“石争浩”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果71个，建议您升级VIP下载更多相关专利

[发明专利]融合深度学习和传统图像增强技术的水下图像增强方法-CN202210395296.6在审
发明人： 石争浩;王永丽;周昭润 -专利权人：西安理工大学
申请日： 2022-04-15 - 公布日： 2022-07-15 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种融合深度学习和传统图像增强技术的水下图像增强方法，首先，分析了输入的水下图像各通道与其对应自然图像的平均值差，从差异就可以看出红色通道需要补偿，绿色通道需要衰减。所以颜色补偿是利用注意力引导的残差网络对输入的水下图像的R通道和G通道执行的，该策略的动机是观察到大多数水下图像都由相对单一且均匀的颜色分布组成的。针对场景对比度增强和场景去模糊，开发了多尺度卷积神经网络，其中引入了CLAHE(限制对比度自适应直方图均衡)和Gamma校正算法作为补充来处理复杂和多变的水下成像环境。实验结果表明本发明的水下图像增强方法取得的效果是比较好的。
融合深度学习传统图像增强技术水下方法

[发明专利]基于分层模型的局部运动模糊区域自动检测提取方法-CN201910470451.4有效
发明人：赵明华;李丹;石争浩;岳丽琴;程丹妮 -专利权人：西安理工大学
申请日： 2019-05-31 - 公布日： 2022-04-12 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于分层模型的局部运动模糊区域自动检测提取方法，先输入一幅大小为M×N的模糊图像，用滑动窗口对图像分块并利用频率域模糊度衡量算法对模糊图像按块计算出其对应的模糊区域映射图m(x,y)；再对其进行二值化阈值处理，得到初步模糊检测图像；再分别对初步模糊检测图像中的模糊区域与清晰区域进行腐蚀、膨胀处理，得到对应的前景、背景映射图；再利用前景、背景映射图对原始模糊图像进行标记，得到模糊图像所对应的trimap图；后利用k近邻抠图算法实现模糊区域的精确检测，得到模糊图像所对应的alpha图；后利用得到的alpha图提取出模糊图像所对应的模糊区域以及清晰区域。本发明为分层局部运动模糊图像复原方法提供了一种有效的预处理方法。
基于分层模型局部运动模糊区域自动检测提取方法

[发明专利]一种基于显著性分析的点云建筑物立面窗户提取方法-CN201910954155.1有效
发明人：郝雯;楚良;王映辉;石争浩;赵明华 -专利权人：西安理工大学
申请日： 2019-10-09 - 公布日： 2022-03-04 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了基于显著性分析的建筑物立面窗户提取方法，步骤1、计算每点的法向量与建筑物立面主方向的差异得到全局显著性，设定阈值提取全局显著性高的点；步骤2、计算建筑物立面点云中每点与其局部临近点的几何特征差异，设定阈值提取局部显著性高的点；步骤3、合并步骤1与步骤2提取的显著性高的点，去除集合中距离最高和最低点较近的点，得到高显著特征点集合；步骤4、对高显著特征点集合进行纵向、横向切分，构建每个切片中点云数据的累计直方图，将其转化为二进制形式，将1‑0变换处确定为窗户的纵向、横向切分处；步骤5、对分割结果进行修正，完成窗户的提取。解决现有技术中因点云数据质量差导致立面重复结构识别不准确的问题。
一种基于显著分析建筑物窗户提取方法

[发明专利]基于卷积神经网络与门控循环单元的心律失常分类方法-CN202110909940.2在审
发明人： 石争浩;殷志燕;黑新宏;冯亚宁;罗靖;尤珍臻;任晓勇;葛飞航;刘海琴 -专利权人：西安理工大学
申请日： 2021-08-09 - 公布日： 2021-12-10 - 主分类号： A61B5/318 文献下载
摘要：本发明公开了一种基于卷积神经网络与门控循环单元的心律失常分类方法，具体按照以下步骤实施：步骤1、选取MIT‑BIH心律失常数据库的心电数据作为本发明数据集；步骤2、对步骤1选取的心电数据集进行预处理；步骤3、对步骤2预处理后的心电数据进行分割；构建分类网络模型；步骤4、利用步骤3分割心电数据的部分节拍数据片段作为训练集对网络模型进行训练；步骤5、将步骤3分割心电数据的剩余心电数据片段作为测试集输入所述训练好的基于卷积神经网络与门控循环单元的网络模型中，最终输出心电信号片段的分类结果。解决了现有技术中存在的网络梯度消失和部分心律失常疾病分类准确度低的问题。
基于卷积神经网络门控循环单元心律失常分类方法

[发明专利]一种基于深度学习的遥感图像去雾增强方法-CN202110847620.9在审
发明人： 石争浩;邵帅;尤珍臻;都双丽 -专利权人：西安理工大学
申请日： 2021-07-27 - 公布日： 2021-11-16 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于深度学习的遥感图像去雾增强方法，包括以下步骤：构建卷积神经网络模型，卷积神经网络模型包括卷积层、卷积残差模块、FEM_BLOCK、大气散射模型层；对卷积神经网络模型进行训练，然后采用损失函数对输出结果进行约束，调整卷积神经网络模型参数，得到遥感图像去雾增强网络模型；利用遥感图像去雾增强网络模型对有雾遥感图进行处理，得到去雾图像。将去雾和超分辨两个领域相结合，使网络在去雾的同时，能够对去雾后的遥感图像进行增强工作，获得高质量的遥感图像为后续的遥感图像处理工作提供高质量的数据。
一种基于深度学习遥感图像增强方法

[发明专利]基于信息融合的肝脏CT影像肿瘤分割方法-CN202110774512.3在审
发明人：赵明华;闫茹萍;都双丽;胡静;石程;李鹏;石争浩 -专利权人：西安理工大学
申请日： 2021-07-08 - 公布日： 2021-11-16 - 主分类号： G06T7/11 文献下载
摘要：本发明公开的基于信息融合的肝脏CT影像肿瘤分割方法，具体按照以下步骤实施：步骤1、通过三维直方图重建模型对图像做平滑与去噪预处理，得到预处理后的肝脏CT图像B；步骤2、分别提取肝脏CT图像B的光谱、纹理和空间关系三类不同的特征，得到肝脏CT图像B对应的三幅特征图像；步骤3、对肝脏CT图像B的三幅不同的特征图像的像素进行聚合处理，用改进的区域生长算法检测原始图像A中肿瘤部分的边缘，得到融合后的图像C1；步骤4、结合形态学运算对步骤3融合后的图像C1中检测到的肿瘤部分的边缘进行后处理操作，形成最终的图像分割结果图A’。该方法解决了现有技术中存在的CT影像肿瘤分割方法中检测肿瘤边缘模糊的问题。
基于信息融合肝脏 ct 影像肿瘤分割方法

[发明专利]一种面向点云物体的三维素描画模拟方法-CN201711241794.0有效
发明人：郝雯;王映辉;宁小娟;王超;赵明华;吕志勇;石争浩 -专利权人：西安理工大学
申请日： 2017-11-30 - 公布日： 2021-09-10 - 主分类号： G06T15/60 文献下载
摘要：本发明公开了一种面向点云物体的三维素描画模拟方法，包含以下步骤：利用移动最小二乘法计算每点的曲率信息，设定阈值提取点云物体中的谷脊点，并利用主成份分析法分别连接脊点与谷点，形成脊线和谷线并进行优化；给定z轴正方向为视线方向，将模型点集投影到xoy平面上获取二维点集，提取其轮廓点，利用最短距离连接法将轮廓点进行连接；根据步骤1、得到的脊线和谷线，利用改进后的光线追踪方法对脊线和谷线的可见性进行判断；设定虚拟光源，给出一种阴影区域界定方法，划分阴影区域范围，同时在特定的阴影区域内，分析阴影线条的亮度分布情况，来处理阴影区域的线条亮度表达，最后结合线条模型和阴影区域表达，从而达到素描画的效果。
一种面向物体三维素描模拟方法

[发明专利]一种基于残差双注意力网络的水下图像增强方法-CN202110578932.4在审
发明人： 石争浩;尚荣荣;尤珍臻;赵明华;冯亚宁;葛飞航 -专利权人：西安理工大学
申请日： 2021-05-26 - 公布日： 2021-08-27 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于残差双注意力网络的水下图像增强方法，具体按照以下步骤实施：步骤1、对输入的图像进行预处理；步骤2、将预处理的图像映射到R通道、G通道、B通道，分别对每个颜色通道进行单独的卷积操作；步骤3、使用基于残差双注意力的编解码器的深度网络架构对图像进行处理，编码器用于提取图像特征，减少空间维度，增大感受野；解码器用于逐步恢复恢复图像的细节信息和空间维度；利用预处理的图像对残差双注意力网络模型进行训练，得到训练好的残差双注意力网络模型；步骤4、将模糊的低质量的水下图像输入所述训练好的残差双注意力网络模型中，得到清晰的水下图像。解决了现有技术中存在的水下图像存在的颜色偏差的问题。
一种基于残差双注意力网络水下图像增强方法

[发明专利]一种基于深度卷积残差网络的心律失常分类方法-CN202110479638.8在审
发明人： 石争浩;殷志燕;任晓勇;黑新宏;刘海琴;罗靖;尤珍臻;赵明华;葛飞航;陈敬国 -专利权人：西安理工大学
申请日： 2021-04-30 - 公布日： 2021-08-20 - 主分类号： A61B5/352 文献下载
摘要：本发明公开了一种基于深度卷积残差网络的心律失常分类方法，具体按照以下步骤实施：步骤1、选取MIT‑BIH心律失常数据库的心电数据；步骤2、对步骤1选取的心电数据进行预处理；步骤3、对步骤2预处理后的心电数据进行分割；构建分类网络模型；步骤4、利用步骤3分割的心电数据对网络模型进行训练；步骤5、将待测试的心电数据片段输入所述训练好的深度卷积残差网络模型，最终输出心电信号片段的分类结果。解决了现有技术中存在的疾病分类准确度低的问题。
一种基于深度卷积网络心律失常分类方法

[发明专利]一种基于自适应权重全变分模型的图像去噪方法-CN201810644119.0有效
发明人：赵明华;陈棠;石争浩;李兵;李丹;王秦;袁飞 -专利权人：西安理工大学
申请日： 2018-06-21 - 公布日： 2021-08-06 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于自适应权重全变分模型的图像去噪方法，按照建立自适应权重全变分模型；使用非局部均值滤波器处理噪声图像，得到估计去噪图像；对噪声图像进行预处理后使用四个边缘算子进行检测，得到边缘检测图像，并根据四个边缘算子定义自适应范式参数；根据自适应范式参数将边缘检测图像的像素重置后得到含噪图像的权重矩阵；将估计去噪图像、自适应范式参数和权重矩阵代入至自适应权重全变分模型中得到去噪图像的步骤。本发明能够根据图像特征自适应的将图像的边缘区域和平滑区域分开处理，在去除噪声的同时保持图像的纹理和边缘，避免了阶梯效应的产生。
一种基于自适应权重全变分模型图像方法

[发明专利]基于前景提取的逆光图像增强方法-CN202110069644.6在审
发明人：赵明华;程丹妮;都双丽;胡静;王理;李鹏;石争浩 -专利权人：西安理工大学
申请日： 2021-01-19 - 公布日： 2021-05-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于前景提取的逆光图像增强方法，具体按照以下步骤实施：输入逆光图像，将图中的逆光区域视为待增强的前景，标记出图像的已知前景部分和未知像素区域，获取图像对应的trimap图；根据原始图像和得到的trimap图，利用KNN抠图算法计算其透明度掩膜值，获得前景蒙版；根据前景蒙版提取出图像前景，利用对数变换对提取出的前景进行增强，得到增强后的前景图；将得到的增强后的前景图与原始图像进行合成，逆光区域被增强后的前景替代，得到最终的增强图像。与现有的增强方法相比，不仅没有过度曝光图像中光照正常的区域，且有效的保留了图像的细节与颜色，提高了逆光图像的质量。
基于前景提取逆光图像增强方法

[发明专利]一种基于金字塔模型和非局部增强密集块的图像去雨方法-CN202110071180.2在审
发明人：赵明华;范恒瑞;都双丽;胡静;李鹏;王理;石争浩 -专利权人：西安理工大学
申请日： 2021-01-19 - 公布日： 2021-04-30 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于金字塔模型和非局部增强密集块的图像去雨方法，步骤为：构建雨图像数据集，将数据集划分为训练集、测试集和验证集；将训练集中的每一幅雨图像进行下采样处理得到被分解的图像；将获得的分解图像输入到拉普拉斯金字塔中，拉普拉斯金字塔中每一层用于处理雨图像中单一的高频分量；将获得的下采样图像输入到卷积层中，进行浅层特征提取；将得到的特征图输入到非局部增强块，对特征图进行非局部增强操作，然后输入到密集块中，得到丰富的特征图；将得到的特征图输入到两个残差块中，得到去雨图像，接着输入到高斯金字塔中，逐步的恢复去雨图像，最后恢复的图像在高斯金字塔的底层。
一种基于金字塔模型局部增强密集图像方法

[发明专利]一种基于灰度世界自引导网络的单幅沙尘图像恢复方法-CN202011065330.0在审
发明人： 石争浩;刘春月 -专利权人：西安理工大学
申请日： 2020-09-30 - 公布日： 2021-01-05 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于灰度世界自引导网络的单幅沙尘图像恢复方法，具体按照如下步骤进行，首先获取图像数据集，对图像数据集中的每个图像进行归一化处理，得到训练集；再构建生成对抗网络模型，生成对抗网络模型包括生成网络和判别网络，生成网络；利用训练集对所述生成对抗网络模型进行训练，得到训练后的生成对抗网络模型；将沙尘图像输入所述训练后的生成对抗网络模型中，得到的恢复后的图像。本发明通过不同的损失函数对沙尘图像恢复网络参数进行迭代优化，丰富沙尘图像恢复网络的语义信息，得到更加清晰的图像。
一种基于灰度世界引导网络单幅沙尘图像恢复方法

[发明专利]一种基于灰度世界自适应网络的单幅沙尘图像恢复方法-CN202010879073.8在审
发明人： 石争浩;刘春月 -专利权人：西安理工大学
申请日： 2020-08-27 - 公布日： 2020-12-11 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于灰度世界自适应网络的单幅沙尘图像恢复方法，具体按照如下步骤进行：步骤1：获取图像数据集，对图像数据集中的每个图像进行归一化处理，得到训练集；步骤2：构建生成对抗网络模型，生成对抗网络模型包括生成网络和判别网络，生成网络包括：灰度世界的颜色校正子网络和沙尘图像恢复子网络；步骤3：利用训练集对所述生成对抗网络模型进行训练，得到训练后的生成对抗网络模型；步骤4：将沙尘图像输入所述训练后的生成对抗网络模型中，得到的恢复后的图像。本发明通过不同的损失函数对沙尘图像恢复网络参数进行迭代优化，丰富沙尘图像恢复网络的语义信息，得到更加清晰的图像。
一种基于灰度世界自适应网络单幅沙尘图像恢复方法

[发明专利]一种基于上下文引导生成对抗网络的单幅图像去雾方法-CN202010844333.8在审
发明人： 石争浩;周昭润 -专利权人：西安理工大学
申请日： 2020-08-20 - 公布日： 2020-12-11 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了本发明一种基于上下文引导生成对抗网络的单幅图像去雾方法，生成网络包括特征提取编码器、上下文信息提取解码器及融合解码器，通过金字塔解码器捕捉特征提取编码器提取的深层特征，提取深层特征中隐含的上下文信息，得到粗去雾图像；通过融合解码器对特征提取编码器、上下文信息提取解码器获取的图像特征进行融合，得到质量优良的细去雾图像。生成对抗网络模型网络结构操作简单，易于实现；通过不同的损失函数对上下文信息提取解码器、融合解码器参数进行迭代优化，丰富融合网络的语义信息，产生更清晰的去雾结果。
一种基于上下文引导生成对抗网络单幅图像方法