-
公开(公告)号:CN114185497A
公开(公告)日:2022-03-15
申请号:CN202111482788.0
申请日:2021-12-07
申请人: 北京印刷学院
摘要: 本申请提供一种色彩匹配方法、装置、设备和存储介质,所述色彩匹配方法,包括:测量目标基元的三刺激值;获取待打印图像中的每个像素点的三刺激值;根据所述目标基元的三刺激值和所述待打印图像中的每个像素点的三刺激值,进行匹配处理,得到所述待打印图像中的每个像素点的匹配结果。上述色彩匹配方法、装置、设备和存储介质能够快速实现颜色匹配复现,不需要复杂的加网算法,同时也不需要打印和测试大量不同网点面积率的色彩管理的标准色标,节约了资源。
-
公开(公告)号:CN116630159A
公开(公告)日:2023-08-22
申请号:CN202310610809.5
申请日:2023-05-26
申请人: 北京印刷学院
IPC分类号: G06T3/40 , G06T5/50 , G06V10/80 , G06V10/54 , G06V10/422 , G06V10/58 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
摘要: 本发明提供了一种光谱图像的融合超分辨率方法、系统及电子设备,对初始低分辨率高光谱图像进行空间上采样,得到第一高分辨率高光谱图像;对初始高分辨率RGB图像依次进行空间下采样和空间上采样,得到第一高分辨率RGB图像;分别提取初始高分辨率RGB图像、第一高分辨率RGB图像和第一高分辨率高光谱图像的多阶特征向量;融合全部多阶特征向量和第一高分辨率高光谱图像以得到第二高分辨率高光谱图像。采用本发明能够利用已有高分辨率RGB图像对低分辨率高光谱图像进行超分辨率重建,从而获得高分辨率高光谱图像。
-
公开(公告)号:CN114185497B
公开(公告)日:2023-05-16
申请号:CN202111482788.0
申请日:2021-12-07
申请人: 北京印刷学院
摘要: 本申请提供一种色彩匹配方法、装置、设备和存储介质,所述色彩匹配方法,包括:测量目标基元的三刺激值;获取待打印图像中的每个像素点的三刺激值;根据所述目标基元的三刺激值和所述待打印图像中的每个像素点的三刺激值,进行匹配处理,得到所述待打印图像中的每个像素点的匹配结果。上述色彩匹配方法、装置、设备和存储介质能够快速实现颜色匹配复现,不需要复杂的加网算法,同时也不需要打印和测试大量不同网点面积率的色彩管理的标准色标,节约了资源。
-
公开(公告)号:CN116773018A
公开(公告)日:2023-09-19
申请号:CN202310738127.2
申请日:2023-06-21
申请人: 北京印刷学院
摘要: 本发明提供一种计算光谱成像的空谱联合图像重建方法及系统,包括:根据CASSI系统获得目标对象的二维混叠图像;将二维混叠图像进行预处理,得到第一高光谱图像;对第一高光谱图像交替进行空间注意力机制和下采样处理,确定空间特征;其中,空间注意力机制包括:对输入数据按照空间维度展开进行注意力机制运算得到中间空间特征;对空间特征交替进行上采样、光谱注意力机制和全局跳跃连接处理,确定第二高光谱图像;其中,光谱注意力机制包括:融合对输入数据按照光谱维度展开进行注意力机制运算得到的光谱全局特征和光谱局部特征,获得光谱特征;全局跳跃连接包括:对光谱特征和对应尺度的中间空间特征进行相加。本发明提高了重建高光谱图像的精度。
-
公开(公告)号:CN114155178A
公开(公告)日:2022-03-08
申请号:CN202111483816.0
申请日:2021-12-07
申请人: 北京印刷学院
摘要: 本申请提供一种光谱图像的构建方法、装置、设备和存储介质,所述方法,包括:获取待处理光谱图像和所述待处理光谱图像对应的彩色图像;对所述待处理光谱图像进行预处理,得到预处理光谱图像;将所述预处理光谱图像和所述彩色图像输入特征学习器进行多层特征学习处理,得到目标光谱图像,所述多层特征学习处理包括多个深层特征学习处理和多个浅层特征学习处理。上述光谱图像构建方法、装置、设备和存储介质,充分挖掘彩色图像由深层到浅层的所有特征,实现快速重建高精度的高分辨率高光谱图像。
-
公开(公告)号:CN116953585A
公开(公告)日:2023-10-27
申请号:CN202310943004.2
申请日:2023-07-28
申请人: 北京印刷学院
IPC分类号: G01R33/58 , G06T11/00 , G06N3/0455 , G06N3/0464 , G01R33/54
摘要: 本申请提供一种基于双域交叉融合注意力的MRI重建方法和装置,该方法应用于核磁共振检测仪中的处理器,处理器包括K空间域网络模型、图像域网络模型、自注意融合模块和交叉注意融合模块。图像域网络模型重建的多阶特征被交叉注意融合模块融合指导后,可以被K空间域网络模型有效利用,通过交叉注意融合模块,K空间域网络模型重建的多阶特征也可以被图像域网络模型有效利用。重建过程中的错误或冗余信息可以被有效去除,更好地恢复丢失的信息并保留真实的结构和纹理。在图像域网络模型和K空间域网络模型的结尾添加自注意融合模块,该模块被设计为有效地捕获图像域网络模型和K空间域网络模型的数据,该模块最终输出高清MRI图像。
-
-
-
-
-