-
公开(公告)号：CN106204561B
公开(公告)日：2019-07-30
申请号：CN201610517790.X
申请日：2016-07-04
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于混合模型的前列腺多模态图像非刚性配准方法，主要解决现有技术对前列腺CT和MRI图像的配准不佳问题。实现步骤为：1)输入前列腺CT和MRI图像，分别对其分割出目标；2)将滤波后的CT和MRI目标图像分别作为参考图像和浮动图像，对这两种图像作金字塔分层；3)对浮动图像进行偏移和逐层迭代，得到初配准图像；4)将参考图像和初配准图像划分控制点网格，移动初配准图像的控制点，根据其位移量得到变换后的图像；5)继续迭代，直到变换后的图像和参考图像相似性最大，得到最终位移量；6)根据最终位移量得到配准图像。本发明提高了复杂形变和多模态图像间的配准精度，可用于对医学CT和MRI图像的处理。
-
公开(公告)号：CN109102512A
公开(公告)日：2018-12-28
申请号：CN201810885507.8
申请日：2018-08-06
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于DBN神经网络的MRI脑肿瘤图像分割方法，先从已有的病人脑MRI序列图像库中摘选出多幅作为训练样本，对其预处理并计算显著性图；然后下采样送入DBN神经网络先后进行无监督和有监督训练，针对训练样本极度不平衡的情况，对非肿瘤区域进行了下采样处理，提高了阳性样本的检出率；训练完成后，即可将待分割的测试图像送入到网络进行分割，引入视觉注意模型，增强了网络对较难分割区域的分割准确率，最后输出分割结果。
-
公开(公告)号：CN108564006A
公开(公告)日：2018-09-21
申请号：CN201810254575.4
申请日：2018-03-26
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于自步学习卷积神经网络的极化SAR地物分类方法，主要解决现有技术对复杂地物场景分类正确率低和受噪声影响大的问题。其实现方案为：1.从原始全极化SAR数据中获取极化散射矩阵S和Pauli基下的伪彩色RGB图；2.对每个像素构造三维矩阵组成样本集，并构造训练样本和测试样本集；3.构造卷积神经网络并基于自步学习对该卷积神经网络进行训练以加速网络收敛提升网络的泛化能力；4.利用训练好的卷积神经网络对测试样本进行分类，得到最终的全极化SAR地物分类结果。本发明提高了对极化SAR图像中复杂地物场景的目标地物的分类正确率，可用于地物分类和目标识别。
-
公开(公告)号：CN108280461A
公开(公告)日：2018-07-13
申请号：CN201711293508.5
申请日：2017-12-08
申请人： 西安电子科技大学
摘要： 本发明公开了一种使用OpenCL加速的快速全局K-均值聚类方法，实现的步骤是：(1)读入数据集和聚类总数；(2)在OpenCL硬件设备端转置数据；(3)计算质心，作为第一个初始聚类中心点；(4)使用K-means算法聚类；(5)在OpenCL硬件设备端选取新的初始聚类中心点；(6)判断当前聚类中心点总数是否小于或者等于聚类总数，若是，则执行第(4)步，若不是，则执行第(7)步；(7)输出聚类结果。本发明可在任何支持开放运算语言OpenCL的硬件设备上实现对海量的聚类数据实时处理。
-
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。
-
-
-
-
-
-
-
-
-
搜索结果
438 条记录 (耗时 0.068 秒)
