公共文化服务平台

郭艳蓉: 作品数：39 被引量：24H指数：4; 供职机构：合肥工业大学更多>>; 发文基金：国家自然科学基金安徽省高校省级自然科学研究项目安徽省自然科学基金更多>>; 相关领域：自动化与计算机技术文化科学电子电信理学更多>>

合作作者

基于Retinex分解的铅笔画图像生成方法及装置: 本发明公开了一种基于Retinex分解的铅笔画图像生成方法及装置，其中方法具体包括：S1：采用Retinex模型将输入图像分解，得到光照图及反射图；S2：对所述光照图进行处理得到纹理层；S3：对所述反射图通过多方向卷积方...; 郝世杰郭艳蓉汪萌洪日昌韩徐; 文献传递

贝叶斯框架下的非参数估计Graph Cuts分割算法被引量：7: 2011年; 假设图像中各像素灰度值是具有一定概率分布的随机变量,由贝叶斯定理,正确分割观测图像等价于求出具有最大后验概率的实际图像估计。在此框架下,提出了一种改进型Graph Cuts图像分割算法。与传统GraphCuts分割算法相比,该算法在模型建立上有两个方面的改进:1)将模糊C均值聚类引入数据约束能量函数来得到各像素在某个标记下的概率,改善了收敛性能;2)使用非参数方法估计图像的统计分布,然后用此统计量构成图像分割的先验概率,并保证分割结果的局部平滑。由于非参数估计是由样本直接估计得到的结果,特别适用于小样本和分布函数不恒定的情况,因此拓展了算法的适用范围。实验结果表明,改进算法在遥感图像分割和医学图像分割中均提高了分割精度,证明了该算法的有效性。; 蒋建国郭艳蓉郝世杰詹曙李鸿Ian Ross; 关键词：GRAPH CUTS 模糊C均值非参数估计

一种面向数据缺失场景的阿尔兹海默症分类方法及系统: 本发明公开了一种面向数据缺失场景的阿尔兹海默症分类方法及系统，涉及数据分类技术领域。步骤为：获取缺失数据集；对缺失数据集进行预处理，得到第一数据集；通过目标函数对第一数据集同时进行特征选择及矩阵补全，并且对目标函数进行迭...; 郭艳蓉沈一鸣孙惠惠郝世杰洪日昌

一种基于人脸关键点和姿态的多属性人脸生成算法: 本发明公开了一种基于人脸关键点和姿态的多属性人脸生成算法，包括如下步骤：S1、自动人脸姿态矢量估计：使用摄像机标定技术，通过寻找二维人脸关键点和三维人脸模型上的对应点关系，来近似得到摄像机矩阵，在已知摄像机矩阵的情况下，...; 汪萌孔德鑫郭艳蓉郝世杰洪日昌; 文献传递

一种基于高斯总变差的半解耦图像分解暗光图像增强方法: 本发明公开了提出一种基于高斯总变差的半解耦图像分解暗光图像增强方法，利用GTV作为正则化项建立了Retinex分解模型，以半解耦的方法逐步细化分解光照层和反射层，从而获得更好的暗光图像增强效果。该方法首先不涉及反射层，利...; 郝世杰汪萌郭艳蓉韩徐

一种基于空间信息引导的实时语义分割方法: 本发明公开了一种基于空间信息引导的实时语义分割方法，具体步骤如下：获取输入图像；将所述输入图像输入主干网络；利用所述主干网络对所述输入图片进行编码，得到输入特征；所述输入特征映射得到第一高维特征和全局上下文特征；利用所述...; 郝世杰周源郭艳蓉洪日昌汪萌; 文献传递

H．264帧内预测模式快速决策算法: H.264中,采用率失真 RDO（Rate Distortion Optimization）代价函数来进行帧内最优编码模式的选择,在实现高质量和高压缩比的同时也极大地增加了计算复杂度。为了降低帧内预测部分的计算开销,本文...; 蒋建国郭艳蓉齐美彬詹曙; 关键词：H.264 帧内预测; 文献传递

弹性二次曲面模型下的3维形状表现与平滑: 2012年; 本文研究了能够保持几何特征并且对噪声鲁棒的形状表示方法。根据弹性二次曲线(Elastic QuadraticWire,EQW)的基本思想,对模型加以推广,提出用于曲面表示的弹性二次曲面(Elastic Quadratic Patch,EQP)模型。通过对曲面上每一点构造在参数平面上彼此重叠的二次曲面片,进而建立相邻曲面片之间0阶与1阶不连续势能函数。由于此势能函数是关于该曲面点的二次型,因而容易求得使其最小的二次曲面参数向量。对整个曲面的逐点迭代,进而获得稳定且保持显著几何特征的形状EQP表示。实验部分以3维人脸成像数据为例,验证了本文模型在平滑与细节保持等方面的性能。在不同噪声水平下,分析了参数变化对EQP模型性能影响。与常见样条与小波方法结果进行定量和定性比较,分析了不同噪声水平下(方差N=1,5,10)整体与局部区域中各方法优劣。在噪声水平较高时,在信噪比和直观效果等定量与定性方面上,EQP模型与对比方法相比具备一定优势。; 郝世杰蒋建国郭艳蓉詹曙

基于自适应稀疏结构学习的神经精神疾病特征选择方法被引量：1: 2021年; 在计算机辅助诊断神经精神疾病研究中,需要专业人士为样本进行诊断级的语义标注,耗费大量时间和精力,因此,以无监督的方式开展神经精神疾病辅助诊断研究具有重要意义.文中提出基于自适应稀疏结构学习的无监督特征选择方法,用于精神分裂症和阿兹海默症辅助诊断.在统一框架下同时学习稀疏表示和数据流形结构,并在该框架中采用一般化范数对稀疏学习的重构误差进行建模,不断迭代更新数据集的流形结构,解决传统特征选择方法存在的鲁棒性不足问题.在精神分裂症和阿兹海默症两个公共数据集上的实验表明文中方法在神经精神疾病分类中的有效性.; 郝世杰郭艳蓉陈涛汪萌洪日昌; 关键词：流形学习