-
公开(公告)号:CN119622812A
公开(公告)日:2025-03-14
申请号:CN202411749067.5
申请日:2024-12-02
Applicant: 成都信息工程大学
IPC: G06F21/62 , G06F11/34 , G06F18/22 , G06F18/2433 , G06F123/02
Abstract: 本发明涉及一种存储安全管理方法及系统,其包括:安全管理平台的数据获取模块根据用户客户端中每个用户的交互行为数据为所有用户构建相应的行为拓扑图;行为识别模块根据行为拓扑图中每个用户对应的所有行为边分析得到对应用户的交互行为特征;时序分析模块根据每个用户的交互行为特征分析得到每个用户的时序异常度和每个用户之间在不同监测周期内的行为相似度以供敏感度分析模块确定当前监测周期对应的行为敏感度;访问控制模块根据所述行为敏感度判断是否允许用户对存储进行访问。
-
公开(公告)号:CN111861924B
公开(公告)日:2023-09-22
申请号:CN202010715325.3
申请日:2020-07-23
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法,该方法在训练生成器时,对生成器进行突变生成多个子代生成器,通过适应性分数函数来评判多个生成器的适应性分数,根据分数来选择最优的子代生成器作为下一个迭代的父代生成器,同时在判别器训练阶段,结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签,不仅拓展了整个训练集的分布,也对离散样本空间进行连续化并且提高了领域间的平滑性,从而使得模型能够更好地得到训练。本发明的方法图像增强方法,能够生成高质量且多样的样本对训练集进行扩充,最终提高了分类结果的各项指标。
-
公开(公告)号:CN116721027A
公开(公告)日:2023-09-08
申请号:CN202310663159.0
申请日:2023-06-06
Applicant: 成都信息工程大学
IPC: G06T5/00 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于变分模糊核估计的运动图像去模糊方法,首先通过变分推断算法,拟合模糊核的隐式物理结构分布,将其表示为潜在变量,例如方向、范围,能够得到非参数化的模糊核特征。其次,采用模糊生成模型,以数据驱动的方式近似模糊核的预期统计分布。在模糊生成阶段采用双头解码器结构。本发明的模糊核估计方法克服了现有非均匀运动模糊估计方法的局限性,能够生成大量极其精确的运动模糊核,通过训练该模型,不仅能够实现对真实的运动模糊图像去模糊,而且够生成大量清晰‑模糊数据对,从而有效地丰富和扩充现有的基准数据集。综合实验证明,本发明方法比现有的基于端到端深度学习的方法具有更好去模糊效果。
-
公开(公告)号:CN107967674B
公开(公告)日:2021-04-02
申请号:CN201711387680.7
申请日:2017-12-20
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于图像块自相似性先验的核磁共振图像去噪方法,所述方法包括:基于图像块间的自相似性构造聚类正则项;基于聚类正则项和低秩分解去噪方法,建立图像去噪模型;对图像去噪模型进行优化,基于优化后的图像去噪模型对图像进行去噪处理;解决了现有的去噪方法的不足,在去除噪声的同时能较大程度的保留图像的细节信息的技术效果。
-
公开(公告)号:CN119941568A
公开(公告)日:2025-05-06
申请号:CN202510006012.3
申请日:2025-01-03
Applicant: 成都信息工程大学
IPC: G06T5/73 , G06T5/60 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明涉及一种利用相邻帧的特征和当前帧的特征进行视频去模糊方法,首先使用二维离散小波变换分离视频帧的高频部分和低频部分,对于低频部分,首先使用动态卷积操作提取相邻帧中的特征,实现对视频上下文信息的充分捕捉,同时根据运动模糊轨迹的可分解性提取当前帧的特征;然后使用帧内和帧间特征融合策略进行特征融合并重建清晰帧;对于高频部分,则直接使用卷积操作进行处理;最后,将高频部分和重建的低频部分使用逆变换进行融合得到清晰的视频。本发明通过从模糊的视频帧中寻找有用的信息来去除模糊的效果,能够为图像、视频处理和摄影等领域的研究提供新的视角和工具。
-
公开(公告)号:CN119784974A
公开(公告)日:2025-04-08
申请号:CN202411879003.7
申请日:2024-12-19
Applicant: 成都信息工程大学
IPC: G06T17/20 , G06N3/0442 , G06V10/764 , G06V10/82 , G06F18/2431
Abstract: 本发明提出了一种基于大脑EEG信号的高质量3D Mesh重建方法,能够将脑电图信号快速、高效地转换为高保真的三维网格模型。首先,EEG编码器从EEG信号中提取时域和频域特征,增强信号的表示能力。然后,该时频嵌入被输入至由EEG引导的两阶段图像生成模块,生成高质量的二维图像。最后,通过多视角扩散模型和稀疏视图重建技术,利用生成的二维图像作为输入,快速完成三维网格的重建。该方案有效解决了EEG信号转换为三维对象的技术难题,并在脑电信号处理与三维重建领域取得了重要突破,能够为认知科学、心理学和神经科学领域的研究提供新的视角和工具。
-
公开(公告)号:CN119312041A
公开(公告)日:2025-01-14
申请号:CN202411349783.4
申请日:2024-09-26
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种流形‑欧几里得交叉空间下的MEI‑TID框架,用于对EEG信号的拓扑‑隐式EEG表征进行精准解码,包括以下步骤:S1、通过构建流形空间上的自适应簇中心策略来聚合子拓扑特征;S2、在流形‑欧几里得交叉空间中解码EEG信号的拓扑‑隐式表征;S3、建立自适应校准机制,并进行解码。本发明提出的MEI‑TID框架,在流形‑欧几里得交叉空间下来实现对EEG的这种拓扑‑隐式表征的高精度解码。该框架通过流形空间上的动态簇中心策略,流形‑欧几里得交叉空间结构以及自适应校准机制,来捕获EEG信号的不可知的隐式拓扑关系和表征。
-
公开(公告)号:CN117372644A
公开(公告)日:2024-01-09
申请号:CN202311363583.X
申请日:2023-10-20
Applicant: 成都信息工程大学
IPC: G06T17/10 , G06T15/20 , G06T7/77 , G06T7/80 , G06T3/02 , G06T3/4053 , G06N3/045 , G06N3/0475 , G06N3/0499 , G06N3/088
Abstract: 本发明公开了一种基于周期隐式表示的三维内容生成方法。首先,采用具有周期性激活函数的全连接SIREN网络结合仿射变换操作,为场景中包括背景在内的各个对象创建一个以潜在编码z为条件的三维神经特征场,这不仅保证了合成图像的高保真度,还鼓励了多视角一致性;其次,将这种组合特征场景表示合并至生成模型中,进一步允许了合成图像的可控性。此外,体渲染技术与神经渲染器的有效结合,能够高效地将分辨率较低的中间特征图像映射上采样到更高分辨率的RGB图像,进而提高整体的渲染效率。本发明的感知图像合成方法克服了现有的三维监督需要,实现了从非结构化和无位姿信息的二维图像集合中学习无监督的神经场景表示。
-
公开(公告)号:CN114708511B
公开(公告)日:2022-08-16
申请号:CN202210614648.2
申请日:2022-06-01
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于多尺度特征融合和特征增强的遥感图像目标检测方法,采用自适应多尺度特征融合模块进行特征融合,融合过程中同时采用更多的横向连接,增加相邻特征之间的交流,充分利用提取的多尺度特征,丰富特征信息,同时增加跳跃连接,让原始特征参与融合过程,提升网络的多尺度特征表达能力。注意力特征增强模块中不同扩张率的多分支空洞卷积以获取不同大小的感受野,当遥感图像中存在不同大小的物体时,可以同时提取不同尺度目标的特征,提高网络对目标尺度的泛化能力,并采用混合注意力机制模块,弱化背景和噪声信息的同时增强目标的特征信息。
-
公开(公告)号:CN107622225B
公开(公告)日:2020-04-03
申请号:CN201710620955.0
申请日:2017-07-27
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于独立分量分析网络的人脸识别方法,所述方法包括以下步骤:步骤1:对输入的人脸图像进行裁剪、对齐、归一化预处理;步骤2:采用一组已经训练好的ICA滤波得到一组映射图像;步骤3:对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像;步骤4:对每张映射图像进行分块的LBP编码,然后全部串起来得到特征表达;步骤5:对特征表达进行WPCA降维,最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络,基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率,同时有效地降低计算量,便于推广应用。
-
-
-
-
-
-
-
-
-