-
公开(公告)号：CN108416756B
公开(公告)日：2021-11-02
申请号：CN201810255379.9
申请日：2018-03-26
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于机器学习的区域感知图像去噪方法，包括以下步骤：1、对噪声图像采用加噪标准差σ和k种缩小率缩小后的标准差rj×σ分别作为去噪参数，获得不同去噪结果集；2、将采用σ分别与采用rj×σ的去噪结果相结合，获得最优缩小率和图像块对于采用σ和这两种去噪参数的偏好；3、对噪声图像和采用两种去噪参数的去噪结果进行特征提取；4、将获得的偏好特征集作为机器学习算法的特征集，学习获得图像块的去噪参数偏好模型；5、采用去噪参数偏好模型对测试集中噪声图像进行预测，获得每个图像块预测的偏好概率值；6、通过阈值处理并结合两种去噪参数的去噪结果，获得最终的去噪结果。该方法能够有效提高图像去噪方法的性能。
-
公开(公告)号：CN113484652A
公开(公告)日：2021-10-08
申请号：CN202110959300.2
申请日：2021-08-20
Applicant: 国网福建省电力有限公司电力科学研究院 , 福州大学 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于改进K近邻算法的避雷器故障诊断方法及系统。包括：1、获取设备状态已知的避雷器在线监测数据，得到设备运行状态和多维特征量；2、对数据进行规范化处理,获取规范化处理后的数据，并对高维数据进行降维处理，获得可视化数据；3、将得到的各类型数据集导入到软件建立的改进K近邻算法中进行算法训练，以识别正确率为目标量进行算法寻优，获得算法故障识别的最优解；该故障诊断方法简单方便，运算效率高，具有较好的故障识别准确度。
-
公开(公告)号：CN109672874A
公开(公告)日：2019-04-23
申请号：CN201910157230.1
申请日：2019-03-01
Applicant: 福州大学
IPC: H04N13/15 , H04N13/106
Abstract: 本发明涉及一种时空一致的立体视频颜色校正方法，首先从参考视频帧和目标视频帧中每隔a帧选出一对关键帧，在每个时间滑动窗口内选取k对；接着对于每一对关键帧，采用图像颜色校正算法获得目标视频关键帧的初始颜色校正结果帧，然后利用引导滤波计算得到和输入的目标视频关键帧结构更加一致的颜色校正结果视频帧；然后在时间滑动窗口内，利用改进的直方图匹配求出目标视频关键帧和颜色校正后的目标视频关键帧之间的颜色映射函数；最后用该颜色映射函数校正位于时间滑动窗口中心的a帧目标视频帧，得到a帧颜色校正后的最终目标视频帧。本发明对于立体视频颜色差异能够起到很好的校正效果。
-
公开(公告)号：CN108550119A
公开(公告)日：2018-09-18
申请号：CN201810262921.3
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种结合边缘信息的图像去噪方法，包括以下步骤：步骤S1：对噪声图像采用加噪标准差σ作为去噪参数进行去噪，获得第一去噪结果；步骤S2：对不同噪声幅度下的噪声图像采用不同缩小率缩小后的标准差r×σ作为去噪参数进行去噪，获得第二去噪结果；步骤S3：对第一去噪结果计算图像边缘信息，得到边缘图像；步骤S4：对边缘图像进行膨胀操作，得到膨胀后的边缘图像；步骤S5：采用膨胀后的边缘图像作为权重图，将第一去噪结果与第二去噪结果相结合，获得最终的去噪结果。该方法有利于提高图像去噪方法的性能，可应用于图像和视频处理、计算机视觉等领域。
-
公开(公告)号：CN108416756A
公开(公告)日：2018-08-17
申请号：CN201810255379.9
申请日：2018-03-26
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于机器学习的区域感知图像去噪方法，包括以下步骤：1、对噪声图像采用加噪标准差σ和k种缩小率缩小后的标准差rj×σ分别作为去噪参数，获得不同去噪结果集；2、将采用σ分别与采用rj×σ的去噪结果相结合，获得最优缩小率和图像块对于采用σ和这两种去噪参数的偏好；3、对噪声图像和采用两种去噪参数的去噪结果进行特征提取；4、将获得的偏好特征集作为机器学习算法的特征集，学习获得图像块的去噪参数偏好模型；5、采用去噪参数偏好模型对测试集中噪声图像进行预测，获得每个图像块预测的偏好概率值；6、通过阈值处理并结合两种去噪参数的去噪结果，获得最终的去噪结果。该方法能够有效提高图像去噪方法的性能。
-
Patent Agency Ranking
公开(公告)号：CN111145123B
公开(公告)日：2022-06-14
申请号：CN201911387476.4
申请日：2019-12-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于U‑Net融合保留细节的图像去噪方法，该方法包括以下步骤：步骤A：设置两种不同的去噪参数进行去噪，获得对应两种不同去噪参数的初始去噪结果图像；步骤B：分别将初始去噪结果图像，以及无噪声图像分成图像块，获得图像块对训练集；步骤C：使用步骤B获得的图像块对训练集，训练基于U‑Net的图像融合深度网络，获得对应特定噪声幅度的基于U‑Net图像融合模型；步骤D：对于噪声图像，首先获得对应步骤A的不同去噪参数的去噪结果，然后输入到步骤C训练好的基于U‑Net图像融合模型中进行融合，获得最终的去噪结果。这种方法可以有效优化图像去噪方法的去噪效果，在去除噪声的同时保留更多的图像细节。
-
公开(公告)号：CN113489007A
公开(公告)日：2021-10-08
申请号：CN202110959499.9
申请日：2021-08-20
Applicant: 国网福建省电力有限公司电力科学研究院 , 福州大学 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于边缘物联代理的光伏出力预测方法及系统。该方法基于边缘物联代理结构，利用Non‑MPPT算法解决两级式光伏发电系统出力过剩问题。光伏阵列正常运行时，通过修正光伏阵列环境参数，实时调节其输出电压，使其输出最大功率，实现光伏阵列最大功率跟踪。若出现部分遮荫，则基于光伏模块分布式优化斩波器，实现不同环境条件下光伏模块分散控制。而当出现区域电网光伏发电系统出力过剩，则根据光伏阵列实际光照强度分区管理，并对其出力份额重新分配，并根据分配功率额度推导光伏阵列对应输出电压，进而使光伏发电系统输出功率按主网需求快速调节。本发明能够有效减轻大量数据同时传输到管控中心的通信堵塞情况，提高调控的效率和实时性。
-
公开(公告)号：CN109672874B
公开(公告)日：2020-08-11
申请号：CN201910157230.1
申请日：2019-03-01
Applicant: 福州大学
IPC: H04N13/15 , H04N13/106
Abstract: 本发明涉及一种时空一致的立体视频颜色校正方法，首先从参考视频帧和目标视频帧中每隔a帧选出一对关键帧，在每个时间滑动窗口内选取k对；接着对于每一对关键帧，采用图像颜色校正算法获得目标视频关键帧的初始颜色校正结果帧，然后利用引导滤波计算得到和输入的目标视频关键帧结构更加一致的颜色校正结果视频帧；然后在时间滑动窗口内，利用改进的直方图匹配求出目标视频关键帧和颜色校正后的目标视频关键帧之间的颜色映射函数；最后用该颜色映射函数校正位于时间滑动窗口中心的a帧目标视频帧，得到a帧颜色校正后的最终目标视频帧。本发明对于立体视频颜色差异能够起到很好的校正效果。
-
公开(公告)号：CN108550119B
公开(公告)日：2021-11-02
申请号：CN201810262921.3
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种结合边缘信息的图像去噪方法，包括以下步骤：步骤S1：对噪声图像采用加噪标准差σ作为去噪参数进行去噪，获得第一去噪结果；步骤S2：对不同噪声幅度下的噪声图像采用不同缩小率缩小后的标准差r×σ作为去噪参数进行去噪，获得第二去噪结果；步骤S3：对第一去噪结果计算图像边缘信息，得到边缘图像；步骤S4：对边缘图像进行膨胀操作，得到膨胀后的边缘图像；步骤S5：采用膨胀后的边缘图像作为权重图，将第一去噪结果与第二去噪结果相结合，获得最终的去噪结果。该方法有利于提高图像去噪方法的性能，可应用于图像和视频处理、计算机视觉等领域。
-
公开(公告)号：CN111145123A
公开(公告)日：2020-05-12
申请号：CN201911387476.4
申请日：2019-12-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于U-Net融合保留细节的图像去噪方法，该方法包括以下步骤：步骤A：设置两种不同的去噪参数进行去噪，获得对应两种不同去噪参数的初始去噪结果图像；步骤B：分别将初始去噪结果图像，以及无噪声图像分成图像块，获得图像块对训练集；步骤C：使用步骤B获得的图像块对训练集，训练基于U-Net的图像融合深度网络，获得对应特定噪声幅度的基于U-Net图像融合模型；步骤D：对于噪声图像，首先获得对应步骤A的不同去噪参数的去噪结果，然后输入到步骤C训练好的基于U-Net图像融合模型中进行融合，获得最终的去噪结果。这种方法可以有效优化图像去噪方法的去噪效果，在去除噪声的同时保留更多的图像细节。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.028 seconds)
