公开(公告)号：CN105222730B

公开(公告)日：2017-10-24

申请号：CN201510545714.5

申请日：2015-08-31

Applicant: 中国人民解放军信息工程大学

Inventor： 闫镔 ,  李磊 ,  张翔 ,  席晓琦 ,  张峰 ,  陈思宇 ,  王敬雨 ,  乔凯

IPC: G01B15/00

Abstract: 本发明公开了一种基于图像复原的工业CT几何尺寸测量方法，克服了现有技术中，一些工业CT几何尺寸测量方法仍需改进的问题。该发明具体步骤如下：（1）投影数据采集；（2）重建射束硬化校正后的CT图像；（3）计算二维PSF；（4）图像复原；（5）几何尺寸测量。与现有技术相比，本发明基于图像复原的工业CT几何尺寸测量方法具有以下优点：使用该发明方法复原后的CT图像，其模糊退化效应能得到有效抑制，并且能够获得更好的几何尺寸测量精度。

公开(公告)号：CN106446890A

公开(公告)日：2017-02-22

申请号：CN201610625310.1

申请日：2016-10-28

Applicant: 中国人民解放军信息工程大学

Inventor： 陈健 ,  曾磊 ,  周利莉 ,  贾涛 ,  乔凯 ,  徐一夫 ,  海金金

IPC: G06K9/32 ,  G06K9/62

Abstract: 本发明属于图像中的目标检测技术领域，具体的涉及一种基于窗口打分和超像素分割的候选区域提取方法，包括窗口打分算法和超像素分割算法，该候选区域提取方法包含以下步骤：1采用超像素算法对图像进行分割获得初始区域集合；2依据真值区域和初始区域设定正负样本，提取特征训练SVM；3对图像根据1提取初始区域，提取初始区域特征，采用2中训练得到的SVM进行分类，得到最终的候选区域。GS算法对于目标边缘良好的捕捉能力，在结合进BING算法的32种尺度图像中以后，能够尽可能的帮助捕捉任意尺度大小的目标。另外，将BING算法和GS算法进行结合实现了自顶向下的学习分类算法和自底向上的分割算法的结合，这样学习到的结果更利于对目标与背景进行区分。

公开(公告)号：CN106709924A

公开(公告)日：2017-05-24

申请号：CN201611020101.0

申请日：2016-11-18

Applicant: 中国人民解放军信息工程大学

Inventor： 闫镔 ,  陈健 ,  曾磊 ,  乔凯 ,  徐一夫 ,  李中国 ,  高飞

IPC: G06T7/12 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度卷积神经网络和超像素的图像语义分割方法，克服了现有技术中，现有语义分割方法的精度仍待提高的问题。该发明含有如下步骤：1：在图像分类数据集上训练一个由图像到类别标签的深度卷积网络分类模型；2：在深度卷积神经网络分类模型中加入反卷积层，在图像语义分割数据集上进行微调训练，实现从图像到图像语义分割结果的映射；3：将测试图像输入深度卷积神经网络语义分割模型中，得到各个像素的语义标签，同时将测试图像送入超像素分割算法，得到若干超像素区域；4：把超像素和语义标签进行融合，得到最终改善的语义分割结果。本方法改善现有图像语义分割方法的精度，在图像识别和应用中具有重要意义。