法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 84 件在售专利
本发明公开了基于结构感知自适应掩码与梯度加权学习的图像去噪方法,属于计算机视觉与图像处理领域。所述方法包括:通过建立结构特征与最优掩码策略的映射关系,实现对不同结构区域的差异化处理;提出双域协同优化梯度加权损失函数,通过像素域和梯度域的联合约束,增强模型对结构一致性的保持能力;提出边缘质量感知的多模态集成策略,通过建立边缘保持质量与预测可靠性的映射,实现像素级自适应融合。实验结果证明,本发明相比于现有技术取得了显著性能,特别是在处理具有复杂结构的图像时表现出优越性能,在保留图像结构特点和细节方面具有明显优势,特别适合处理医学成像和显微镜成像等专业图像。
📄 2025106228429 📂 G06T5_70 👤 江南大学 📅 2025-05-15
¥0.0 元
本发明公开了一种基于边界邻域梯度差值的散焦图像去模糊方法,属于计算机视觉的学科技术领域。针对现有散焦图像去模糊方法对于多深度层的静态场景无法准确获得散焦图像边界位置的模糊量,本发明充分利用边界邻域梯度差值和模糊量的关系,来准确获得散焦图像边界位置的模糊量,从而解决去模糊结果中出现边界振铃伪影的问题;针对非盲反卷积算法保留图像细节信息的能力不会够强导致去模糊结果中出现细节信息丢失的问题,本发明结合离散模糊量选择策略和稀疏先验设计了一种非盲发卷积算法来加强非盲反卷积算法保留图像细节信息的能力,解决了去模糊结果中出现细节信息丢失的问题,可用于多深度层静态场景下的散焦图像去模糊处理。
📄 202211345557X 📂 G06T5_73 👤 江南大学 📅 2022-10-31
¥0.0 元
本申请提出了一种非局部信息补偿的Mamba图像去模糊方法和系统,涉及计算机视觉技术领域,包括:对含模糊特征的退化图像进行特征提取,得到初始浅层特征;将初始浅层特征作为输入参数,进行n次第一迭代处理,然后进行去模糊处理,得到第一恢复特征图;第一迭代处理包括:去模糊处理和下采样;去模糊处理通过改进Mamba模块和增强FFN模块完成;对第一恢复特征图进行n次第二迭代处理,然后进行去模糊处理,得到第二恢复特征图;第二迭代处理包括:去模糊处理和上采样;对第二恢复特征图进行卷积处理生成残差特征图,并与退化图像相加,得到恢复图像。本申请的方案在有效控制计算与存储开销的前提下,实现了模糊图像的高质量复原。
📄 2025120385236 📂 G06T5_73 👤 武汉工程大学 📅 2025-12-31
¥0.0 元
本申请公开了一种基于清晰图像与模糊图像差异的图像去模糊方法、装置及电子设备,该方法包括:获取清晰样本图像和模糊样本图像,并确定清晰样本图像与模糊样本图像的差值图像;建立初始解码特征模型,得到初始解码特征;建立初始图像去模糊模型,得到训练完备的图像去模糊模型;获取模糊图像,基于训练完备的图像去模糊模型,确定清晰图像。通过将初始解码特征作为监督,增加了初始图像去模糊模型的监督条件,并且根据初始解码特征的反馈,逆向调整初始图像去模糊模型,能够加快收敛速度;另外,基于差值图像调节,放大了差异,有效提高了图像去模糊模型的去模糊水平。
📄 2022106878531 📂 G06T5_73 👤 武汉工程大学 📅 2022-06-17
¥0.0 元
本申请是关于一种基于对抗网络和迭代滤波器的显微镜图像去模糊方法。本显微镜图像去模糊方法,通过深度学习的方法,学习了光学显微镜在失焦模糊图像与全焦清楚图像的去模糊的关系,来实现对光学显微镜采集的数据的去模糊处理。本申请采用迭代滤波的方式,能够很好地去除显微镜下局部模糊;解决了光学显微镜下图像模糊和细节不全的问题。
📄 2023105468784 📂 G06T5_73 👤 华南农业大学 📅 2023-05-16
¥0.0 元
本申请属于图像处理技术领域,公开了一种多模态图像融合与去模糊模型及其训练方法和使用方法,通过构建一体化的多模态图像融合与去模糊模型,并采用特定的纹理增强和特征交互融合机制,实现了多模态图像融合与去模糊的一体化处理,提高了效率并减少了误差累积,同时增强了可见光图像纹理,具有实现多模态图像融合与去模糊的一体化处理,提高效率并减少误差累积,同时提高图像融合质量的优点。
📄 2025109456709 📂 G06T5_73 👤 佛山大学 📅 2025-07-09
¥0.0 元
本发明公开了一种高光谱图像去噪方法、装置及存储介质,将待去噪的高光谱图像数据输入预训练优化好的高光谱图像去噪模型,得到输出的经过去噪的高光谱图像结果;其中所述高光谱图像去噪模型的构建方法包括:首先利用低秩张量分解将噪声从原始图像中分离出来,得到退化模型;接着在模型中加入改进的加权的全变分正则器,充分表征高光谱图像波段之间的空间和光谱相关性;然后用L1范数来规范稀疏噪声,用F范数来规范高斯噪声;最后利用增广拉格朗日乘子法求解模型,结合输入带有稀疏噪声和高斯噪声的训练集图像,更新优化模型。本发明公开的高光谱图像去噪方法可以得到更好的恢复效果,在定量评价和视觉比较方面有明显的改善。
📄 2022103658313 📂 G06T5_00 👤 南京邮电大学 📅 2022-04-08
¥0.0 元
一种适用于超声图像去噪的自适应加权混合总变分方法,包括通过超声图像成像模型和已知的乘性高斯噪声分布,采用最大后验概率估计理论推导出适用于超声图像去噪的通用最小化凸能量泛函;将通用凸能量泛函的正则化项采用一阶总变分、二阶总变分和自适应加权函数融合形成自适应加权混合总变分项,从而得到本发明方法的凸能量泛函。将凸能量泛函采用Split‑Bregman算法进行最小化求解,迭代过程中交替实现超声图像的去噪和自适应加权函数的优化,最终得到的去噪超声图像在有效降低散斑噪声的同时能更好地保留超声图像细节和边缘信息,从而有效提高超声图像的视觉判读性。
📄 2020114968155 📂 G06T5_00 👤 三峡大学 📅 2020-12-17
¥0.0 元
本发明公开了一种基于卷积转置自注意力的红外图像去噪方法。首先通过成对的干净图像和带噪图像构建数据集;构建基于卷积转置自注意力的网络模型,网络模型采用对称的编码器‑解码器结构;基于构建好的红外图像训练数据集,对基于卷积转置自注意力的网络模型进行训练;最后采用测试数据集数据对训练好的网络模型进行测试。本发明引入了在红外图像去噪领域中尚未深入研究的自注意力机制对红外图像全局依赖关系进行建模,并在其基础上进行改进设计了卷积转置自注意力,在减少计算量的同时依然可以充分提取红外图像的空间特征信息,有效提高红外图像的去噪质量,填补了红外图像去噪的研究空缺。
📄 2024104161985 📂 G06T5_70 👤 淮安昆博信息科技有限公司 📅 2024-04-08
¥0.0 元
本发明公开了一种用于恶劣天气下的红外图像去噪和小目标检测方法。首先构建三分类红外图像小目标数据集,随机的将数据集划分为三等份并添加高斯噪声、泊松噪声和椒盐噪声这三种噪声;然后构建用于恶劣天气条件下的红外图像去噪和小目标检测的网络架构,整体框架包括滤波器去噪模块、全分辨率去噪模块和YOLOv5检测器三部分,检测器中使用损失监督函数提高对小目标的检测性能;最后基于加噪的三分类红外图像小目标数据集,对提出的网络架构进行训练,获得红外图像的去噪和识别的模型。本发明去噪模块能够去除噪声并提取图像中关键特征所在的区域,再将关键区域传入检测器得出目标的定位信息和类别信息,可以更好地提高小目标检测的性能。
📄 2024102553597 📂 G06V10_30 👤 淮安昆博信息科技有限公司 📅 2024-03-06
¥0.0 元
本发明涉及一种基于OctBlock密集块的快速图像去噪方法,将待去噪图像分为训练数据集与测试数据集并分别进行增强和/或加噪,构建基于OctBlock密集块的去噪网络,输入训练数据集进行训练,输入测试数据集进行图像去噪,获得去噪后的图像。本发明的子模块OctConv将卷积层的输出特征图分解为不同空间频率的特征,并将特征图存储到不同的组,在相邻位置之间共享信息以减少空间冗余、提高模型效率、加快图像去噪;OctBlock密集块内部的每个子模块提取到的特征将被连接到后续的子模块中,提取丰富的局部特征,更快更好获得去噪后的图像;在网络中应用残差学习,减少网络参数,避免网络复杂度导致的梯度消失、梯度爆炸。
📄 2019108795264 📂 G06T5_00 👤 浙江工业大学 📅 2019-09-18
¥0.0 元
基于残差学习的卷积神经网络医学CT图像去噪,具体步骤如下:步骤1)构建医学CT图像模型;步骤2)构建神经网络模型;步骤3)训练网络;步骤4)更新参数;步骤5)医学CT图像去噪,向构建好的网络模型中输入含噪声的医学CT图像,网络输出去除噪声后的医学CT图像。本发明具有以下优点:提出了结合深度学习中卷积神经网络方面的知识进行医学CT图像去噪;采用残差学习的方式来近似学习图像中的噪声,具有很好的针对性,同时提升神经网络的训练效率;采用卷积神经网络和残差学习的方法,能够更好的学习图像中的特征信息,在图像去噪的过程中保留更多的局部图像信息。同时图像去噪能力也得到提升。
📄 201910166558X 📂 G06T5_00 👤 浙江工业大学 📅 2019-03-06
¥0.0 元
发明 已授权
发明 已授权
发明 已授权
发明 已授权
发明 已授权
发明 已授权

一种高光谱图像去噪方法、装置及存储介质

2022103658313 · 南京邮电大学
¥0.0 元
发明 已授权
发明 已授权

一种基于卷积转置自注意力的红外图像去噪方法

2024104161985 · 淮安昆博信息科技有限公司
¥0.0 元
发明 已授权

一种用于恶劣天气下的红外图像去噪和小目标检测方法

2024102553597 · 淮安昆博信息科技有限公司
¥0.0 元
发明 已授权

一种基于OctBlock密集块的快速图像去噪方法

2019108795264 · 浙江工业大学
¥0.0 元
发明 已授权

基于残差学习的卷积神经网络医学CT图像去噪方法

201910166558X · 浙江工业大学
¥0.0 元

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万
⚡

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年