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5564个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于canvas前端页面转图片的实现方法-CN202310940667.9在审
  • 马珊珊 - 北银金融科技有限责任公司
  • 2023-07-28 - 2023-10-27 - G06T11/00
  • 本发明提供的一种基于canvas前端页面转图片的实现方法,所述实现方法包括:链接图片跨域;图片保存下载;Canvas绘图,对所述图片进行模糊处理;采用Canvas实现页面转图片。基于浏览器对于canvas的支持,依据浏览器自底层向上层渲染层叠DOM节点内容的规则,通过window.devicePixelRatio获取设备上物理像素和设备独立像素的比例,在绘制的过程中对于字体大小、宽高、位置等尺寸都乘以devicePixelRatio解决图片模糊问题。外域图片地址进行本地输出会因为不同源而出现跨域问题,绘制图片时为img添加crossOrigin为anonymous来允许跨域。
  • 一种基于canvas前端页面图片实现方法
  • [发明专利]一种端到端波前编码的景深扩展成像方法-CN202310834104.1在审
  • 王军华;吕宇星;李一丹;蒋颖;胡凯;叶璐 - 复旦大学
  • 2023-07-08 - 2023-10-27 - G06T11/00
  • 本发明属于光学设计和图像处理技术领域,具体为端到端波前编码景深扩展成像方法。本发明实现步骤如下:输入清晰的图像数据集;建立光学层,获得编码图像;构建图像后处理网络,生成解码图像;利用联合光学层和图像后处理网络的端到端网络更新光学层权重和图像后处理网络参数;利用获得的最佳光学层权重加工组装编码相机;利用编码相机拍摄图片,使用训练得到的图像后处理网络解码,获得大景深清晰图像。本发明联合光学系统设计和数字处理阶段,实现了端到端的网络优化,有利于简化光学系统结构,扩展成像系统景深,提高图像质量。本发明可广泛应用于各种领域的成像系统中,例如医学影像的自动诊断和智能分析、工业制造的缺陷检测和安防监控等。
  • 一种端到端波前编码景深扩展成像方法
  • [发明专利]画报图像生成方法、装置、设备和存储介质-CN202310834333.3在审
  • 郭文超 - 中国平安人寿保险股份有限公司
  • 2023-07-07 - 2023-10-27 - G06T11/00
  • 本发明实施例提供画报图像生成方法、装置、设备和存储介质,涉及金融科技技术领域。通过获取初始位置数据、初始图像和人像图像在内的初始生成素材;根据初始位置数据生成图像码,获取底图模板并与初始图像进行合成得到第一画报图像,根据预设遮蔽规则生成蒙版图像,再将图像码合成在蒙版图像上得到第二画报图像,最后根据人像图像、第一画报图像和第二画报图像得到目标画报图像。避免将初始生成素材上传至合成服务器,从而减少网络层大文件数据的传输导致的画报图像合成效率低的问题。在需要进行大量画报合成操作时,将画报生成的过程分散到终端设备上,利用终端的图像合成功能接口进行画报图像生成,提升画报图像的合成效率。
  • 画报图像生成方法装置设备存储介质
  • [发明专利]样本图像的生成方法、装置、服务器、存储介质及产品-CN202310877429.8在审
  • 王凡祎;苏婧文 - OPPO广东移动通信有限公司
  • 2023-07-17 - 2023-10-27 - G06T11/00
  • 本申请提供了一种样本图像的生成方法、装置、服务器、存储介质及产品,属于图像处理技术领域。方法包括:获取参考图像,所述参考图像中的人物手持第一物体;将所述参考图像中的所述第一物体替换为第二物体,得到第一图像,所述第一图像中的人物手持所述第二物体;确定所述第一图像的掩膜图像;将所述第一图像和所述第一图像的掩膜图像组成一对样本图像,所述样本图像用于训练主体抠图模型。本申请第一图像中除第二物体以外的图像内容与参考图像中除第一物体以外的图像内容是一样的,也即第一图像是仅改变了参考图像中的局部内容,这样相较于生成全新的图像,保证了第一图像的自然与真实性,提高了基于第一图像生成的样本图像的图像质量。
  • 样本图像生成方法装置服务器存储介质产品
  • [发明专利]一种基于大数据技术的干涉阵列大视场效应消除方法-CN202310075353.7在审
  • 张利 - 贵州大学
  • 2023-02-07 - 2023-10-27 - G06T11/00
  • 本发明提供了一种基于大数据技术的干涉阵列大视场效应消除方法,涉及射电干涉成像技术领域,包括:根据望远镜性能参数和大视场原理,制作图像数据集;基于深度流形学习网络DML与AutoMap构建NAMP模型,并对NAMP模型输入图像数据集进行训练,得到训练好的NAMP模型;对实际测量的大视场数据所包含的仪器效应进行校准;将校准后的大视场数据输入训练好的NAMP模型,获得消除大视场效应的图像。本发明的深度学习具有海量参数和多层架构,能够极大地减少逼近误差,可以有效地解决模型驱动的大视场算法存在逼近误差与计算资源的平衡的难题,同时既可用于地基干涉阵列也适合空间干涉阵列。
  • 一种基于数据技术干涉阵列视场效应消除方法
  • [发明专利]用于计划优化软件的流程图绘制系统-CN202310780248.3在审
  • 赵南浩;刘聪;张志伟;郭森权;朱航霖 - 浙江中控技术股份有限公司
  • 2023-06-29 - 2023-10-27 - G06T11/00
  • 本发明涉及一种用于计划优化软件的流程图绘制系统,包括:模型组件库模块,用于存储流程图的连接单元的图元;流程图绘制模块,用于调用模型组件库模块中的图元,并在图元之间绘制连接线,从而绘制成工业流程图;图元属性模块,用于绑定图元与对应的装置、工业设备、连接线以及节点的约束的数据集;约束配置模块,用于配置工业流程图中的图元与图元属性模块的对应关系;结果详情模块,用于基于图元属性模块中的图元和绑定对应的数据集,调用优化方法之后基于工业流程图生成不同案例或版本的最符合当前方法效益的最优解。本发明提高了企业供应链的优化能力。
  • 用于计划优化软件流程图绘制系统
  • [发明专利]一种用于高维光谱与中间连接空间转换的重建算法-CN202310053717.1在审
  • 曹前;葛惊寰 - 上海出版印刷高等专科学校
  • 2023-02-03 - 2023-10-27 - G06T11/00
  • 本发明一种用于高维光谱与中间连接空间转换的重建算法,包括以下步骤:步骤1:高维光谱数据集用高维光谱矩阵R表示;步骤2:R分别在照明光源I1和I2的观察条件下得到T1和T2,将R在I1下的转换矩阵设为D1,R在I2下的转换矩阵设为D2,D1和D2结合得到转换矩阵D,T1和T2结合得到中间连接空间T;步骤3:定义一个矩阵W,在R未形成相关矩阵之前与W相乘得到权重高维光谱矩阵RW,再由RW得到相关矩阵ΣW,将ΣW的前m(m≤n)个特征值对应的特征向量组成矩阵#imgabs0##imgabs1#配合RW得到低维空间C;步骤4:建立T与C的二阶多项式回归关系式,并通过训练样本确定转换系数和系数矩阵A,得到转换后的低维空间CR;步骤5:根据CR重建R。
  • 一种用于光谱中间连接空间转换重建算法
  • [发明专利]图像处理方法、装置、计算机设备和存储介质-CN202210380253.0在审
  • 翟晓晖;宗金光 - 上海联影医疗科技股份有限公司
  • 2022-04-12 - 2023-10-27 - G06T11/00
  • 本申请涉及一种图像处理方法、装置、计算机设备和存储介质。该方法包括:计算机设备对待处理图像进行区域划分,得到待处理图像的多个子区域图像,确定各子区域图像对应的子校正系数图,根据各子校正系数图确定待处理图像的目标校正系数图,根据目标校正系数图对待处理图像进行校正,得到目标图像。其中,相邻的子区域图像之间存在重叠区域。在本方案中,将现有技术中的直接对待处理图像的整体图像不均匀校正处理,变换为局部图像不均匀校正处理,将校正颗粒度细化,从而提高了待处理图像的校正结果的准确性;此外,相邻的子区域图像之间存在重叠区域,使得相邻子区域图像之间具有一定的耦合性,进一步地提高了图像不均匀校正的准确性。
  • 图像处理方法装置计算机设备存储介质
  • [发明专利]基于深度学习的图像处理方法-CN202311015380.1在审
  • 姚国荣;沈恺;赵峰;严森祥 - 浙江大学医学院附属第一医院
  • 2023-08-11 - 2023-10-27 - G06T11/00
  • 本发明公开了一种基于深度学习的图像处理方法,包含:获取若干鼻咽癌病例的对应的平扫期CT图像和增强期CT图像;对所述平扫期CT图像和所述增强期CT图像进行标注;对所述平扫期CT图像和所述增强期CT图像进行预处理;将若干病例划分为训练集和测试集;先通过训练集的病例的增强期CT图像训练深度学习模型;再通过训练集的病例的平扫期CT图像训练所述深度学习模型;通过测试集的病例的增强期CT图像和平扫期CT图像对训练后的所述深度学习模型进行测试;采集患者的待识别平扫期CT图像并输入训练好的所述深度学习模型得到勾画结果。本发明提供的基于深度学习的图像处理方法,在不注射造影剂的情况下也能对CT图像进行精准的靶区自动勾画。
  • 基于深度学习图像处理方法

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