-
公开(公告)号：CN105719303B
公开(公告)日：2018-04-17
申请号：CN201610048013.5
申请日：2016-01-25
IPC分类号： G06T7/155
摘要： 本发明公开了一种基于多深度信念网络的磁共振MRI前列腺3D图像分割方法。主要解决现有技术因人工选择特征，导致分割精度低的问题。其实现方案是:根据患者图像获取每个患者的数据集，将每个患者数据集分为三部分；用这三部分训练集分别训练三个结构相同的深度信念网络和三个softmax分类器；将三个测试集输入到三个网络中；用三个softmax分类器对三个网络的输出进行分割，并将三个测试集的分割结果依次叠加，得到测试集的初分割结果；使用三维形态学对测试集初分割结果进行处理，得到最终的分割结果。本发明无需人工选择，能有效利用磁共振MRI序列图像上下层的信息特征，提高了分割的准确率。
-
公开(公告)号：CN107590507A
公开(公告)日：2018-01-16
申请号：CN201710731516.7
申请日：2017-08-23
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于空间约束的快速更新图的半监督极化SAR图像分类方法，输入极化SAR图像原始数据；极化SAR图像预处理；提取数据的相关特征，得到数据集；构建初始全连接图；更新全连接图；构建相似关系图矩阵；构建空间信息图；合并相似关系图矩阵和空间信息图得到样本点之间的相似关系矩阵；对图像进行分类并计算正确率。本发明利用快速更新图方法构建出时间复杂度低的相似关系图并考虑了空间信息，不仅降低了构图所消耗的时间，还提高了极化SAR图像的分类正确率。对地质勘探，抢险救灾，目标识别等民用和军用领域可以快速地给出判断。
-
公开(公告)号：CN104751184B
公开(公告)日：2017-11-21
申请号：CN201510164004.8
申请日：2015-04-08
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于强度统计稀疏的全极化SAR图像分类方法，可应用于全极化合成孔径雷达SAR图像分类和目标识别。其实现步骤为：(1)输入散射强度矩阵；(2)获取SAR图像的统计特征；(3)获取SAR图像的稀疏特征；(4)训练分类器并分类；(5)优化初始分类结果；(6)输出分类结果。本发明利用全极化SAR合成孔径雷达图像三个通道的散射强度信息，挖掘三个通道之间的空间特征信息，对全极化SAR合成孔径雷达图像中特定目标实现有效的分类，并且可以完整的保留特定目标中具体地物的细节特征。
-
公开(公告)号：CN107194469A
公开(公告)日：2017-09-22
申请号：CN201710328381.X
申请日：2017-05-11
申请人： 西安电子科技大学
IPC分类号： G06N99/00
CPC分类号： G06N20/00
摘要： 本发明提出了一种基于时间序列数据和随机梯度下降法的网络重构方法，用于解决现有技术中存在的重构方法受限于网络结构种类和规模的技术问题，实现步骤为：初始化网络的权值矩阵W；将观测的时间序列数据分解成(NT‑1)NS个训练样本得到训练样本集Y；将训练样本集Y中的训练样本顺序随机打乱，获得新的训练样本集Y'；对初始化后的权值矩阵W进行权值调整，得到调整后的权值矩阵W'；将调整后的权值矩阵W'作为权值矩阵W，并将训练样本集Y中的训练样本顺序随机打乱，获得新的训练样本集Y'，然后继续对权值矩阵W进行权值调整，得到调整后的权值矩阵W'，重复执行该步骤T次后，获得重构后的网络结构矩阵。
-
公开(公告)号：CN107133975A
公开(公告)日：2017-09-05
申请号：CN201710242632.2
申请日：2017-04-14
申请人： 西安电子科技大学
IPC分类号： G06T7/33
CPC分类号： G06T7/33 , G06T2207/10081 , G06T2207/30048
摘要： 本发明公开了一种基于瓣膜对齐及概率图的心脏CT‑TEE配准方法，主要解决现有技术中心脏CT与TEE图像由于模态差异巨大而难以配准的问题。其实现过程是：分别对CT与TEE图像进行交互式分割并引入心脏瓣膜端点位置，得到分割图像和心脏瓣膜端点位置，将瓣膜的空间位置作为先验信息；基于先验信息对CT和TEE图像进行基础配准；对CT与TEE图像进行区域增强，并对其分割图进行灰度增强，生成CT和TEE图像的概率图；基于概率图的归一化并采用基础配准的变换矩阵作为最终配准中寻优算法的初始参数，对CT和TEE图像进行最终配准。本发明能更精确实现对CT与TEE心脏图像的配准，可用于对心脏解剖结构的识别与跟踪。
-
公开(公告)号：CN103985111B
公开(公告)日：2017-07-25
申请号：CN201410060138.0
申请日：2014-02-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于双字典学习的4D‑MRI超分辨率重构方法，主要解决现有方法重构的4D‑MRI空间分辨率较低的问题。其主要步骤为：对多层sagittal2D动态MRI进行回顾性排序，导出4D‑MRI，在coronal方向上切出待超的低分辨率图像；从预先采集的多层coronal2D动态MRI中提取训练图像；再用KSVD算法对训练图像进行训练得到高、低分辨率字典；利用高、低分辨率字典之间的关系对待超的低分辨率图像进行超分辨率重构。本发明能够有效提高4D‑MRI的空间分辨率，可用于多个方向的MRI超分辨率重构。
-
公开(公告)号：CN106599941A
公开(公告)日：2017-04-26
申请号：CN201611136985.6
申请日：2016-12-12
申请人： 西安电子科技大学
CPC分类号： G06K9/685 , G06K9/6269 , G06K2009/6864 , G06K2209/01 , G06N3/0454 , G06N3/084
摘要： 本发明公开了一种基于卷积神经网络和支持向量机的手写数字识别方法，用卷积神经网络与支持向量机组合提高了手写数字识别准确率。具体包括：扩充手写数字图片训练集；进行归一化操作；搭建两个卷积神经网络；训练两个卷积神经网络；搭建支持向量机；保留两个卷积神经网络全连接层前边的卷积层和池化层交替部分，将两个卷积神经网络的全连接层串接并与支持向量机连接得到组合网络；训练组合网络；对手写数字图片测试集测试得到手写数字识别结果，准确率达99.60％。本发明无需复杂预处理，具有好的自适应性和稳定性，不仅识别准确率较高，且在可靠性和鲁棒性上有提升，用于金融、邮递、数据统计等场合的手写数字识别。
-
公开(公告)号：CN103778641B
公开(公告)日：2016-08-03
申请号：CN201210414785.8
申请日：2012-10-25
申请人： 西安电子科技大学
摘要： 本发明公开一种基于小波描述子的目标跟踪方法，主要解决现有技术中由于目标发生遮挡或者快速变化而导致目标跟踪失败的问题。其实现步骤为：(1)输入一段视频的第一帧，并人工标记出待跟踪的目标；(2)建立目标模板；(3)计算目标的颜色直方图；(4)在新一帧视频图像的搜索区域中提取小波特征；(5)求与目标模板距离的局部极小值；(6)计算目标的颜色直方图；(7)判断目标是否被遮挡，并在部分遮挡情况下对提取出的角点特征进行跟踪，在全遮挡情况下利用运动估计实现目标跟踪；(8)循环执行步骤(4)～步骤(7)，直至视频结束。本发明与现有的技术相比在目标发生遮挡或者快速变化情况下提高了目标跟踪的鲁棒性。
-
公开(公告)号：CN105741270A
公开(公告)日：2016-07-06
申请号：CN201610048977.X
申请日：2016-05-16
IPC分类号： G06T7/00
CPC分类号： G06T7/0012 , G06T2207/10081 , G06T2207/30081
摘要： 本发明公开了一种前列腺KVCT图像前列腺区域的3D分割方法，主要解决现有技术不能在KVCT图像上进行前列腺分割的问题。其实现步骤为：1)输入待分割前列腺KVCT三维图像，将三维图像生成超像素；2)计算超像素的15维纹理特征；3)对超像素进行一次聚类得到初始分割结果；4)对初始分割结果进行第二次聚类得到两次聚类结果；5)对两次聚类结果进行三维形态学处理得到去黏连结果；6)对序列图顶部黏连严重的图像使用配准进行分割，然后将配准分割得到的这部分序列图替换掉去黏连结果中对应的序列图，从而得到最终的分割结果。
-
公开(公告)号：CN105719303A
公开(公告)日：2016-06-29
申请号：CN201610048013.5
申请日：2016-01-25
IPC分类号： G06T7/00
CPC分类号： G06T2207/10088 , G06T2207/20081 , G06T2207/30081
摘要： 本发明公开了一种基于多深度信念网络的磁共振MRI前列腺3D图像分割方法。主要解决现有技术因人工选择特征，导致分割精度低的问题。其实现方案是:根据患者图像获取每个患者的数据集，将每个患者数据集分为三部分；用这三部分训练集分别训练三个结构相同的深度信念网络和三个softmax分类器；将三个测试集输入到三个网络中；用三个softmax分类器对三个网络的输出进行分割，并将三个测试集的分割结果依次叠加，得到测试集的初分割结果；使用三维形态学对测试集初分割结果进行处理，得到最终的分割结果。本发明无需人工选择，能有效利用磁共振MRI序列图像上下层的信息特征，提高了分割的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
437 条记录 (耗时 0.043 秒)
