-
公开(公告)号：CN117765252A
公开(公告)日：2024-03-26
申请号：CN202311668278.1
申请日：2023-12-07
申请人： 佛山科学技术学院
摘要： 本发明公开了一种基于Swin Transformer和对比学习的乳腺癌识别系统及方法，属于乳腺癌识别系统技术领域，获取乳腺癌X光图像数据，将图像裁剪成为224x224的三通道图像，得到裁剪后的乳腺癌X光图像数据，搭建Swin Transformer网络，引入SwinCLR框架，使用Simclr框架对于Swin Transformer模型进行没有标签数据集的预训练后，使用有标签的数据集对Swin Transformer模型进行监督学习的训练，输出对于输入的X光片，乳腺癌的患病概率数据，该方法将SimCLR算法和Swin Transformer的优点进行了独特的混合，专门为乳腺癌的有效检测进行了优化，SwinCLR模型不仅充分利用了未标记数据，还显著提高了乳腺癌识别的准确性和效率。
-
公开(公告)号：CN116823694B
公开(公告)日：2023-11-24
申请号：CN202311108029.7
申请日：2023-08-31
申请人： 佛山科学技术学院
摘要： 本发明公开了基于多聚焦信息整合的红外与可见光图像融合方法及系统，该方法包括：获取红外图像、第一可见光源图像和第二可见光源图像；基于半稀疏性的图像滤波器对红外图像、第一可见光源图像和第二可见光源图像进行分解处理；对分解后的红外图像、分解后的第一可见光源图像和分解后的第二可见光源图像进行显著信息融合处理，得到融合纹理层与融合结构层；将融合纹理层与融合结构层进行相加处理，得到最终的图像融合结果。通过使用本发明，能够有效提取可见光图像中的细节信息与红外热辐射目标信息。本发明作为基于多聚焦信息整合的红外与可见光图像融合方法及系统，可广泛应用于图像融合技术领域。
-
公开(公告)号：CN112626385B
公开(公告)日：2022-08-16
申请号：CN202011215748.5
申请日：2020-11-04
申请人： 佛山科学技术学院
摘要： 本发明属金属材料技术领域，公开了一种高塑性快速时效响应的铝合金及其制备方法和应用，按重量百分比计包括Mg 0.6‑1.0％、Si 1.0‑1.5％、Cu 0.1‑0.4％、Mn 0.05‑0.10％和Fe 0.1‑0.20％。本发明基于微合金化原理，采用低Mg/Si、适量Cu含量，形成高密度分布含Cu元素的Mg2Si相，并实现铝合金在烤漆时效过程中快速时效强化；本发明还控制了Mn、Fe含量及其配比，通过双级均匀化处理，控制AlMnFeSi相尺寸、含量、形态与分布，有效抑制裂纹萌生，提高合金塑性与韧性。通过本发明可获得快速时效响应的铝合金，适合应用于汽车车身结构的加工和生产，应用前景广泛。
-
公开(公告)号：CN117611473B
公开(公告)日：2024-04-23
申请号：CN202410100287.9
申请日：2024-01-24
申请人： 佛山科学技术学院
IPC分类号： G06T5/50 , G06N3/0455 , G06N3/0464 , G06T5/00 , G06T7/90
摘要： 本申请属于图像处理技术领域，公开了一种同步去噪的图像融合方法及其相关设备，所述方法包括：构建训练后的融合网络模型；把待融合的可见光图像从RGB通道转换到YCrCb通道，得到待融合的Y通道、Cr通道和Cb通道图像；把待融合的Y通道图像和待融合的红外光图像输入训练后的融合网络模型，得到其输出的亮度通道图像，记为待融合的亮度通道图像；以待融合的亮度通道图像作为引导图像对待融合的Cr通道图像和待融合的Cb通道图像进行引导滤波；把待融合的亮度通道图像、滤波后的Cb通道图像和滤波后的Cr通道图像结合并从YCrCb通道转换到RGB通道，得到融合图像；从而能够在进行图像融合的同时实现去噪，并提高融合图像质量。
-
公开(公告)号：CN117611473A
公开(公告)日：2024-02-27
申请号：CN202410100287.9
申请日：2024-01-24
申请人： 佛山科学技术学院
IPC分类号： G06T5/50 , G06N3/0455 , G06N3/0464 , G06T5/00 , G06T7/90
摘要： 本申请属于图像处理技术领域，公开了一种同步去噪的图像融合方法及其相关设备，所述方法包括：构建训练后的融合网络模型；把待融合的可见光图像从RGB通道转换到YCrCb通道，得到待融合的Y通道、Cr通道和Cb通道图像；把待融合的Y通道图像和待融合的红外光图像输入训练后的融合网络模型，得到其输出的亮度通道图像，记为待融合的亮度通道图像；以待融合的亮度通道图像作为引导图像对待融合的Cr通道图像和待融合的Cb通道图像进行引导滤波；把待融合的亮度通道图像、滤波后的Cb通道图像和滤波后的Cr通道图像结合并从YCrCb通道转换到RGB通道，得到融合图像；从而能够在进行图像融合的同时实现去噪，并提高融合图像质量。
-
公开(公告)号：CN118314036B
公开(公告)日：2024-09-24
申请号：CN202410747203.0
申请日：2024-06-11
申请人： 佛山科学技术学院
IPC分类号： G06T5/60 , G06T5/73 , G06N3/0455 , G06N3/0464
摘要： 本申请属于图像处理技术领域，公开了一种交互引导的双分支图像去雾模型和图像处理方法，通过Transformer分支的各层Transformer块提取图像的全局信息，用以在CPA块的引导作用下引导各层第一CNN层关注图像中有效的局部信息，最后通过CNN解码器来恢复图像细节，从而得到较好地保留全局特征和局部特征的无雾图像，提高去雾效果；从而，该交互引导的双分支图像去雾模型和图像处理方法能够利用全局和局部特征之间的差异关系进行CNN和Transformer的有效结合进行图像去雾，综合两者的优点提高去雾效果。
-
公开(公告)号：CN118314022A
公开(公告)日：2024-07-09
申请号：CN202410747138.1
申请日：2024-06-11
申请人： 佛山科学技术学院
IPC分类号： G06T3/4053 , G06T3/4046 , G06T5/60 , G06T5/50 , G06T5/70 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084
摘要： 本申请属于图像处理技术领域，公开了一种基于条件扩散概率模型的多模态图像融合与超分辨率方法，对多模态的源图像进行模糊处理和融合处理，得到模糊图像和真值融合图像，用以对包含多模态信息融合模块和迭代去噪模块的条件扩散概率模型进行训练，使条件扩散概率模型能够对多模态图像进行融合的同时完成迭代去噪，得到分辨率相对源图像更高的融合图像，并恢复源图像中被退化的细节和纹理信息，实用性较高。
-
公开(公告)号：CN117456332A
公开(公告)日：2024-01-26
申请号：CN202311526072.5
申请日：2023-11-16
申请人： 佛山科学技术学院
IPC分类号： G06V10/82 , G06V10/44 , G06V10/80 , G06T5/50 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于模态特征约束的多模态视觉信息融合方法及系统，该方法包括：获取待融合的多模态图像；构建具有递归门控制卷积的编码器与具有递归门控制卷积的解码器；整合具有递归门控制卷积的编码器与具有递归门控制卷积的解码器构建跨模态特征提取网络进行特征提取处理；引入空间通道注意力融合模块，结合具有递归门控制卷积的编码器与具有递归门控制卷积的解码器构建特征约束融合网络进行特征融合处理，得到融合后的多模态图像。本发明通过获取多模态图像不同模态的深度特征提升图像的融合精度。本发明作为一种基于模态特征约束的多模态视觉信息融合方法及系统，可广泛应用于图像融合技术领域。
-
公开(公告)号：CN112626386A
公开(公告)日：2021-04-09
申请号：CN202011216792.8
申请日：2020-11-04
申请人： 佛山科学技术学院
摘要： 本发明属金属材料技术领域，公开了一种高强耐蚀的Al‑Mg‑Si‑Cu系铝合金及其制备方法和应用，按重量百分比计包括Mg 0.8‑1.0％、Si 0.9‑1.3％、Cu 0.5‑0.9％、Mn 0.4‑0.8％和Fe≤0.50％。本发明基于微合金化原理，优化设计合金各合金元素的含量，获得高稳定性强化Q(Al5Cu2Mg8Si6)相，避免形成耐热性较差，并且在高温时效容易粗化，强度降低的Mg2Si相、Al2Cu相和Mg2Si相；本发明采用双级时效，通过高温时效调控Cu元素在析出相/基体、晶界/晶内分布，减小析出相/基体、晶界/晶内电位差，从而有效提高合金的耐蚀性；通过本发明可获得高强耐蚀的铝合金，适合应用于汽车车身结构的加工和生产，应用前景广泛。
-
公开(公告)号：CN118314021A
公开(公告)日：2024-07-09
申请号：CN202410738135.1
申请日：2024-06-07
申请人： 佛山科学技术学院
IPC分类号： G06T3/4053 , G06T3/4046 , G06T5/60 , G06T5/20 , G06T5/50 , G06T5/70 , G06N3/045 , G06N3/0475
摘要： 本申请属于图像处理技术领域，公开了一种超分辨率三模态医学融合图像生成方法，包括步骤：A1.获取多组源图像；每组源图像包括配准的三种模态的源图像；A2.对各组源图像进行模糊处理和融合处理，得到对应的模糊源图像和超分辨率融合图像，形成多个样本；A3.构建图像融合模型；图像融合模型包括用于对三种模态的源图像进行融合的三模态融合注意力模块和用于对三模态融合注意力模块的输出特征进行去噪的条件扩散模型；A4.利用样本，训练图像融合模型，得到训练好的图像融合模型；A5.利用训练好的图像融合模型对配准的三种模态的待融合的源图像进行融合；从而能够同时实现三模态医学图像的融合和超分辨率处理，以提高融合图像的质量。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.032 秒)
