-
公开(公告)号：CN116596785A
公开(公告)日：2023-08-15
申请号：CN202310544345.2
申请日：2023-05-16
申请人： 曲阜师范大学
IPC分类号： G06T5/00 , G06V10/80 , G06T7/40 , G06N3/0464 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于纹理特征引导的纹理保持低剂量CT图像去噪方法，属于医学图像处理领域。本发明具体公开了一种具有的纹理特征引导的多尺度深度残差注意网络模型，使其应用到低剂量CT成像中。主体网络模型包含四个子模型，一是多尺度初始去噪网络模型对低剂量CT进行去噪，另一个网络用于提取初始去噪网络后的纹理细节，两部分网络协同工作。提取的纹理细节与初始的低剂量CT经过多尺度图像和纹理特征融合网络模型相融合后，进入多尺度主去噪网络进一步对低剂量CT进行去噪，这有利于主去噪网络学习更多不明显的细节。本发明所公开的低剂量CT图像去噪的方法高效地去除了低剂量CT图像中的噪声和条纹伪影，同时保留了图像中的结构信息和纹理特征细节信息。
-
公开(公告)号：CN116645283A
公开(公告)日：2023-08-25
申请号：CN202310523498.9
申请日：2023-05-10
申请人： 曲阜师范大学
IPC分类号： G06T5/00 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/09
摘要： 本发明公开了一种基于自监督感知损失多尺度卷积神经网络的纹理保持低剂量CT图像去噪方法，属于医学图像处理技术领域。本发明首先提出多尺度卷积模块，以刻画CT图像结构的多尺度特性。基于该模块，本发明设计了多尺度编码‑解码去噪网络模型，并在模型中引入多尺度空间金字塔注意力机制，以弥补编码器与解码器间语义差距。此外，本发明提出自监督多尺度感知损失模块，以刻画不同语义层级的感知损失，并引入权重参数自适应加权各语义层级感知损失的重要程度。本发明通过设计能够捕获CT图像中局部结构尺度间变化特性的网络模型，并采用基于自监督多尺度感知损失的网络训练策略，实现了具有纹理保持能力的低剂量CT图像去噪。
-
公开(公告)号：CN105262825A
公开(公告)日：2016-01-20
申请号：CN201510724145.0
申请日：2015-10-29
CPC分类号： H04L67/08
摘要： 本发明涉及一种典型的云桌面传送协议软件，具体涉及基于H.265的SPICE云桌面传输和展现方法及系统，属于信息技术领域，主要解决现有云桌面视频压缩效率低，桌面抖动以及启动风暴问题。本发明具体采用以下步骤：在服务端提供扩展的基于Go语言net/http包的Web服务器；H.265编码扩展；H.265解码扩展；利用FFMpeg进行功能扩展，在客户端进行解码优化；JPEG2000服务端图像编码扩展；JPEG2000客户端图像解码。本发明能够降低视频传输中SPICE对网络带宽的占用；减少因不同压缩算法切换导致的桌面抖动现象；解决连接风暴问题，给用户以本地PC上的桌面体验。
-
公开(公告)号：CN117764863A
公开(公告)日：2024-03-26
申请号：CN202410018527.0
申请日：2024-01-05
申请人： 曲阜师范大学
IPC分类号： G06T5/70 , G06T11/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/088 , G06N3/0895
摘要： 本发明提出了一种基于双向对比学习网络的无监督低剂量CT（LDCT）图像去噪方法，属于医学图像处理技术领域。本发明所提方法，称为双向对比无监督去噪（BCUD），在进行网络训练时无需配对样本。BCUD采用双向网络结构，包含两个生成器、两个判别器及双向对比学习架构，能有效弥合有噪声CT和干净CT数据间的域差异。特别是在对比学习框架中为每个数据域使用单独的编码器和投影头，使得BCUD能够自适应学习不同数据域的数据分布特性，增强模型在隐空间中特征匹配的准确性，极大提高了本方法在处理复杂LDCT图像时的鲁棒性。本发明克服了传统深度学习方法需配对样本的限制，并能够提高LDCT图像噪声抑制和纹理保持性能。
-
公开(公告)号：CN114706642A
公开(公告)日：2022-07-05
申请号：CN202210316757.6
申请日：2022-03-25
申请人： 曲阜师范大学
IPC分类号： G06F9/451 , G06F16/958 , G06N3/04 , G06N3/08
摘要： 本发明属于计算机技术领域，公开了一种基于网页命令行与子图快速匹配的远程桌面操作方法。首先在网页内容中发布包含命令行关键字的语句，然后客户端读取可编辑网页内容，并解析命令行关键字，根据命令语句来执行对应的结束程序和点击鼠标操作；在远程操作系统端利用交互软件发起控制请求，提出了变长式点面法快速定位子图坐标点；提出了基于样本及中心点最值化约束的全连接深度学习的子图匹配模型；根据训练后的深度学习模型来匹配该子图归属哪一个操作类别，匹配成功则执行对应的操作或预定指令执行转义操作。本发明的优点在于提出了变长式点面法快速定位子图坐标以及基于样本及中心点最值化约束的全连接深度学习的子图匹配模型。
-
公开(公告)号：CN114706642B
公开(公告)日：2023-07-25
申请号：CN202210316757.6
申请日：2022-03-25
申请人： 曲阜师范大学
IPC分类号： G06F9/451 , G06F16/958 , G06N3/04 , G06N3/08
摘要： 本发明属于计算机技术领域，公开了一种基于网页命令行与子图快速匹配的远程桌面操作方法。首先在网页内容中发布包含命令行关键字的语句，然后客户端读取可编辑网页内容，并解析命令行关键字，根据命令语句来执行对应的结束程序和点击鼠标操作；在远程操作系统端利用交互软件发起控制请求，提出了变长式点面法快速定位子图坐标点；提出了基于样本及中心点最值化约束的全连接深度学习的子图匹配模型；根据训练后的深度学习模型来匹配该子图归属哪一个操作类别，匹配成功则执行对应的操作或预定指令执行转义操作。本发明的优点在于提出了变长式点面法快速定位子图坐标以及基于样本及中心点最值化约束的全连接深度学习的子图匹配模型。
-
公开(公告)号：CN115719417A
公开(公告)日：2023-02-28
申请号：CN202211206973.1
申请日：2022-09-30
申请人： 曲阜师范大学
IPC分类号： G06V10/26 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/774
摘要： 本发明提供了一种基于标签块和像素空间加权的二值化分割方法，属于计算机图像处理领域。在训练阶段，首先从训练样本中人工选取背景和目标子图，然后利用标签块的方式分别对提取的特征标记为目标和背景，形成矩阵特征进行学习。计算每个元素在当前块中的像素空间权重。最后，利用标签块的特征训练因子幂指数类条件概率分类模型。对待测样本进行二值分割测试时，利用块的形式对测试集中的图像进行遍历，通过训练后的分类模型，计算得到每个块的二值分割值，最后将图像每一块进行二值分割处理。本发明能够将小鼠OCT眼睛图像中的目标提取出来，取得了较好的效果。
-
公开(公告)号：CN114066850A
公开(公告)日：2022-02-18
申请号：CN202111359981.5
申请日：2021-11-17
申请人： 曲阜师范大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06T5/30 , G06N3/04 , G06K9/62 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
摘要： 本发明属于计算机图像处理技术领域，公开了一种基于分类框架的光学相干层析扫描眼睛图像二值化方法及系统，首先对少量光学相干层析扫描眼睛样本图像进行指定单纯小区域划分并标注感兴趣区域和背景两类，然后利用Gabor模板提取每一个目标区域的特征并拼接为一个特征向量，对提取的特征进行降维并学习特征向量映射子空间；引入支持向量机学习分类器模型；对分类结果图像采用算法处理；最后得到二值化图像。本发明的优点在于解决了小样本二值化问题以及提出了基于指定N‑邻域目标区域分类框架的光学相干层析扫描眼睛图像二值化方法，可以充分利用小样本训练支持向量机分类模型，并能够学习得到图像样本的自适应的二值化阈值。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.019 秒)
