-
公开(公告)号：CN116579943A
公开(公告)日：2023-08-11
申请号：CN202310521650.X
申请日：2023-05-10
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06T5/50 , G06N3/0475 , G06N3/094
Abstract: 基于生成对抗网络的遥感SAR‑光学图像融合去云方法，属于遥感光学图像处理领域。本发明针对现有遥感光学图像除云方法难以去除和恢复厚云区域的问题。包括基于生成对抗网络并融合SAR图像信息，引入注意力模块和转换模块到生成对抗网络中；输入多云图像到注意力模块以生成注意力图；将多云图像和假光学图像输入生成器中恢复多云区域；根据注意力图将多云图像和生成器的输出融合为无云图像；再将真值图和生成的无云图像分别与SAR图像进行级联输入到判别器判断真假；引入注意力损失和生成器、判决器的损失函数，通过梯度下降算法用来对模型的参数进行更新。本发明方法可有效去除光学图像中薄云和厚云等区域。
-
公开(公告)号：CN109102477B
公开(公告)日：2021-08-24
申请号：CN201811018402.9
申请日：2018-08-31
Applicant: 哈尔滨工业大学
Abstract: 基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，属于遥感图像处理中的高光谱遥感图像处理领域，为解决现有的高光谱遥感图像恢复技术不能有效去除噪声的问题，提高图像恢复质量，包括以下步骤：输入高光谱遥感图像；初始化权重系数矩阵、迭代次数和收敛阈值,初始化子图像尺寸和扫描步长，划分子块；建立图像恢复模型；引入辅助变量和正则项系数，利用最大值最小值算法迭代求解；判断恢复结果是否满足收敛条件；达到迭代次数获得符合要求的高光谱恢复图像，否则返回相应步骤继续迭代操作；计算权重系数矩阵，给每个子块分配合适的权重；还原高光谱遥感图像，得到最终恢复的高光谱遥感图像。去噪效果明显，并且保留图像细节。
-
公开(公告)号：CN107991636B
公开(公告)日：2020-05-12
申请号：CN201711202158.7
申请日：2017-11-24
Applicant: 哈尔滨工业大学
IPC: G01R33/48 , G01R33/56 , G01R33/561
Abstract: 一种基于适应性结构低秩矩阵的快速磁共振图像重建方法，涉及磁共振成像技术领域，为提高重建图像质量。包括以下步骤：(1)获取部分k空间数据；(2)求取偏导，并构造托普利兹矩阵；(3)建立图像重建模型；(4)对托普利兹矩阵变形并进行特征值分解；(5)计算权重系数矩阵带入重建模型；(6)引入辅助变量和拉格朗日乘子，利用ADMM算法迭代求解；(7)判断重建结果是否满足收敛条件；(8)达到迭代次数获得最终磁共振图像，否则以当前迭代得到的重建图像更新托普利兹矩阵，返回步骤(4)继续操作。与一阶、二阶结构低秩和全变分方法相比，本发明能在相同的欠采样倍数下获得质量更高的重建图像。
-
公开(公告)号：CN109102477A
公开(公告)日：2018-12-28
申请号：CN201811018402.9
申请日：2018-08-31
Applicant: 哈尔滨工业大学
Abstract: 基于非凸低秩稀疏约束的高光谱遥感图像恢复方法，属于遥感图像处理中的高光谱遥感图像处理领域，为解决现有的高光谱遥感图像恢复技术不能有效去除噪声的问题，提高图像恢复质量，包括以下步骤：输入高光谱遥感图像；初始化权重系数矩阵、迭代次数和收敛阈值,初始化子图像尺寸和扫描步长，划分子块；建立图像恢复模型；引入辅助变量和正则项系数，利用最大值最小值算法迭代求解；判断恢复结果是否满足收敛条件；达到迭代次数获得符合要求的高光谱恢复图像，否则返回相应步骤继续迭代操作；计算权重系数矩阵，给每个子块分配合适的权重；还原高光谱遥感图像，得到最终恢复的高光谱遥感图像。去噪效果明显，并且保留图像细节。
-
公开(公告)号：CN104796704A
公开(公告)日：2015-07-22
申请号：CN201510191391.4
申请日：2015-04-22
Applicant: 哈尔滨工业大学
IPC: H04N19/147 , H04N19/30 , H04N19/103
Abstract: 一种用于可伸缩视频编码的宏块级码率控制方法，本发明涉及一种可伸缩视频编码的码率控制方法。本发明是为了解决现有码率控制技术中率失真关系模型不能准确描述SVC标准的率失真关系、未考虑基本层和增强层间的相互影响以及现有MAD预测模型的预测误差率高的问题。通过以下技术方案实现：一、初始化；将InitialQP分别赋值给QPinterly和QPintraly；二、进行可伸缩编码并存储编码结果；三、更新宏块的MAD预测模型的系数；四、计算宏块的MAD预测值MADel；五、更新率失真模型的系数；六、计算Rtxt；七、计算QPinterly和QPintraly；八、微调QPinterly和QPintraly；九、设置进行预测编码时所使用的量化参数；十、检查当前帧是否编码结束。本发明应用于视频编码技术领域。
-
Patent Agency Ranking
公开(公告)号：CN117496282A
公开(公告)日：2024-02-02
申请号：CN202310932503.1
申请日：2023-07-27
Applicant: 哈尔滨工业大学
IPC: G06V10/77 , G06V10/10 , G06V10/26 , G06V10/82 , G06N3/0464
Abstract: 一种基于学习型掩膜鲁棒性主成分分析的红外弱小目标检测方法及系统，属于红外数据处理领域，为了提高单帧图像当中红外弱小目标的算法对弱小目标检测的性能，解决在复杂背景以及目标与背景具有较低对比度情况下的目标不能准确检测的问题。输入单帧红外图像，并在原始单帧红外图像中以固定步长移动预先设置好的滑动窗口，分割得到一系列的红外图像块；将分割得到的红外图像块映射到辅助变换域空间，并在变换域中利用先验信息构建基于目标稀疏和背景约束的目标检测模型；利用交替方向乘子法求解将原始目标检测模型分解为多个子模型并逐一求解；将所提出的目标检测模型展开成深度学习网络，利用深度学习框架的负反馈机制不断更新模型中的映射算子和参数；将模型输出的结果进行重构，得到红外目标检测算法的结果；输出的二值图像是红外图像中检测到的目标。本发明在不同类型和数据集中的红外目标均能取得较好的分割和定位目标。
-
公开(公告)号：CN113866235B
公开(公告)日：2023-09-29
申请号：CN202110936924.2
申请日：2021-08-16
Applicant: 哈尔滨工业大学(深圳)
IPC: G01N27/327 , G01N27/36 , G01N27/48 , G01N21/76 , G01N21/25
Abstract: 本发明公开了一种基于封闭式双极电极的电化学发光‑比色双模式传感检测装置及其构建方法和应用，所述装置包括检测池、检测池隔板、第一工作电极、第二工作电极和导体，其中检测池隔板将检测池分隔为两个不连通的区域，即为第一检测池和第二检测池，第一工作电极位于第一检测池中，第二工作电极位于第二检测池中，导体两端分别与第一工工作电极和第二工作电极接触，第一工作电极表面修饰有普鲁士蓝，第二工作电极设置有反应区，第二工作电极的非反应区和导体表面覆有绝缘材料。本发明装置较为简单、成本低廉、可塑性强，且可用于检测一种目标物或者同时检测两种目标物，故而具有广阔的市场应用前景。
-
公开(公告)号：CN116645435A
公开(公告)日：2023-08-25
申请号：CN202310480660.3
申请日：2023-04-28
Applicant: 哈尔滨工业大学
IPC: G06T11/00
Abstract: 一种基于视觉变换器以及局部和全局关联特征的磁共振指纹参数重建方法，本发明涉及磁共振指纹成像技术领域。本发明为了解决目前磁共振指纹成像中现有模式匹配方法在较高的字典维度下匹配速度较慢，以及在高倍欠采样混叠伪影下匹配精度较低的问题。本发明包括以下步骤：(1)获取磁共振指纹k空间欠采样数据；(2)从欠采样数据中重建时域磁共振指纹数据；(3)构建基于视觉变换器以及局部和全局关联特征的磁共振指纹参数重建网络；(4)利用已有数据训练网络，得到网络模型；(5)将时域磁共振指纹数据输入训练好的网络，重建磁共振指纹图像。本发明可在同等条件下重建高质量的磁共振指纹图像，并大幅缩短重建时间。
-
公开(公告)号：CN110148215B
公开(公告)日：2023-05-19
申请号：CN201910432660.X
申请日：2019-05-22
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 一种基于平滑约束和局部低秩约束模型的四维磁共振图像重建方法，属于四维磁共振图像重建领域，为了解决现有重建方法存为的重建图像伪影严重以及重建时间较长的问题。包括：将欠采样K空间数据进行三维逆傅里叶变换得到初始重建图像；建立图像重建模型；引入辅助变量和正则化参数；获得三个子问题；初始化内、外循环最大迭代次数和收敛阈值；在内循环中迭代求解重建图像；判断重建图像是否满足收敛条件，满足则退出内循环，否则返回内循环继续迭代；未达到外循环最大迭代次数则更新正则化系数后再进入内循环迭代，否则终止，获得最终重建图像。实验表明本发明能有效加速磁共振成像且能较好地恢复图像细节，并获得具有临床诊断意义的重建图像。
-
公开(公告)号：CN116070401A
公开(公告)日：2023-05-05
申请号：CN202211213810.6
申请日：2022-09-30
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06V10/774 , G06T7/136 , G06N3/0464 , G06N3/08 , G06F111/04 , G06F111/08
Abstract: 一种基于变换域张量低秩先验深度展开网络的高维磁共振图像重建方法，属于磁共振成像领域，用以解决高倍欠采样机制下高维磁共振图像重建质量提高的问题，最终目的是加速高维磁共振成像。本发明方法的技术要点包括利用变换域张量核范数构建重建模型；设计迭代优化算法；利用卷积神经网络基于数据自适应学习最优变换域；构建基于卷积神经网络的变换域张量低秩先验模块；将基于变换域张量核范数迭代优化算法展开为图像重建深度展开网络；数据获取和生成；基于数据对网络进行训练，得到训练完成的目标网络模型。本发明可用于在重建质量一定的情况下进一步提高欠采样加速效果，或在欠采样倍数一定的情况下进一步提高重建质量。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.02 seconds)
