专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果4413774个,建议您升级VIP下载更多相关专利
  • [发明专利]图像处理方法、装置、终端及存储介质-CN202010169543.1有效
  • 黄锋华;颜海强 - OPPO广东移动通信有限公司
  • 2020-03-12 - 2023-07-18 - G06T5/00
  • 所述方法包括:获取图像,图像是指经过光源照射后存在区域的图像;调用完成训练的模型;通过完成训练的模型对图像进行处理,得到图像;其中,模型的损失函数包括纹理损失函数和重建损失函数,纹理损失函数用于表征基于模型输出的预测图像的维特征信息与标准图像的维特征信息之间的差异程度,重建损失函数用于表征预测图像的特征信息与标准图像的特征信息之间的差异程度。本申请实施例实现了有效去除图像中的区域。
  • 图像处理方法装置终端存储介质
  • [发明专利]图像处理方法、装置及电子设备-CN202010503327.6在审
  • 黄佳斌 - 北京有竹居网络技术有限公司
  • 2020-06-05 - 2020-10-09 - G06T5/00
  • 本公开实施例提供了一种图像处理方法、装置及电子设备,属于图像技术领域,该方法包括:获取初始图像,其中,所述初始图像包括漫反射成分和显示的镜面反射成分;计算所述初始图像的最大色度值;根据所述初始图像的最大色度值,得到所述漫反射图像;将所述漫反射图像作为所述初始图像后的结果图像输出。通过本公开的方案,结合图像的成像模型是根据漫反射模型的漫反射成分和镜面反射模型的镜面反射成分线性叠加而得的原理,通过提取图像中漫反射图像对应的漫反射成分,即可作为初始图像处理后的结果图像,极大程度地降低了直接从初始图像中消除镜面反射成分可能造成的失真问题,优化了图像处理效果。
  • 图像去高光处理方法装置电子设备
  • [发明专利]一种抗干扰的PIR控制电路、装置及控制方法-CN202310426842.2在审
  • 王鸣泽;韦宗信;龚灼焱;皮峰;柳妹秀;董晓勇 - 深圳盈特创智能科技有限公司
  • 2023-04-12 - 2023-07-07 - H05B45/12
  • 本发明公开了一种抗干扰的PIR控制电路、装置及控制方法,包括:控制模块、电源模块、LED驱动模块、频闪模块、PIR感应模块、开关控制模块、感应模块及LED接口控制模块;所述控制模块与所述电源模块、所述LED驱动模块、所述频闪模块、所述PIR感应模块、所述开关控制模块、所述感应模块及所述LED接口控制模块电连接;所述电源模块与所述LED驱动模块、所述频闪模块、所述PIR感应模块、所述开关控制模块、所述感应模块及所述LED接口控制模块电连接;所述LED驱动模块与所述频闪模块及所述LED接口控制模块电连接,所述频闪模块与所述LED接口控制模块电连接。本发明能够实现LED频闪控制及实现PF的LED驱动控制,有成本低廉、PF及抗干扰的优点。
  • 一种干扰pir控制电路装置控制方法
  • [发明专利]基于弱监督学习的图像镜面光去除方法-CN202210842928.9在审
  • 郑元丰;王志刚;蔡鼎梁 - 中山火炬职业技术学院
  • 2022-07-18 - 2022-10-11 - G06T5/00
  • 本发明公开了基于弱监督学习的图像镜面光去除方法,包括如下步骤:首先,利用稀疏非负矩阵分解图像的区域并从无区域裁剪出无图像作为训练数据;接着,将训练数据输入到以端到端方式连接的三个分别执行生成、光去除和图像重建任务的联合训练模块,并使用循环生成对抗网络架构训练网络并生成最终的无图像。本基于弱监督学习的图像镜面光去除方法通过联合训练生成、光去除和重建模块,以循环生成对抗网络的架构完成光去除,训练过程中后续模块的损失函数会反馈至前项模块,实现仅使用图像即可完成训练,并取得良好的效果,相比传统算法以及现有的弱监督学习方法具有操作简单、效果佳的优点。
  • 基于监督学习图像镜面高光去除方法
  • [发明专利]一种针对视频图像的流估计与噪联合学习深度网络模型-CN201810081519.5有效
  • 李望秀 - 南华大学
  • 2018-01-29 - 2021-04-20 - G06T5/00
  • 本发明公开一种针对视频图像的流估计与噪联合学习深度网络模型,属于图像处理领域。该模型包括预处理模块、流估计模块和噪模块,每个模块采用Encoder‑Decoder网络结构,利用样本数据集首先单独训练预处理模块,然后固定预处理模块的相关参数,同时训练预处理模块和流估计模块,最后固定预处理模块和流估计模块的相关参数,整体训练包含三个模块的深度网络模型,利用训练完成的深度网络模型可直接对含噪视频图像进行流估计和噪处理。本发明提出的联合学习深度网络模型,流估计和噪速度快,精度,便于在实际中快速处理大量视频图像。
  • 一种针对视频图像估计联合学习深度网络模型
  • [发明专利]无需信噪比真值图像的结构显微重建方法及装置-CN202110852923.X在审
  • 戴琼海;陈星晔 - 清华大学
  • 2021-07-27 - 2021-11-30 - G06T5/00
  • 一种无需信噪比真值图像的结构显微重建及装置,涉及结构技术领域和机器学习领域,该方案包括:获取待处理生物样本图像,将待处理生物样本图像输入至预先训练的生成器神经网络进行重建处理,得到待处理生物样本图像的重建图像;其中,在预先训练的生成器神经网络中增设用于保留结构条纹的预先训练的噪神经网络,预先训练的噪神经网络的训练数据为普通样本。上述方案中的预先训练的噪神经网络可以脱离具体的生物样本进行独立训练,可以直接应用在生物样本上,将输入的含噪声的生物样本实采数据进行噪处理。由此,本申请不仅实现了无需信噪比数据的结构显微重建,降低实验成本,还显著提升了结构显微技术的应用范围。
  • 无需高信噪真值图像结构显微重建方法装置
  • [发明专利]基于局部块最大和最小像素先验的光学遥感影像雾方法-CN202011571222.0有效
  • 张松林;韩杰;范宁馨 - 同济大学
  • 2020-12-27 - 2023-03-28 - G06T5/00
  • 本发明涉及一种基于局部块最大和最小像素先验的光学遥感影像雾方法,包括:步骤1:利用影像潜在信息、大气散射模型和局部块最小像素先验定义计算修正后的大气图;步骤2:根据步骤1获取的修正后的大气图,计算修正的传输图;步骤3:根据大气散射模型,获得初步雾的光学遥感影像;步骤4:利用大气散射模型和局部块最大像素先验定义计算步骤3获取的初步雾的光学遥感影像的大气图;步骤5:根据步骤4获取的初步雾的光学遥感影像的大气图,计算初步雾光学遥感影像传输图;步骤6:根据大气散射模型获得增强对比度的雾光学遥感影像。与现有技术相比,本发明具有精度、处理速度快、效率高等优点。
  • 基于局部最大最小像素先验光学遥感影像方法
  • [发明专利]一种基于U型空洞残差网络的图像方法-CN202010461626.8有效
  • 罗凌杰;陈华华;余帅东 - 杭州电子科技大学
  • 2020-05-27 - 2023-04-18 - G06T5/00
  • 本发明公开了一种基于U型空洞残差网络的图像方法。现有在方法需要多幅多角度的图像,限制了其应用,并且处理流程复杂,步骤繁琐,实时性较弱。本发明方法包括训练阶段和测试阶段。首先构建光网络模型,模型由U型结构、空洞残差结构组成。U型结构使用压缩部分提取图像深层信息,使用扩展部分重构得到图像的边缘、纹理特征,空洞残差结构利用原图以及U型结构提取到的特征对无图像进行预测。模型训练完成后,直接将测试图像缩放为固定大小并由模型预测无图像。本发明的模型结构能够实时高效地去除图像中的现象,并对色彩、纹理复杂的图像具有较大的适应性和较强的鲁棒性。
  • 一种基于空洞网络图像去高光方法
  • [发明专利]一种基于雾线先验的图像雾方法-CN202010287749.4在审
  • 陈广锋;王军舟;余立潮;唐云卿 - 东华大学
  • 2020-04-13 - 2020-08-18 - G06T5/00
  • 本发明涉及一种基于雾线先验的图像雾方法,采用改进的大气值,透射率多重修正的方法,保证雾后的图像,雾程度,具有良好的视觉效果。相对于传统的先验雾方法,本发明利用非局部总广义变分正则化的方法估算初始透射率,来解决雾线中像素相似性以及初始透射率估算不准确问题。随后利用边窗滤波算法对初始透射率进行优化,从而确保雾后的图像具有丰富的纹理和边缘信息,并且解决了色彩偏移等问题。同时使用图像弱暗通道的方法估算大气值,使得大气值更准确,从而达到实用性和有效性的雾效果。
  • 一种基于先验图像方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top