-
公开(公告)号：CN108520499A
公开(公告)日：2018-09-11
申请号：CN201810263319.1
申请日：2018-03-28
申请人： 电子科技大学 , 宁波摩米创新工场电子科技有限公司
摘要： 该发明公开了一种基于白带显微成像的图像偏移矫正方法，涉及图像处理领域，具体涉及白带显微成像的图像偏移矫正方法。本发明通过采用图像偏移校正的方式，将不同焦距，同一视野区域下的图像进行偏移的矫正，从而为后续算法提供了准确的素材图片，提高了图像融合算法的效果，增大了细胞识别算法的识别率。与此前的方法相比，该方法以白带显微图像为背景，针对其特点，提出了一种针对性强，效果好的矫正方法。本发明采用选取特征区域作为图像矫正目标区域的方法，减小了计算量，提高了算法的效率。该特征区域选取方差较大的目标区域，防止了灰度化导致的误差。此外该方法规避了边界与杂质的影响，提高了偏移矫正的精确度。
-
公开(公告)号：CN108596038A
公开(公告)日：2018-09-28
申请号：CN201810261889.7
申请日：2018-03-28
申请人： 电子科技大学 , 宁波摩米创新工场电子科技有限公司
摘要： 该发明公开了一种结合形态学分割和神经网络的粪便中红细胞识别方法，属于图像处理和机器学习技术领域，具体涉及一种结合形态学分割和神经网络的粪便中红细胞识别方法。本发明采用多焦距的方式获得初步的样本图像，再将初步样本图形进行灰度化，二值化，合并等处理，得到样本图像，最后根据获得样本的图像进行神经网络的训练，采用训练的神经网络对图像进行识别，从而本发明识别粪便中红细胞的方法具有高效、准确和成本低的有点。
-
公开(公告)号：CN108564114A
公开(公告)日：2018-09-21
申请号：CN201810262889.9
申请日：2018-03-28
申请人： 电子科技大学 , 宁波摩米创新工场电子科技有限公司
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于机器学习的人体粪便白细胞自动识别方法，涉及基于数字图像处理技术，特别是机器学习技术对人体粪便中白细胞自动识别检测方法。本发明采用对样本图像进行特征提取，采用提取的特征对SVM支持向量机进行训练，然后再将训练好的向量机应用于白细胞的识别，本发明方法具有识别准确，速度快，效率高，计算量小的优点。
-
公开(公告)号：CN108596038B
公开(公告)日：2022-03-15
申请号：CN201810261889.7
申请日：2018-03-28
申请人： 电子科技大学 , 宁波摩米创新工场电子科技有限公司
IPC分类号： G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/04 , G06N3/08
摘要： 该发明公开了一种结合形态学分割和神经网络的粪便中红细胞识别方法，属于图像处理和机器学习技术领域，具体涉及一种结合形态学分割和神经网络的粪便中红细胞识别方法。本发明采用多焦距的方式获得初步的样本图像，再将初步样本图形进行灰度化，二值化，合并等处理，得到样本图像，最后根据获得样本的图像进行神经网络的训练，采用训练的神经网络对图像进行识别，从而本发明识别粪便中红细胞的方法具有高效、准确和成本低的有点。
-
公开(公告)号：CN108520499B
公开(公告)日：2020-02-18
申请号：CN201810263319.1
申请日：2018-03-28
申请人： 电子科技大学 , 宁波摩米创新工场电子科技有限公司
摘要： 该发明公开了一种基于白带显微成像的图像偏移矫正方法，涉及图像处理领域，具体涉及白带显微成像的图像偏移矫正方法。本发明通过采用图像偏移校正的方式，将不同焦距，同一视野区域下的图像进行偏移的矫正，从而为后续算法提供了准确的素材图片，提高了图像融合算法的效果，增大了细胞识别算法的识别率。与此前的方法相比，该方法以白带显微图像为背景，针对其特点，提出了一种针对性强，效果好的矫正方法。本发明采用选取特征区域作为图像矫正目标区域的方法，减小了计算量，提高了算法的效率。该特征区域选取方差较大的目标区域，防止了灰度化导致的误差。此外该方法规避了边界与杂质的影响，提高了偏移矫正的精确度。
-
公开(公告)号：CN108564114B
公开(公告)日：2022-05-27
申请号：CN201810262889.9
申请日：2018-03-28
申请人： 电子科技大学 , 宁波摩米创新工场电子科技有限公司
IPC分类号： G06V10/764 , G06K9/62 , G06V10/774
摘要： 本发明公开了一种基于机器学习的人体粪便白细胞自动识别方法，涉及基于数字图像处理技术，特别是机器学习技术对人体粪便中白细胞自动识别检测方法。本发明采用对样本图像进行特征提取，采用提取的特征对SVM支持向量机进行训练，然后再将训练好的向量机应用于白细胞的识别，本发明方法具有识别准确，速度快，效率高，计算量小的优点。
-
公开(公告)号：CN111405264B
公开(公告)日：2022-04-12
申请号：CN202010068774.3
申请日：2020-01-20
申请人： 杭州电子科技大学
IPC分类号： H04N13/122 , H04N13/128 , H04N13/15
摘要： 本发明公开了一种基于深度调整的3D视频舒适度改善方法。解决了一般3D视频观看不舒适、视觉体验不佳的问题。本发明包括以下步骤：S1：对左视点图、右视点图的深度图都进行预处理，得到预处理图；S2：对预处理图进行深度滤波，得到滤波图；S3：对滤波图进行深度去纹理，得到去纹理图；S4：根据去纹理图进行虚拟视点绘制，获得虚拟右视点彩色图；S5：用虚拟右视点彩色图和原始视点图进行替换得到改善的3D视频。本发明的增益效果是降低了视差、梯度变化、纹理对观感体验的影响，实现了整体舒适度的改善。
-
公开(公告)号：CN105894045B
公开(公告)日：2019-04-26
申请号：CN201610295486.5
申请日：2016-05-06
申请人： 电子科技大学
摘要： 本发明公开了一种基于空间金字塔池化深度网络模型的车型识别方法，首先将车型数据库的图像，导入深度网络模型进行卷积层特征提取，构成卷积层的特征图；再将卷积层特征图的每个图像，按不同尺度进行空间金字塔卷积运算，构成空间金字塔层的特征图；然后池化空间金字塔层的所有特征，构成全连接层，得到车型图像最终的特征表示；将车型图像的特征表示用于线性支持向量机训练，得到车型识别系统；对待识别车辆，同样获取其特征表示，导入识别系统即可识别出其车型。传统的深度网络模型输入图像必须为固定大小，限制了对大规模车型图像数据的操作，本发明采取基于空间金字塔池化的深度网络模型，很好地解决了这个问题，具有较高的实用性和鲁棒性。
-
公开(公告)号：CN109510981A
公开(公告)日：2019-03-22
申请号：CN201910063073.8
申请日：2019-01-23
申请人： 杭州电子科技大学
IPC分类号： H04N17/00 , H04N19/597 , H04N19/625 , H04N13/128
摘要： 本发明涉及视频图像处理技术领域，公开了一种基于多尺度DCT变换的立体图像舒适度预测方法，包括以下步骤：步骤S01：对视差图做若干尺度的块分割并进行二维DCT变换得到每个块的DCT变换结果；步骤S02：对DCT变换结果进行特征提取；步骤S03：将特征提取的结果归一化至一个相同的动态范围内；步骤S04：将归一化后的结果输入至随机森林算法，得出结果。本发明提出的模型预测结果与主观评价结果具有很好的相关性，可以较为准确的反映出立体图像的观看舒适度。该舒适度预测模型可以直接应用在3D图像或视频等质量预测与改善等工程中。
-
公开(公告)号：CN108668135A
公开(公告)日：2018-10-16
申请号：CN201810326867.4
申请日：2018-04-12
申请人： 杭州电子科技大学
IPC分类号： H04N19/65 , H04N19/895 , H04N19/513 , H04N19/176
摘要： 本发明一种基于人眼感知的立体视频B帧错误隐藏方法。传统的错误隐藏技术对于新标准HEVC，以及扩展的多视点的新标准MV-HEVC不能很好适应。本发明方法首先对立体视频中的丢失块划分为静止块和运动块，然后对不同的丢失块类型采用不同的恢复方式，静止块选择直接拷贝的方式；对运动块使用基于双目恰可察觉失真模型的立体视频错误隐藏算法进行恢复，具体是：首先自适应尺寸划分，然后建立候选运动/视差矢量集，计算基于BJND模型匹配准则值，最后选择最优运动矢量恢复。本发明方法除了结合了新标准的特性并改进了已有错误隐藏方法之外，还考虑了人眼对于视频画面的失真度特性，对立体视频在网络传输中发生的网络丢包现象有很好的恢复效果。
-
-
-
-
-
-
-
-
-
搜索结果
61 条记录 (耗时 0.084 秒)
