-
公开(公告)号：CN118115365A
公开(公告)日：2024-05-31
申请号：CN202410377906.9
申请日：2024-03-29
申请人： 山东财经大学
IPC分类号： G06T3/4053 , G06N3/088 , G06N3/0464 , G06V10/26 , G06V10/764
摘要： 本发明提出的一种无监督的图像超像素生成方法、装置及可读存储介质，所述方法首先对分割图像进行预处理，将图像像素的坐标信息融入到像素特征中，获得图像空间特征。接下来，经过预处理的图像特征进入本发明设计的CRE特征提取模块提取图像特征，最后经过分类层输出超像素置信度估计，利用argmax获得超像素分割结果。本发明基于RIM算法，能够生成质量更高的超像素，更好地贴合图像边缘。
-
公开(公告)号：CN111709483B
公开(公告)日：2021-11-23
申请号：CN202010560820.1
申请日：2020-06-18
申请人： 山东财经大学
摘要： 本发明提供一种基于多特征的超像素聚类方法及设备，方法融合图像的边界特征和纹理特征，结合图像的多种特征实现超像素分割。通过聚类阶段和合并阶段。在聚类阶段，通过衡量像素之间的相似性判定像素的归属，聚类得到预分割超像素；聚类阶段的相似性度量从像素的颜色特征和空间位置特征入手，添加边界特征因子来调和位于边界邻近区域的像素点间的相似程度。过程得到的超像素边缘紧密贴合，但是分割过于细致，因而需要对其进一步修正。在合并阶段，将根据超像素内容的独特性衡量超像素之间的相似程度，将零散的超像素聚合得到最终超像素。本发明与现有方法相比，在保持超像素边界和图像中物体边界贴合方面表现出更高的性能。
-
公开(公告)号：CN117710240B
公开(公告)日：2024-05-24
申请号：CN202311745585.5
申请日：2023-12-15
申请人： 山东财经大学
摘要： 本发明提出的一种自监督图像去噪方法、系统、装置及可读存储介质，所述方法包括：构造含噪图像的数据集；利用非对称下采样盲点网络框架构造互补盲点网络框架，并在互补盲点网络框架中设置掩码映射器分支和具有分块随机置乱的增强像素重组下采样分支；在互补盲点网络框架中，将掩码映射器分支和增强像素重组下采样分支进行组合，在盲点网络中增设判断条件参数，生成互补盲点网络；利用Adam优化器训练互补盲点网络；利用测试数据集，通过对不同下采样步长的结果进行加权平均来获得最终去噪结果。本发明能够补充盲点网络中缺失像素的信息，消除在下采样中产生的混叠伪影，平衡图像纹理区域与平坦区域之间的恢复差距，提高网络的去噪性能。
-
公开(公告)号：CN116342444A
公开(公告)日：2023-06-27
申请号：CN202310123425.0
申请日：2023-02-14
申请人： 山东财经大学
IPC分类号： G06T5/50 , G06T7/00 , G06F17/16 , G06N3/0464
摘要： 本发明提供一种双通道多模态图像融合方法及融合成像终端机，涉及医学成像技术领域，通过JBF变换将源图像分解为结构通道和能量通道；采用局部梯度能量算子将结构通道与组织纤维等小边缘小尺度的细节信息进行融合，采用局部熵细节增强算子、PCNN和相位一致性的NSCT将能量通道与器官边缘强度、纹理特征以及灰度变化情况进行融合；通过逆JBF变换得到融合图像。本发明能够使融合图像在保持边缘、降噪平滑的基础上,增强细节信息,提高与多模态医学图像相似程度的医学图像融合。对结构通道采用改进式的局部梯度能量算子,进一步提高了对融合图像细节信息的表达。
-
公开(公告)号：CN111709483A
公开(公告)日：2020-09-25
申请号：CN202010560820.1
申请日：2020-06-18
申请人： 山东财经大学
摘要： 本发明提供一种基于多特征的超像素聚类方法及设备，方法融合图像的边界特征和纹理特征，结合图像的多种特征实现超像素分割。通过聚类阶段和合并阶段。在聚类阶段，通过衡量像素之间的相似性判定像素的归属，聚类得到预分割超像素；聚类阶段的相似性度量从像素的颜色特征和空间位置特征入手，添加边界特征因子来调和位于边界邻近区域的像素点间的相似程度。过程得到的超像素边缘紧密贴合，但是分割过于细致，因而需要对其进一步修正。在合并阶段，将根据超像素内容的独特性衡量超像素之间的相似程度，将零散的超像素聚合得到最终超像素。本发明与现有方法相比，在保持超像素边界和图像中物体边界贴合方面表现出更高的性能。
-
公开(公告)号：CN118154984B
公开(公告)日：2024-10-29
申请号：CN202410422107.9
申请日：2024-04-09
申请人： 山东财经大学
IPC分类号： G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/088
摘要： 本发明涉及图像处理技术领域，具体提供一种融合引导滤波的无监督邻域分类超像素生成方法及系统，包括：对输入图像进行下采样，得到低分辨率图像；利用轻量化网络模型从所述低分辨率图像提取特征，所述轻量化网络模型包括多尺度金字塔注意力机制和深度可分离U‑Net模块；基于所述特征进行像素邻域分类，得到像素与九邻域超像素对的关联映射；将所述低分辨率图像和所述关联映射输入至引导滤波模块，以原始输入图像作为引导图进行联合上采样得到超像素分割结果。无监督的图像超像素快速准确生成的分割方法，通过超像素快速生成框架降低模型的参数量，加快模型的推理速度。
-
公开(公告)号：CN117710240A
公开(公告)日：2024-03-15
申请号：CN202311745585.5
申请日：2023-12-15
申请人： 山东财经大学
摘要： 本发明提出的一种自监督图像去噪方法、系统、装置及可读存储介质，所述方法包括：构造含噪图像的数据集；利用非对称下采样盲点网络框架构造互补盲点网络框架，并在互补盲点网络框架中设置掩码映射器分支和具有分块随机置乱的增强像素重组下采样分支；在互补盲点网络框架中，将掩码映射器分支和增强像素重组下采样分支进行组合，在盲点网络中增设判断条件参数，生成互补盲点网络；利用Adam优化器训练互补盲点网络；利用测试数据集，通过对不同下采样步长的结果进行加权平均来获得最终去噪结果。本发明能够补充盲点网络中缺失像素的信息，消除在下采样中产生的混叠伪影，平衡图像纹理区域与平坦区域之间的恢复差距，提高网络的去噪性能。
-
公开(公告)号：CN115761242B
公开(公告)日：2023-09-19
申请号：CN202211426937.6
申请日：2022-11-15
申请人： 山东财经大学
摘要： 本发明提供一种基于卷积神经网络和模糊图像特征的去噪方法及终端机，涉及图像处理技术领域，选取预设数量的图像进行裁切，形成图像块，作为干净图像数据集；将干净图像块与合成高斯白噪声相加，得到含噪图像数据集；构造基于模糊图像特征的模糊特征去噪网络BFCNN；利用Adam优化器对模糊特征去噪网络BFCNN进行训练，形成图像去噪网络，并保存训练完成的图像去噪网络；将含噪图像数据集中待去噪的图像输入到训练完成的图像去噪网络中，得到去噪后的图像。通过设置模糊图像作为去噪过程的中间状态，形成了对去噪过程的一个约束，能减少去噪过程中的信息浪费和信息丢失，从而保证了去噪图像的准确性。
-
公开(公告)号：CN115761242A
公开(公告)日：2023-03-07
申请号：CN202211426937.6
申请日：2022-11-15
申请人： 山东财经大学
摘要： 本发明提供一种基于卷积神经网络和模糊图像特征的去噪方法及终端机，涉及图像处理技术领域，选取预设数量的图像进行裁切，形成图像块，作为干净图像数据集；将干净图像块与合成高斯白噪声相加，得到含噪图像数据集；构造基于模糊图像特征的模糊特征去噪网络BFCNN；利用Adam优化器对模糊特征去噪网络BFCNN进行训练，形成图像去噪网络，并保存训练完成的图像去噪网络；将含噪图像数据集中待去噪的图像输入到训练完成的图像去噪网络中，得到去噪后的图像。通过设置模糊图像作为去噪过程的中间状态，形成了对去噪过程的一个约束，能减少去噪过程中的信息浪费和信息丢失，从而保证了去噪图像的准确性。
-
公开(公告)号：CN111260596B
公开(公告)日：2021-06-25
申请号：CN202010022014.9
申请日：2020-01-09
申请人： 山东财经大学
摘要： 本发明提供一种具有抗噪的快速图像超像素自动生成方法，设备以及可读存储介质，获取待处理图像，对图像进行像素点聚类；按照预设的顺序，扫描图像中的每个像素点，选择种子点；将种子点按照预设规则进行生长，形成一个初始区域；遍历图像所有像素点，对所有像素点配置标签，得到图像初始的区域划分；对图像中的初始区域进行合并；生成最终的超像素分割图像。整个方法除了预期超像素数目需要用户指定外，其余参数都根据图像内容自适应计算，避免了人工干预。在整个过程中，像素点均只被处理一次，全程不含有迭代过程。两个阶段均可从正反两个方向同时并行，因此耗时短、效率高。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.029 秒)
