-
公开(公告)号：CN114066764B
公开(公告)日：2023-05-09
申请号：CN202111392864.9
申请日：2021-11-23
Applicant: 电子科技大学
Abstract: 本发明涉及图像处理技术领域，提供了一种基于距离加权色偏估计的沙尘退化图像增强方法及装置，主旨在于解决目前对于沙尘图像等恶劣天气下带有大气色偏的退化图像，通常的图像增强算法无法有效地进行色偏恢复和可见度增强，并可能造成进一步失真的问题，主要方案包括，读入待处理图像I，将图像转换到RGB空间；根据输入图像I求得图像相机‑景物距离精估算矩阵D；根据矩阵D，求取图像距离加权色偏矩阵X·D；根据矩阵D和矩阵X·D，解图像退化方程得到色偏校正、能见度提升的中间结果图像Im；根据矩阵D和中间结果图像Im，求取细节恢复的最终结果图像If。其结果对沙尘退化图像颜色、可见度、细节提升显著，方法自适应性能强，利于推广应用。
-
公开(公告)号：CN115049850A
公开(公告)日：2022-09-13
申请号：CN202210856483.X
申请日：2022-07-20
Applicant: 电子科技大学
IPC: G06V10/44 , G06V10/26 , G06V10/764 , G06V10/82 , G06T7/00
Abstract: 本发明公开了一种用于肺部CT影像的纤维化区域的特征提取方法，属于机器视觉及图像处理应用领域，解决现有技术采用未针对CT影像和纤维化区域进行分析的特征，使训练后得到的分类器提取的结果敏感性和精确率低的问题。本发明获取多张包含纤维化肺部的CT影像，并建立其纤维化角点分布先验；基于CT影像提取肺部区域掩模，得到肺部区域；基于连通域分析和形态学操作对CT影像和肺部区域进行处理，得到候选区域；基于候选区域和CT影像的纤维化角点分布先验构造统计特征f1、形状特征f2和分形特征f3；级联统计特征f1、形状特征f2和分形特征f3构建纤维化特征模型f。本发明用于肺部CT影像的纤维化区域的特征提取。
-
公开(公告)号：CN109829902B
公开(公告)日：2022-04-12
申请号：CN201910065176.8
申请日：2019-01-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于广义S变换和Teager属性的肺部CT图像结节筛选方法，属于肺部图像处理领域；其包括步骤1：对输入的肺部CT图像进行水平方向和竖直方向上的广义S变换，得到水平方向时频谱和竖直方向时频谱；步骤2：对所述水平方向时频谱和竖直方向时频谱进行Teager主能量的提取，得到水平方向Teager主能量图和竖直方向Teager主能量图；步骤3：将所述水平方向Teager主能量图和竖直方向Teager主能量图进行阈值分割，得到疑似结节；本发明通过广义S变换和计算Teager主能量属性，从时频分析的角度来分析结节和非结节区域的差异，通过寻找非零像素克服肺部CT图像的肺部边界对广义S变换的影响，利用时频谱中的Teager主能量属性的区别从而筛选出疑似结节区域，提高了筛选准确度。
-
公开(公告)号：CN110503613B
公开(公告)日：2022-03-15
申请号：CN201910742902.5
申请日：2019-08-13
Applicant: 电子科技大学
Abstract: 本发明属于图像去雨技术领域，提供一种基于级联空洞卷积神经网络的面向单幅图像去雨方法，用于解决雨天下所拍摄的单张图像的复原问题。本发明首先对雨水进行建模，将有雨图像分为雨水区域层、雨水层、背景层；通过级联多路空洞率不同的卷积神经网络对输入图像提取出雨水区域层图像，经卷积得到雨水层图像，再经卷积与输入图像求和得到去雨的背景层图像。级联空洞卷积神经网络有效提取了图像不同尺度的细节，网络采用残差网络结构增加网络深度，避免过拟合问题；在公开数据集上进行了测评实验，实验表明本发明相比单幅图像去雨经典方法在峰值信噪比(PSNR)上能够提升2～8，在图像结构相似度(SSIM)上能够提升0.04～0.22。
-
公开(公告)号：CN110148097B
公开(公告)日：2021-06-29
申请号：CN201910443848.4
申请日：2019-05-27
Applicant: 电子科技大学
Abstract: 本发明涉及内障图像的颜色校正方法，包括：A.设定像素光源估计层数w，每层设定不同聚类种子点的个数k，并将每一层的图像初始化；B.利用简单线性迭代聚类将每一层的图像分别划分为图像块；C.计算出每个图像块的光源估计，将其反投影到原始图像上，得到每一层的像素照明光源估计；D.将所有层的像素照明光源估计结果进行线性融合，得到最终的像素照明光源估计结果，根据像素照明光源估计对原始图像进行恢复，得到颜色校正后的结果图。克服了现有方法中受边缘影响导致白内障图像颜色校正中颜色偏差大和边缘颜色漂移的问题，棉线提高白内障图像颜色校正的准确率，降低了边缘影响。
-
Patent Agency Ranking
公开(公告)号：CN111134689B
公开(公告)日：2021-05-14
申请号：CN202010089839.2
申请日：2020-03-31
Applicant: 电子科技大学
IPC: A61B5/1455 , G06F17/18
Abstract: 本发明涉及光声信号处理及人体血糖检测应用等领域。提供了一种基于时频Teager‑Kaiser能量的血糖浓度检测方法，其主旨在于提出一种检测精度高、抗干扰能力强的血糖浓度检测算法，实现为无创血糖检测技术。其主要方案包括，步骤1、输入待检测的血糖光声信号f(t)；步骤2、对步骤1中得到的血糖光声信号f(t)进行S变换，得到血糖光声信号的时频谱g(t,f)；步骤3、对步骤2中得到的血糖光声信号时频谱g(t,f)进行频率选择，得到精细化的时频谱步骤4、使用步骤3中得到的精细化时频谱计算Teager‑Kaiser能量，并记为E(t)；步骤5、使用线性回归模型对步骤4得到的E(t)，进行预测，得到检测结果，并输出。本发明用于血糖浓度检测。
-
公开(公告)号：CN109523524B
公开(公告)日：2020-07-03
申请号：CN201811317900.3
申请日：2018-11-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于集成学习的眼底图像硬性渗出检测方法，属于图像处理技术领域，首先对输入的眼底图像进行对比度增强、滤波以及形态学重建，再利用已训练好的卷积神经网络提取样本的深度特征，并对其提取传统特征，再将两者进行级联，采用主成分分析法进行降维，最后将降维后特征和标签送入已训练好的随机森林分类器进行分类，从而分割出眼底图像的硬性渗出区域，解决了现有硬性渗出检测方法存在计算量较大，检测准确率不高和检测不完全的问题。
-
公开(公告)号：CN110674782A
公开(公告)日：2020-01-10
申请号：CN201910947684.9
申请日：2019-09-30
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于分数熵的红外弱小目标检测方法，属于原始红外图像处理及目标检测领域，解决现有技术的红外弱小目标检测困难的问题。本发明在获取的待检测的原始红外图像上建立滑动窗口，根据滑动窗口、滑动窗口的滑动步长和原始红外图像得到备用熵值图像；基于滑动窗口的滑动步长，按照从左往右、从上往下在原始红外图像上滑动一次滑动窗口，得到一个ROI区域，计算ROI区域的分数熵并将其赋值给备用熵值图像对应的像素，继续滑动窗口直到遍历完整个原始红外图像；将赋值后的分数熵图像中的像素值映射到空间[0，255]内得到熵值图像；将熵值图像进行形态学处理后，再确定目标位置与大小，并在原图上进行重定位，即得到检测结果。
-
公开(公告)号：CN110428045A
公开(公告)日：2019-11-08
申请号：CN201910738065.9
申请日：2019-08-12
Applicant: 电子科技大学
IPC: G06N3/04
Abstract: 本发明涉及基于Tucker算法的深度卷积神经网络压缩方法，包括：A.获得深度卷积神经网络模型；B.使用EVBMF算法依次估计所述深度卷积神经网络模型中每一个隐藏层参数的分解秩；C.根据深度卷积神经网络模型中隐藏层的参数张量和对应的分解秩，通过Tucker算法依次分解每一个参数张量，产生多个低秩子张量；D.通过所述的低秩子张量生成新的隐藏层，并将深度卷积神经网络模型中原有的隐藏层替换为所述新的隐藏层，生成新的深度卷积神经网络模型。本发明基于Tucker算法的深度卷积神经网络压缩方法，能够大幅度提高压缩倍数，并且有效减少了压缩时间和系统开销。
-
公开(公告)号：CN110298849A
公开(公告)日：2019-10-01
申请号：CN201910587334.6
申请日：2019-07-02
Applicant: 电子科技大学
Abstract: 本发明涉及基于眼底图像的硬性渗出分割方法，包括：A.输入RGB眼底图像，对G通道的图像进行标准化和归一化处理；B.对处理后的图像进行对比度增强；C.通过滑动窗口对增强了对比度的图像提取块图像，将提取的块图像输入卷积神经网络进行语义分割，输出每个块图像的渗出概率图；D.根据各渗出概率图之间的重叠部分对所有渗出概率图进行重组；E.对重组后渗出概率图的进行阈值分割，输出渗出分割二值图。本发明具有较高的特异性和灵敏度，且不需要事先人为设计目标特征和分类器，能够较大限度地检测出眼底图像中的硬性渗出，较少分割出视盘等非硬性渗出区域，从而辅助眼底医生进行观察和诊断，同时过程简单，计算量小，耗时少。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.025 seconds)
