-
公开(公告)号：CN114170118A
公开(公告)日：2022-03-11
申请号：CN202111226162.3
申请日：2021-10-21
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于由粗到精学习的半监督多模态核磁共振影像合成方法。该方法包括：利用所有病例的多模态数据集构造大部分不成对数据和少部分成对数据，构造包括生成网络和增强网络的MRI合成模型，利用全部数据对生成网络进行训练，利用少部分成对数据对增强网络进行训练，将源模态的影像输入训练好的生成网络中，利用学习得的跨模态分布映射关系将源模态的影像映射为对应的目标模态的粗合成影像，并输入到训练好的增强网络，增强网络对目标模态的粗合成影像进行精细化增强，得到目标模态的跨模态合成MR影像。本发明方法可以应用于跨模态医学影像合成中，使用患者已有的源模态影像合成目标模态影像，为辅助医生进行疾病诊断提供帮助。
-
公开(公告)号：CN113822147A
公开(公告)日：2021-12-21
申请号：CN202110890068.1
申请日：2021-08-04
Applicant: 北京交通大学
Abstract: 本发明属于信息压缩处理技术领域，涉及一种协同机器语义任务的深度压缩方法，包括：将图像x输入基网络，输出压缩特征fxn；多尺度融合模块输出多尺度语义特征fsn；将fxn和fsn通过通道级联，获得组合特征z；z依次经量化、算术编码和算术解码，获得隐特征传送到解码器，被分成压缩特征和语义特征再分别进行解码，分别得到解压缩图像和语义分割图像s；输入后处理增强模块，得到解压缩图像本发明提出一种端到端的相互增强网络，将图像压缩和语义分割集成到统一的框架。框架基于编解码器结构，在编码器中设计融合模块，提高语义分割的准确性，设计增强模块，增强压缩任务的重建图片。本发明在图像压缩和语义分割上实现相互增强。
-
公开(公告)号：CN110009683B
公开(公告)日：2021-03-30
申请号：CN201910250262.6
申请日：2019-03-29
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种基于MaskRCNN的实时平面上物体检测方法，其特征在于，包括：步骤1获取视频流中的每帧图像，基于ORBSLAM2计算该帧的位姿，保存该帧的位姿及对应的图像到全局数组中；步骤2基于ORBSLAM2增加深度学习检测线程，所述深度学习线程从全局数组中抽取数据，提取数组中相邻两帧图像，并通过位姿分别计算相邻两帧的投影图，通过MaskRCNN检测第二帧投影图上物体所包含的像素点，根据相邻两帧投影图特征匹配能够得到特征点的平移关系从而求出第一帧投影图上物体的像素点，并将所述两帧图像的像素点根据位姿进行逆变换，将逆变换后的匹配点通过三角化计算出物体的世界坐标；步骤3根据当前帧的位姿和所述物体的世界坐标计算物体当前帧的像素坐标，相机位姿若满足平面，则对于检测的所述物体不渲染，仅渲染非检测物体，并在检测的所述物体上插入AR物体。
-
公开(公告)号：CN109949199B
公开(公告)日：2021-03-02
申请号：CN201910145796.2
申请日：2019-02-27
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于二维预测误差直方图自适应扩展的可逆信息隐藏方法，包括：将原始图像以棋盘格形式划分为黑色类像素和白色类像素两层，先后分别对黑色类像素和白色类像素执行下述步骤；对同一层像素中相临近的像素进行两两配对，预测像素值，得到二维预测误差直方图；根据所述二维预测误差直方图，通过自适应寻优的方法搜寻出最优的可逆映射策略；根据所述最优的可逆映射策略对图像进行秘密信息的嵌入。本发明通过自适应寻优的方式，找出最佳的可逆映射策略，在保证嵌入容量的前提下，降低嵌入失真，提高嵌入性能。
-
公开(公告)号：CN109543776B
公开(公告)日：2021-01-22
申请号：CN201811265669.8
申请日：2018-10-29
Applicant: 北京交通大学
Abstract: 本发明设计了一种双盲环境下的图像相机源识别方法，属于图像信号处理、数字图像取证和机器学习技术领域。本发明首先训练了一种结合了度量损失和分类损失的深度卷积模型，并利用其提取图像的相机特征；之后利用词袋模型快速计算图像集的相似性矩阵；最后，设计了相应的优化方程，并利用ADMM框架进行求解，其结果能够预测大规模背景下相机源未知的图像集中相机源的数量和相机‑图像对应关系。本发明的显著优势在于只用有限类别的训练数据来提取不限类别的图像相机源特征，并能快速的解决大规模背景下的双盲相机源检测问题。
-
Patent Agency Ranking
公开(公告)号：CN111882485A
公开(公告)日：2020-11-03
申请号：CN202010566899.9
申请日：2020-06-19
Applicant: 北京交通大学
Abstract: 本发明针对受限于深度相机采集装置，采集的深度图像存在分辨率较低、易受噪声干扰等问题，难以满足实际需求，提出了分级特征反馈融合的深度图像超分辨率重建方法，利用深层网络提取深度图像及其对应纹理图像的特征，构建深度-纹理深层的特征表示。在此基础上，利用金字塔结构构建深度-纹理的深层特征在不同尺度下的分层特征表示。还采用分级特征的反馈式融合策略，综合深度-纹理的边缘特征，生成深度图像的边缘引导信息。深度图像的重建过程采用残差学习的方式，进一步增强深度图像的重建质量。本发明，通过实验结果表明，相比state-of-the-arts方法，本发明提出的方法均实现了深度图像的主、客观质量的提升。
-
公开(公告)号：CN110210498A
公开(公告)日：2019-09-06
申请号：CN201910472188.2
申请日：2019-05-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于残差学习卷积融合网络的数字图像设备取证系统。主要包括：数字图像输入单元、数字图像预处理单元、图像特征提取和分类单元、数字图像设备辨别结果输出单元；数字图像预处理单元对数字图像输入单元传输过来的数字图像进行残差学习滤波处理，图像特征提取和分类单元使用权值卷积和传统卷积融合网络对预处理后的数字图像进行底层特征和高层语义特征提取，数字图像设备辨别结果输出单元根据数字图像的高层语义特征得到设备相关特征，根据设备相关特征输出数字图像的设备取证结果。本发明实施例能够在小分辨率数字图像情况下有效地对数字图像进行设备取证，有效提升数字图像的设备辨别性能。
-
公开(公告)号：CN104537627B
公开(公告)日：2017-11-07
申请号：CN201510009690.1
申请日：2015-01-08
Applicant: 北京交通大学
IPC: G06T5/00
Abstract: 本发明涉及数字图像处理领域，公开了一种深度图像的后处理方法。本发明首先通过采用时间复杂度较低的经典插值算法对深度图像进行上采样，再对上采样后的深度图像进行边缘线校正、边界区域修复两次后处理。采用本发明的技术方案能够在提高上采样深度图像良好的主观视觉效果的同时，通过边界校正，使深度图像边界与对应颜色图像的几何边界一致，有效改善了合成视点的质量，消除了上采样带来的边界模糊现象。
-
公开(公告)号：CN106485642A
公开(公告)日：2017-03-08
申请号：CN201610871123.1
申请日：2016-09-30
Applicant: 北京交通大学
CPC classification number: G06T1/0021 , G06T17/20 , G06T19/20
Abstract: 本发明提供了一种在三维网格模型中嵌入可见水印的方法。该方法主要包括：利用TTF字符库生成水印信息，对原始三维网格模型的平滑度进行分析，选出适合标记水印的平滑区域，对平滑区域进行细分操作，将细分后的平滑区域投影到二维平面得到二维平滑区域，将水印信息嵌入到二维平滑区域中，将嵌入水印信息后的二维平滑区域投影回原始三维网格模型中。本发明提出的在三维网格模型中嵌入可见水印的方法，能够按照投影后平滑区域内的三角形与水印信息不同的位置关系进行不同的自适应细分处理，能够在嵌入水印信息后的三维网格模型中清楚地看到水印信息，并且嵌入的水印信息多样，边界处处理的十分平滑且具有一定的鲁棒性。
-
公开(公告)号：CN103414891B
公开(公告)日：2016-08-10
申请号：CN201310306195.8
申请日：2013-07-19
Applicant: 北京交通大学
IPC: H04N19/176 , H04N19/147 , H04N19/50
Abstract: 本发明公开了一种HEVC帧内编码的自底向上快速四叉树裁剪算法。HEVC中采用了四叉树结构的编码单元划分方式，本发明根据自底向上裁剪的四叉树结构决策算法的特点，设计实现了一种快速算法。通过已知的四叉树底层编码单元的编码信息自适应地选择跳过当前层编码单元的模式决策过程，从而避免不必要计算，减少帧内编码的复杂度。本发明能够在不降低编码效率的情况下，有效地减少编码时间。
-
-
-
-
-
-
-
-
-
Search Results
164
records
(took 0.031 seconds)
