-
公开(公告)号:CN117274075A
公开(公告)日:2023-12-22
申请号:CN202311077931.7
申请日:2023-08-25
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种夜间图像颜色矫正方法及装置,首先将图像分为红、绿、蓝三个分量,并对基于亮度信息对各像素邻域范围内的像素值进行分组并分别计算平均值;然后对每个通道中每个像素点,取对应的高值组平均值和低值组平均值的对数值并作差,获取每个像素点的局部对比值;根据三个颜色通道中的局部对比值,计算每个像素位置处的灰色指数,并获得灰色指数分布图;基于亮度信息选择部分亮像素作为初始亮像素;同时对图像空间进行均匀网格划分;通过计算每个网格区域中的亮像素比例选择的亮区域;选择落入亮区域的候选灰色点作为最终提取的灰色点,估计出图像的光源,并对图像的进行颜色矫正。
-
公开(公告)号:CN118154462A
公开(公告)日:2024-06-07
申请号:CN202410138614.X
申请日:2024-02-01
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T5/73 , G06T5/90 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于动态网络的雾天图像对比度增强方法及装置,首先获取有雾图像和对应的标准图像对;然后构建S型函数并对其进行变形处理,得到变形后的计算参数表达式;构建学习所述计算参数的动态神经网络;动态神经网络获取有雾图像对应的灰度图,得到相应的S型函数的计算参数;基于动态神经网络生成的计算参数,对有雾图像的灰度图进行S型函数处理,得到增强后的灰度图,根据有雾图像及其增强前后的灰度图,计算增强后的图像;最后构建损失函数对动态神经网络进行训练;将增强后的图像与标准图像计算损失,训练动态神经网络,并通过训练好的动态神经网络,得到有雾图像增强后的图像。
-
公开(公告)号:CN117557792A
公开(公告)日:2024-02-13
申请号:CN202311357758.6
申请日:2023-10-18
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06V20/69 , G06N3/0464
Abstract: 本发明属于计算机视觉、图像处理技术和神经科学领域,涉及一种双光子钙离子图像神经元胞体分割方法,包括以下步骤:S1.采用神经元胞体增强网络,去除双光子钙离子视频中的噪声和神经纤维网背景信号,增强胞体的时空信号,得到胞体增强视频;S2.运用基于anchor的目标检测器,在胞体增强视频的最大投影图像上检测胞体的位置;S3.通过相关聚类模块在所述目标检测器输出的各anchor中分割出位于中心的胞体的掩膜。本发明的方法兼顾方法驱动和数据驱动的优点,相比传统算法,极大提高了处理数据的效率,对于具有高细胞重叠特点的Bessel成像数据,极大提高了重叠细胞分割的精准程度。
-
公开(公告)号:CN117523191A
公开(公告)日:2024-02-06
申请号:CN202311338714.9
申请日:2023-10-17
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/0464 , G06N3/048
Abstract: 本发明属于计算机视觉和医学图像处理领域,公开了一种基于小肿瘤增强的CT图像肝脏肿瘤分割方法,包括S1.肿瘤粗分割模块,基于语义分割网络初步分割肝脏肿瘤,为小肿瘤增强提供位置信息;S2.小肿瘤区域判定裁剪,利用固定窗宽的小微肿瘤判定窗口、裁剪窗口对小微肿瘤区域进行判别和裁剪;S3.小微肿瘤精细分割模块,裁剪后的小微肿瘤区域切片基于语义分割网络进行进一步的增强精细分割;S4.相邻切片肿瘤搜索,沿CT图像z轴在小微肿瘤区域临近切片基于小微肿瘤经细分割模块进行肿瘤搜索。本发明的增强了小微肿瘤的自动分割精度,提高了肿瘤自动分割效能;提高了自动分割结果准确性。
-
公开(公告)号:CN118297809A
公开(公告)日:2024-07-05
申请号:CN202410138617.3
申请日:2024-02-01
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种低亮度图像视觉增强方法及装置,获取对应的低亮度图像和标准亮度图像对;计算低亮度图像的亮度灰度图像,得到低亮度灰度图像,再经一组S型函数变换,得到对应的一组亮度增强的灰度图像;构建S型函数的选择网络,从低亮度灰度图像中,获取一组权重参数数组,再基于一组权重参数数组与一组亮度增强的灰度图像进行融合,得到亮度增强灰度图像;基于低亮度图像、低亮度灰度图像和亮度增强灰度图像,进行颜色恢复,得到亮度增强图像;通过构建损失函数,基于亮度增强灰度图像和标准亮度图像对应的标准亮度灰度图像计算损失,训练选择网络,并将训练好的选择网络用于低亮度图像的视觉增强。
-
-
-
-