本数据元陷入局部最优解的问题，有效地克服了不稳定性。该算法具有良好的性能和良好的视觉检测性能。
-
公开(公告)号：CN110246094A
公开(公告)日：2019-09-17
申请号：CN201910391958.0
申请日：2019-05-13
Applicant: 南昌大学
Abstract: 本发明提供了一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法，包括以下步骤，步骤A：利用去噪自动编码(DAE)作为彩色图像超分辨率重建的先验信息手段，通过复制3个信道，建立6维嵌入去噪自编码先验算法模型；步骤B：训练一个以6维变量为输入的去噪网络，然后利用网络驱动的高维先验阵嵌入的先验信息对彩色图像进行超分辨率重建；步骤C：迭代恢复阶段，将中间色图像映射为6维图像，利用网络进行处理，平均值运算符用于将其转换回三通道图像。本发明高维先验算法解决了基本数据元陷入局部最优解的问题，有效地克服了不稳定性。该算法具有良好的性能和良好的视觉检测性能。
-
公开(公告)号：CN106730390A
公开(公告)日：2017-05-31
申请号：CN201611165566.5
申请日：2016-12-16
Applicant: 南昌大学
IPC: A61N5/06
CPC classification number: A61N5/0621 , A61N2005/0662
Abstract: 本发明提供了一种恒温蓝光治疗毯，包括：一恒温层及位于恒温层内部的发光单元，其中，在恒温层中，发光单元设于远离人体皮肤一侧；恒温层由熔点范围为30℃~38℃的材料构成，用于将恒温蓝光治疗毯中的温度控制在相应范围内，及用于散射发光单元发出的光。该恒温层中的材料通过丁达尔等效应散射发光单元发射的光线，避免发光单元发出的光线过于集中，以此使得照射到皮肤上的光线更为均匀，提高治疗效果，降低副作用，同时有效避免了在使用该恒温蓝光治疗毯治疗的过程中温度过高或过低对人体皮肤造成伤害的问题。
-
公开(公告)号：CN109584324B
公开(公告)日：2022-12-06
申请号：CN201811247856.3
申请日：2018-10-24
Applicant: 南昌大学
IPC: G06T11/00
Abstract: 本发明提供了一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法，包括以下步骤：步骤A：在正电子发射型计算机断层显像(PET)图像基础上，建立去噪自动编码器(DAE)网络模型，利用训练好的去噪自动编码器(DAE)获取图像的先验信息；步骤B：将带有图像先验信息的去噪自动编码器(DAE)网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，本发明在正电子发射型计算机断层显像(PET)重建方法的基础上融入了去噪自动编码器(DAE)网络，采用去噪自动编码器(DAE)网络来无监督学习PET图像的先验信息，然后将带有图像先验信息的DAE网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，达到了很好的重建效果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
