-
公开(公告)号：CN115880234A
公开(公告)日：2023-03-31
申请号：CN202211510202.1
申请日：2022-11-29
Applicant: 东华理工大学
Abstract: 本发明适用于图像处理领域，提供了一种基于颜色和结构失真的无参考彩色图像质量评价方法，包括以下步骤：对彩色图像进行分块操作，组成彩色失真图像块数据集，构成训练集和测试集；构建一组二维Scharr检测算子，并利用其对输入的图像块进行卷积处理，获得失真图像块的梯度特征信息；将得到的图像块数据集转换到HSV色彩空间中；根据已有的图像块数据集，构建一个基于颜色和结构失真的无参考图像质量评价卷积神经网络模型；将划分的训练集输入构建的无参考图像质量评价卷积神经网络模型中，得到训练好的无参考图像质量评价模型。本发明设计合理，模拟到的质量分数和真实的质量分数有强烈的相关性和较小的误差，值得推广。
-
公开(公告)号：CN113610862B
公开(公告)日：2023-08-01
申请号：CN202110831904.9
申请日：2021-07-22
Applicant: 东华理工大学
Abstract: 本发明涉及图像处理技术领域，公开了一种屏幕内容图像质量评估方法，包括以下步骤：将屏幕内容图像分割为文本区域和图像区域；提取图像区域的纹理特征和图像结构特征；提取文本区域的清晰度和文本结构特征；将屏幕内容图像的纹理特征、图像结构特征、清晰度、文本结构特征和主观质量分数输入LIBSVM软件中进行训练，获取质量评估模型；输入待评估的屏幕内容图像，经过处理后，输入质量评估模型中，获取质量分数。本发明可以感知图像的好坏程度，并且能够根据图像的质量分数可以动态的检测和调节图像处理系统输出优质图像，为实时客户端通信系统的参数优化提供更加有效的依据。
-
公开(公告)号：CN113610862A
公开(公告)日：2021-11-05
申请号：CN202110831904.9
申请日：2021-07-22
Applicant: 东华理工大学
Abstract: 本发明涉及图像处理技术领域，公开了一种屏幕内容图像质量评估方法，包括以下步骤：将屏幕内容图像分割为文本区域和图像区域；提取图像区域的纹理特征和图像结构特征；提取文本区域的清晰度和文本结构特征；将屏幕内容图像的纹理特征、图像结构特征、清晰度、文本结构特征和主观质量分数输入LIBSVM软件中进行训练，获取质量评估模型；输入待评估的屏幕内容图像，经过处理后，输入质量评估模型中，获取质量分数。本发明可以感知图像的好坏程度，并且能够根据图像的质量分数可以动态的检测和调节图像处理系统输出优质图像，为实时客户端通信系统的参数优化提供更加有效的依据。
-
公开(公告)号：CN112766419A
公开(公告)日：2021-05-07
申请号：CN202110253923.8
申请日：2021-03-09
Applicant: 东华理工大学
Abstract: 本发明适用于计算机技术领域，提供了一种基于多任务学习的图像质量评估方法及装置，所述方法包括：根据根据多任务学习训练生成的基于卷积神经网络的图像质量评估模型对所述待质量评估的图像进行处理，确定所述图像的质量评估结果；其中，所述基于图像质量评估模型是预先基于自然属性特征任务学习所训练生成的；所述自然属性特征任务学习是使得图像经过图像质量评估模型处理后得到的自然属性特征响应结果与按照预设的自然属性特征提取规则对图像进行特征提取所得到的自然属性特征真实结果之间满足预设的要求，相比于现有的利用无参考图像质量评估算法所训练生成的图像质量评估模型，在模型分析的准确率上具有显著的提升。
-
公开(公告)号：CN119820571A
公开(公告)日：2025-04-15
申请号：CN202510131467.8
申请日：2025-02-06
Applicant: 东华理工大学
Abstract: 本发明提出一种智能化视觉检测自动分拣系统，包括智能分拣机器人，所述智能分拣机器人上设有识别模块、行走模块、存储模块与控制模块，所述行走模块包括路径规划，本发明通过识别模块获取物件上的输送地点，以及识别物件的二维图像和三维图像，根据每个物件的二维图像与三维图像以及分拣地点规划最优路径，减少了智能分拣机器人的行走路线，且减少了物件与周围无样品发生碰撞的可能，实现了智能分拣货物的目的，本发明能够实现物件的图像采集与处理，且对图像的识别精确，提高了准确性；避免了人工分拣效率低、出错率高的问题。本发明物件分拣效率提高，大幅度减少工人数量，降低劳动强度。
-
Patent Agency Ranking
公开(公告)号：CN118608849A
公开(公告)日：2024-09-06
申请号：CN202410721354.9
申请日：2024-06-05
Applicant: 东华理工大学
IPC: G06V10/764 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0895 , G16H50/20 , G06N3/048
Abstract: 本发明涉及医学图像分类技术领域，具体的说是一种基于GNN和CNN双向结合的CT图像分类模型构建方法，包括以下步骤：步骤1，CT图像数据集划分合适比例的训练集和验证集，根据数据集大小调整训练集和验证集比例，保证各标签的数据量大致相同；步骤2，CNN模型输入预权重，将步骤1的训练集预处理后输入模型提取图像特征；本发明提出了一种CT图像的分类模型，该模型采用将GNN与CNN进行融合的方法，利用GNN对特征信息和结构信息的学习能力，对CNN处理CT图像进行半监督，提高CNN对CT图像的学习和分类效果，也可利用CNN对图像数据特征提取的优良表现，改进GNN面对欧几里得数据的不佳表现。
-
公开(公告)号：CN113610863B
公开(公告)日：2023-08-04
申请号：CN202110833348.9
申请日：2021-07-22
Applicant: 东华理工大学
Abstract: 本发明涉及图像处理技术领域，公开了一种多曝光图像融合质量评估方法，该方法将融合图像与多曝光图像序列的相位一致性特征图、梯度幅度特征图、色彩饱和度特征图进行加权融合，再通过互信息量加权得到局部质量分数，其次，通过计算融合图像与多曝光图像序列的梯度不一致性，生成二进制图像，分割动态和静态区域，并计算动态和静态区域的区域质量分数，两个区域质量分数求平均得到最终质量得分。本发明从人类视觉系统特性出发，利用二值化处理，采用静态和动态结合的方式，解决了多曝光图像融合质量评估时难以兼顾的准确性和高效性，利用梯度幅度特征和饱和度特征，解决在色彩失真图像上表现不佳的问题。
-
公开(公告)号：CN117876764A
公开(公告)日：2024-04-12
申请号：CN202311848931.2
申请日：2023-12-29
Applicant: 东华理工大学
IPC: G06V10/764 , G06T7/00 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455
Abstract: 本申请涉及一种高光谱遥感图像质量等级评估方法，它包括如下步骤：将图像分割成固定大小的块，然后构建质量评估模型，通过空谱注意力模块获得带光谱权重的特征图，并输入到频谱集成嵌入模块生成局部相邻光谱带的嵌入特征图；再经过线性投影后，输入到编码器中，并设置跳跃连接机制融合不同编码器的输出；将最后一个编码器的输出输入到线性层和激活函数层，得到图像的质量评估结果；对质量评估模型进行训练，并使用训练完毕的模型进行图像质量等级评估。本发明可以感知高光谱遥感图像的好坏程度，并且能够根据图像的质量等级可以动态地检测和调节高光谱成像仪中图像处理系统输出的图像，为实时高光谱成像仪系统的参数优化提供更加有效的依据。
-
公开(公告)号：CN117876316A
公开(公告)日：2024-04-12
申请号：CN202410025201.0
申请日：2024-01-08
Applicant: 东华理工大学
Abstract: 本发明公开了一种基于四元数卷积神经网络的无参考图像质量评估方法及系统，方法包括：基于预设的改进ResNet网络对将至少一个纯四元数矩阵进行特征提取，并将提取的特征进行融合，得到第二目标尺度特征，再将与第二目标尺度特征和述第三尺度特征进行第二次特征融合，得到第三目标尺度特征，分别提取处理后的第一尺度特征、第二目标尺度特征、第三目标尺度特征中以及第四尺度特征中的特征向量，并将提取后的各个特征向量进行聚合，得到目标特征向量，将目标特征向量输入至预设的全连接神经网络中，预设的全连接神经网络映射输出与目标特征向量对应的质量分数。提高无参考图像了真实失真的准确性和鲁棒性。
-
公开(公告)号：CN114972282A
公开(公告)日：2022-08-30
申请号：CN202210640590.9
申请日：2022-06-08
Applicant: 东华理工大学
IPC: G06T7/00 , G06V10/40 , G06V10/46 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，具体是基于图像语义信息的增量学习无参考图像质量评价方法，其特征在于，包括以下步骤：划分增量任务集；将划分的增量任务集输入到特征提取网络中；将提取到的全局语义特征输入到混合注意力模块中；将获取到的带有空间信息的显著语义特征与多尺度失真特征使用早融合的方式融合；将得到深度融合特征输入到回归网络中；使用知识蒸馏的方式将回归网络学习到的知识迁移到学生网络；使用学生网络对下一次增量任务的部分图像数据做出质量分数预测，本发明基于图像语义信息的增量学习无参考图像质量评价方法，增强了模型对不同场景失真图像的鲁棒性，提高了模型对不同场景失真图像质量的表达能力。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
