本发明涉及数据处理技术领域，具体涉及一种消化内镜影像增强分析系统，该系统在预设时间段内，同步获取胃镜图像、胃电图特征、心率、血压、呼吸频率以及正常范围。根据每个特征计算每个时刻的每个胃电图特征的异常程度。根据心率、血压和呼吸频率的紧张权重与正常范围，计算每个时刻的紧张程度。结合紧张程度和胃电图特征的异常程度，计算每个时刻各部位胃电图特征的影响程度。利用这些影响程度，对胃电图特征的异常程度进行修正，得到每个时刻的修正异常程度。最终，依据修正的异常程度，确定每个时刻各部位的最终异常程度，并对相应时刻的胃镜图像进行增强处理。本发明通过对患者紧张程度和胃部异常程度进行分析，增强了胃镜图像。
📄 2024108747327
📂 G06T5_60
👤 优安科技(南通)有限公司
📅 2024-07-02
本发明属于视觉训练领域，公开了一种基于裸眼3D成像的动态视觉训练方法、系统、电子设备及存储介质，所述方法包括：获取用户眼球的实时运动信息，并对所述实时运动信息进行分析，得到用户的视角变化参数；基于所述视角变化参数，利用视差估计算法对输入的左右视图图像进行特征提取和匹配，得到像素级虚拟视图；基于所述像素级视差图进行动态渲染，得到3D视图；生成训练任务，基于所述训练任务选取所述3D视图并对用户的动态视觉进行训练。本发明采用模块化架构设计人工智能算法，支持在线学习和更新，实现了智能化、个性化的视觉训练，可有效提升用户的视觉认知能力。
📄 2025103426292
📂 G06T5_60
👤 浙江工业大学
📅 2025-03-21
基于多层自编码器的红外热成像缺陷检测图像处理方法，属于工业过程中缺陷检测技术领域。它包括以下步骤：1)获取红外热成像缺陷图像数据集；2)对采集的缺陷热图像数据进行预处理；3)构建多层自编码器热成像MAT数据增强模型。本发明利用多层神经网络的非线性特征变换对红外热成像仪采集的热图像进行数据增强，用降维的方式描述了热成像数据之间的本质特征，能够较好的将缺陷与背景信息分离；通过在多层自编码器的每一层都加入激活函数，使模型能够更好的处理具有非线性特征的热成像数据，通过神经元逐层减小的多隐藏层结构提取数据的本质特征，达到去除噪声和不均匀背景的效果。
📄 2021109914446
📂 G06T5_60
👤 浙江工业大学
📅 2021-08-27
本发明属于图像处理技术领域，公开了一种基于神经算子和渐进重采样的光谱图像融合方法。对低分辨率高光谱图像和高分辨率多光谱图像分别提取三个不同尺度的副本；并对不同尺度的副本分别进行特征提取，将所得特征在光谱维度上进行连接，作为初始光谱图像函数；将初始光谱图像函数输入到光谱融合神经算子模块得到函数u；将得到的函数u与上采样后的低分率高光谱图像进行相加，得到高分辨率的高光谱目标图像。本发明获得在光谱和空间上均具有高分辨率的图像，且极大降低计算复杂度。
📄 2024108194598
📂 G06T5_60
👤 浙江工业大学
📅 2024-06-24
本发明公开了一种基于图像特征引导的点云自监督补全方法，步骤1：对获取的相机图像Image进行编码和解码操作提取特征，步骤2：获取原始稀疏点云Points，对原始稀疏点云进行随机点采样得到N个点，并对这N个点构建特征张量，记为Points1；步骤3：对步骤2中构建的特征张量Points1进行特征编码，获得特征；步骤4：将步骤3获得的特征进行特征扩展，得到点云特征；步骤5：将步骤4获得的点云特征使用全连接层进行点云重建，得到补全点云特征，记为Points2；步骤6：网络训练时，需要对原始稀疏点云Points进行最远点采样得到N个点，并对这N个点构建特征张量，记为Points3，计算Points2与Points3之间的倒角距离，作为网络训练时的损失函数。
📄 202510541242X
📂 G06T5_60
👤 浙江工业大学
📅 2025-04-28
一种基于信噪比引导的噪声自适应网络的低光照图像增强方法，包括1：构建基于SNA‑Net网络的低光照图像增强系统；2：图像获取模块获取低光照图像；3：SNA‑Net的输入层获取低光照图像，传递给CNN编码器、SNA编码器和信噪比图计算模块；4：信噪比图计算模块对低光照图像进行计算得到信噪比图；5：CNN编码器对低光照图像进行短距离编码得到短距离特征；SNA编码器对低光照图像进行长距离编码得到长距离特征；6：卷积残差块对短距离特征进行卷积残差操作得到卷积残差数据；特征融合模块将短距离特征和长距离特征进行特征融合操作得到融合特征；7：CNN解码器对卷积残差数据和融合特征进行解码操作，得到增强图像。效果：能够在低光条件下进行清晰的图像增强。
📄 202510214699X
📂 G06T5_60
👤 西南大学
📅 2025-02-26
本发明涉及医疗图像处理技术领域，具体涉及一种基于深度学习的医疗图像增强处理方法及系统，根据是否需要进行样本数量的扩充，选择图像增强的模型；若需要进行样本数量的扩充，则采用生成对抗网络进行图像增强，否则采用自编码器进行图像增强；采用联邦学习架构训练模型，模型在多个分散的设备或服务器上进行训练。使用生成对抗网络，生成多样化的医疗图像样本，提高样本的多样性。自编码器提取关键特征并生成新的样本，增加数据的多样性。通过联邦学习架构，利用分散的数据源，增强模型的训练样本多样性，同时保护数据隐私。有效增加样本的多样性，从而提升模型的泛化能力，使其在实际应用中更具鲁棒性和准确性。
📄 2025101758170
📂 G06T5_60
👤 成都信息工程大学
📅 2025-02-18
本发明涉及一种基于自监督学习的单衍射强度图像重建方法、装置、设备及存储介质。该方法包括以下步骤：获取单幅衍射测量图，采用互补掩膜下采样从单幅衍射测量图中提取互补的测量值，构造用于自监督训练的数据集；基于训练集中的互补的测量值，利用双通道的深度神经网络，重建原场景图像的不同估计；构造用于自监督训练的损失函数，利用优化器最小化损失函数，利用损失函数对深度神经网络进行自监督训练；基于测试集中的互补测量值，利用训练好的深度神经网络，估计单衍射强度图像场景。本发明能够重建不同类型图像的相位和振幅。
📄 2024112206865
📂 G06T5_60
👤 安徽大学
📅 2024-09-02
本发明公开了一种基于深度学习的无人机图像增强方法。该发明针对RetinexNet算法对于图像中已经足够亮的像素，仍会进行增强处理，导致图像失真和信息丢失的问题，利用基于皮尔生长曲线对图像进行自适应亮度伽马校正，通过对图像的每个像素进行非线性变换来调整亮度，使其在人眼中具有更加平均的感知。针对RetinexNet算法会引入新的噪声的问题，本发明在Retinex分解模块引入引导滤波来替代高斯滤波对图像进行平滑去噪，利用高质量的引导图像来引导滤波器进行滤波，从而保留原始图像的边缘和细节；然后设计了基于引导滤波的Retinex分解模块，更好的计算图像的反射分量和光照分量。
📄 2023106964724
📂 G06T5_60
👤 电子科技大学长三角研究院(湖州)
📅 2023-06-13
本发明公开的是一种基于傅里叶单像素成像系统的重构检测框架系统，通过重建网络从欠采样图像中提取特征，获得傅里叶单像素成像重建结果；重建网络能够在保证优异重建性能的同时降低了模型复杂度；将傅里叶单像素成像重建结果送入目标检测模块进行目标检测，选择目标检测网络作为检测模块的基准模型，将目标检测网络中的快速空间金字塔池化模块优化成混合快速空间金字塔池化模块，并在目标检测模块引入可变形卷积网络；联合训练策略模块利用检测损失，通过反向传播指导傅里叶单像素图像重建网络的训练，强制重建网络生成更适合检测的图像，提升目标检测的最终性能，具有可以增强欠采样图像的质量，提高目标检测性能等技术特点。
📄 2024112571750
📂 G06T5_60
👤 浙江理工大学
📅 2024-09-09
本发明提供了一种基于生成对抗网络的浑浊水下偏振图像复原方法。包括以下步骤：步骤1、搭建水下主动成像系统，拍摄清晰水下强度图像和浑浊水下的偏振图像；步骤2、建立数据集；将数据集按8:1:1的比例分为训练集、验证集、测试集；步骤3、构建生成网络；步骤4，预训练；利用步骤二中的数据集对所述生成网络进行预训练；步骤5、构建一个判别网络；步骤6、构建生成对抗网络；与步骤四中预训练好的生成网络构成一个生成对抗网络，利用交叉熵作为损失函数对生成对抗网络进行训练；步骤7、利用训练好的生成对抗网络进行图像复原。与现有技术相比，本发明可实现高浑浊度水下偏振图像复原。
📄 2021115149377
📂 G06T5_60
👤 浙江理工大学
📅 2021-12-13
本发明公开了一种自适应图像增强方法，属于图像处理技术领域，方法包括：获取待增强的原始图像并将其转换为灰度图；采用不完全贝塔函数作为灰度变换函数对灰度图进行增强处理，得到增强后的图像；其中，不完全贝塔函数的图像增强参数是利用改进的武术学习优化算法进行自适应寻优得到的最优图像增强参数；改进的武术学习优化算法通过强化学习机制为图像增强参数动态选择学习策略中的学习模式进行参数更新，搜索使图像质量评价函数值最优的图像增强参数作为最优图像增强参数。该方法能够自适应确定最优图像增强参数，提高对复杂图像的增强效果，解决传统图像增强算法在全局优化能力、自适应调节、多目标平衡等方面的局限性。
📄 2025116383276
📂 G06T5_60
👤 南京信息工程大学
📅 2025-11-10
柿子坊 · 知识产权运营
柿子坊知识产权运营平台