一种基于结构清晰度的无参考图失焦模糊区域分割方法

    公开(公告)号:CN106934806B

    公开(公告)日:2019-09-10

    申请号:CN201710135456.2

    申请日:2017-03-09

    Applicant: 东南大学

    Abstract: 本发明公开一种基于结构清晰度的无参考图失焦模糊区域分割方法,包括以下步骤:(1)缩放图像,将图像缩放为原图像面积的约1/4倍;(2)计算清晰度差值,分别计算原图和缩放后图像对应位置图像块的结构清晰度,并计算二者的差;(3)提取模糊区域,滤除差值图像的噪声,使用图像分割算法分割出模糊区域,并对分割后的结果进行上采样。针对无参考图像的失焦模糊区域分割,本发明使用原始图像构造缩放图像,分别计算缩放图像以及原始图像的清晰度,进而获得模糊度分布图像,最终快速有效地分割出图像失焦模糊区域。

    一种基于保局映射与主成分分析的图像分类方法

    公开(公告)号:CN104881682B

    公开(公告)日:2019-03-05

    申请号:CN201510274498.5

    申请日:2015-05-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于保局映射与主成分分析的图像分类方法,包括以下步骤:1、输入训练对象;2、建立一层或两层的流形学习网络,对于每一种具体的网络,学习得到每一层的滤波器;3、建立流形学习网络的输出层得到最终特征向量;4、将步骤3中最终得到的所有的特征向量输入支持向量机分类器进行训练;5、用校验图像集进行校验,调整到最佳网络参数;6、对测试图像进行测试,统计分类结果,计算识别率。本发明通过构造三种结构相似但不同网络层的网络,应用一种流形方法即保局映射获得图像更加本质的的局部结构,使得在各种分类任务中,构造的网络更加具有分辨力,获得更高的图像的分类准确率。

    一种具备情感的中文文本人声合成方法

    公开(公告)号:CN108364632A

    公开(公告)日:2018-08-03

    申请号:CN201711407738.X

    申请日:2017-12-22

    Applicant: 东南大学

    Abstract: 本发明公开一种具备情感的中文文本人声合成方法,主要包括,(1)构建情感语料库;(2)基于波形拼接的带情感语音合成。建立语料库的主要步骤为:(11)分词并获取词语的词性;(12)语音切分,基于语音数据特征与文本语料获取对应分词的音频数据;(13)情感分析,基于文本分词与音频特征获取词语、短句和整句的情感特征值。基于波形拼接的带情感语音合成步骤为:(21)分词和情感分析,对待合成文本进行分词和情感分析,获取待合成文本内的词语词性、句型和情感特征;(32)选取最优语料,基于文本特征值匹配出最优语料集;(23)语音合成,波形拼接,从语料集中提取出词语音频序列集,将音频拼接合成输出最终语音。本发明合成输出具有情感特征的真人声语音。

    基于高阶累积量的多路径传播声信号分离方法

    公开(公告)号:CN105652264B

    公开(公告)日:2018-07-10

    申请号:CN201610006173.3

    申请日:2016-01-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于高阶累积量的多路径传播声信号分离方法。本发明将原有的基于二阶累积量的主动宽带信号分离方法拓展到四阶累计量,根据四阶累计量构造相应的副本矢量和噪声子空间,并假设声信号传播过程中的加性噪声为彩色噪声,最后根据与噪声子空间的正交性搜索出声线路径。本发明还公开了一种基于声线传播时间层析的海洋声层析方法以及一种声源定位方法。相比现有技术,本发明具有更高分离精度,能正确分离出间隔较小的声线路径,并能适用于传感器数目小于射线路径的情况,同时还可抑制高斯噪声和非高斯噪声的影响。

    基于对称性匹配滤波器组和区域生长的三维血管分割方法

    公开(公告)号:CN107392922A

    公开(公告)日:2017-11-24

    申请号:CN201710583714.3

    申请日:2017-07-18

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于对称性匹配滤波器组和区域生长的三维血管分割方法,首先设计一个满足三维血管的形状特征和灰度分布特点的管状结构的基本匹配滤波器模板,并用两个正交平面将基本匹配滤波器等分为四个象限;然后设计方向和尺度均可变化的匹配滤波器组,与待增强的医学图像进行空间卷积,确定以得到最大卷积响应值为融合规则,实现多尺度多方向的对称性匹配滤波器组的血管增强,得到增强图像,最后对增强图像使用区域生长提取三维血管。本发明公开的方法能够有效的对血管可视化效果进行增强,尤其是细小的分支末梢血管和靠近病变肿瘤的供血动脉有较好的增强作用,同时对于边缘皮质等杂质的抑制明显,使得血管和背景的对比度显著提升,为最终血管的提取打下坚实基础。

    一种基于Zernike矩网络的图像分类方法

    公开(公告)号:CN106485279A

    公开(公告)日:2017-03-08

    申请号:CN201610895130.5

    申请日:2016-10-13

    Applicant: 东南大学

    CPC classification number: G06K9/4647 G06K9/6256 G06K9/6267

    Abstract: 本发明公开了一种基于Zernike矩网络的图像分类方法,包括以下步骤:(1)输入并预处理训练图像和测试图像,得到输入图像的局部特征矩阵,建立一个两层的基于Zernike矩的网络,得到训练图像和测试图像的主特征向量;(2)用获得的训练图像的主特征向量训练分类器,将测试图像的主特征向量输入已经训练好的分类器中进行分类,计算出分类正确率。本发明通过构造一个两层的基于Zernike矩的网络,利用Zernike矩的旋转不变性,能够获得图像的旋转不变的特征和图像的非线性特征,使得对图像特征的描述更精准,分类也更为准确。对于图像分类问题,尤其是对于具有旋转特征的图像的分类问题有着更高的分类正确率。

    一种全自动CT图像冠状动脉钙化分数计算方法

    公开(公告)号:CN104091346B

    公开(公告)日:2017-02-15

    申请号:CN201410356582.7

    申请日:2014-07-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种全自动CT图像冠状动脉钙化分数计算方法。该方法首先利用同一病人的冠状动脉CT造影图像,分割心脏及主动脉区域,提取冠状动脉中轴线并命名,然后将这些结果通过图像配准映射到普通CT图像上,生成一个用于钙化点检测的感兴趣区域,从而精确定位CT图像中位于冠状动脉血管壁上的钙化点。此外,利用冠状动脉中轴线命名结果,本方法还能区分属于不同冠状动脉主要分支的钙化点。本发明公开的方法能够有效提高冠状动脉钙化分数计算的准确性及计算机辅助诊断的效率。

Patent Agency Ranking