-
公开(公告)号：CN115022638B
公开(公告)日：2024-10-01
申请号：CN202210758994.8
申请日：2022-06-30
Applicant: 电子科技大学
IPC: H04N19/147 , H04N19/124 , H04N19/169 , H04N19/182
Abstract: 本发明公开了一种面向全景视频编码的率失真优化方法，通过编码器对视频进行编码并控制视频编码的量化参数，所述方法包括编码单元级量化参数调整、CTU级拉格朗日乘子的校正以及基于编码树单元间时域依赖性的率失真优化方法。CU级QP调整主要是根据球域与二维平面的对应关系，计算出不同位置的CU对应的权重,根据权重调整对应的QP,对不同位置的CU带入相应的调整后的QP从而确定最佳编码单元划分方式；CTU级λ的校正指的是根据不同位置的CTU的权重得到对应的CTU级QP,然后根据相应的CTU级QP去调整λ。CTU级时域率失真优化算法是在时域上根据不同CTU之间的率失真依赖关系，计算出每个CTU的时域影响因子去微调CTU对应的拉格朗日乘子从而对率失真过程进行优化。
-
公开(公告)号：CN118415651A
公开(公告)日：2024-08-02
申请号：CN202410745180.X
申请日：2024-06-11
Applicant: 电子科技大学
IPC: A61B5/372 , A61B5/00 , G06F18/2431
Abstract: 本发明公开了一种基于多通道图谱结构特征挖掘的癫痫发作预测方法，属于医疗图像处理技术领域。本发明包括：对脑电信号进行信号预处理，获取基于非负塔克Tucker分解降维的脑电信号的多通道时频域图谱，对其进行等高线采样及等高线轮廓特征提取以得到脑电信号特征，再基于该特征进行自动癫痫发作前期预测，同时还包括对识别出癫痫发作前期的特征进行自动身份识别。本发明存储开销小，可以协助癫痫患者有准备地应对癫痫发作；使用非负Tucker对数据降维降低了计算量；使用功率等高线的轮廓作为时频域的多通道图谱结构特征，可以很好地刻画时间、频率和能量的耦合关系；直接使用癫痫预测时已获取的特征进行身份识别，可以简化系统模块，加快身份识别响应速度。
-
公开(公告)号：CN114549673B
公开(公告)日：2023-06-23
申请号：CN202210182212.0
申请日：2022-02-25
Applicant: 电子科技大学
Abstract: 本发明属于图像处理和神经网络技术领域，具体涉及一种基于学习频域信息预处理图像的图像压缩方法。本发明通过深度学习技术，对需要进行压缩的图像进行预先进行处理，随后对预处理后的图像进行压缩，无需对压缩后图像进行进一步的后处理的前提下，可以直接提高对应压缩方法的效果。本发明使用通过神经网络学习输入图像的频域信息，并建立频域信息与图像的可压缩性能之间的对应关系，使神经网络得以在图像可压缩性能和质量损失之间做权衡，从而能够对输入图像进行恰当的预处理来提高压缩的效果。
-
公开(公告)号：CN111563513B
公开(公告)日：2022-06-24
申请号：CN202010411177.6
申请日：2020-05-15
Applicant: 电子科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于注意力机制的散焦模糊检测方法。本发明的网络结构中使用了通道注意力机制，从全局的角度上提取特征层间的联系，有效地提升了特征的表现能力，同时本发明中应用了空间注意力机制，通过结合高阶的语义信息，实现对于低阶信息的有选择的提取。本发明解决了改善模糊检测中的两个重要问题，一是对于光滑的清晰区域的正确分类，二是有效抑制杂乱背景带来的影响。
-
公开(公告)号：CN114549673A
公开(公告)日：2022-05-27
申请号：CN202210182212.0
申请日：2022-02-25
Applicant: 电子科技大学
Abstract: 本发明属于图像处理和神经网络技术领域，具体涉及一种基于学习频域信息预处理图像的图像压缩方法。本发明通过深度学习技术，对需要进行压缩的图像进行预先进行处理，随后对预处理后的图像进行压缩，无需对压缩后图像进行进一步的后处理的前提下，可以直接提高对应压缩方法的效果。本发明使用通过神经网络学习输入图像的频域信息，并建立频域信息与图像的可压缩性能之间的对应关系，使神经网络得以在图像可压缩性能和质量损失之间做权衡，从而能够对输入图像进行恰当的预处理来提高压缩的效果。
-
Patent Agency Ranking
公开(公告)号：CN113012142A
公开(公告)日：2021-06-22
申请号：CN202110362005.9
申请日：2021-04-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于磁共振图像的帕金森病的智能诊断系统，属于医学图像处理技术领域。本发明的诊断系统为：磁共振图像输入子区域划分单元，得到对应的子区域集；检测单元基于设置单元设置的有效子区域得到对应的有效子区域数据，并将各个有效子区分配至对应的神经网络模型得出相应的诊断结果，计算单元基于设置单元对各有效子区域的权重设置，计算对应的加权平均并作为最终的诊断结果，通过阈值划分患病与否：诊断结果大于阈值表示患病，小于阈值表示健康，并通过输出单元进行输出显示。本发明基于磁共振图像具有空间分辨率高，包含功能性信息的特点，实现了一种基于磁共振图像深度学习的帕金森病的智能化诊断方案，提升了诊断效率。
-
公开(公告)号：CN111308418A
公开(公告)日：2020-06-19
申请号：CN202010162061.3
申请日：2020-03-10
Applicant: 慧众行知科技(北京)有限公司 , 电子科技大学
Abstract: 本发明属于电子信息技术领域，具体涉及一种对高度未知的目标进行二维定位的稳健方法。本发明的目的在于针对多站时差定位体制下观测站不足导致原定位系统失效，以及目标的实际高度与假设高度之间的误差导致定位精度下降的问题，使用与目标具有一定高度差的、不少于三个的观测站的时差测量，通过对目标位置坐标进行三维网格搜索并构建三阶张量，利用张量分解的方法进行降维，从而稳健的确定高度未知的目标的二维坐标。
-
公开(公告)号：CN105740859B
公开(公告)日：2019-03-05
申请号：CN201610057558.2
申请日：2016-01-27
Applicant: 电子科技大学
IPC: G06K9/32
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于几何测度和稀疏优化的三维兴趣点检测方法。该方法包括构建三维网格模型的尺度空间、计算三维网格模型的显著性响应图、根据显著性响应图选取三维兴趣点候选集和稀疏优化兴趣点候选集四步。通过引入两种三维网格模型表面的局部几何性质来定义一种新的三维兴趣点响应函数；对三维网格模型中的任意一点，使用在尺度空间中不同尺度下的显著性响应值之间的乘积作为该点的最终显著性响应值；使用稀疏优化模型来精炼三维兴趣点候选集，以得到更加精确和稳定的三维兴趣点。最终实现高效的、鲁棒的和稳定的检测效果。
-
-
公开(公告)号：CN101420068B
公开(公告)日：2013-03-13
申请号：CN200810147671.5
申请日：2008-11-25
Applicant: 电子科技大学
Abstract: 该发明属于一种传感器天线阵列的布阵方法，包括首先确定初始化阵列及其阵列加权向量，再根据该加权向量确定稀疏阵列的阵元位置参数，进而确定目的阵列中各阵元位置，最后通过凸优化方法确定稀疏阵列放大器的增益参数。该发明由于采用迭代重加权的稀疏优化布阵方法，在获得尽可能好的阵列系统性能的条件下或节约了阵元数或获得了更低的最高旁瓣高度。与背景技术相比，在相同孔径及天线阵元数时其最大旁瓣高度下降45.7％，在最高旁瓣高度相近及孔径相同时阵元数减少24％。因而具有可利用更少的天线阵元达到同样低的阵列最高旁瓣高度、或利用相同的天线阵元数获得更低的阵列最高旁瓣高度，以及提高信号处理的速度、降低阵列系统的成本等特点。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.033 seconds)
