-
公开(公告)号:CN108921800B
公开(公告)日:2021-01-22
申请号:CN201810667226.5
申请日:2018-06-26
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了基于形状自适应搜索窗口的非局部均值去噪方法,包括:步骤1:输入噪声图像V,步骤2:计算噪声图像V在水平方向的梯度图像Vx和垂直方向的梯度图像Vy;步骤3:计算噪声图像V所对应的结构张量T(s,σ);步骤4:计算得到当前像素i的形状自适应搜索窗口ASi;步骤5:划分图像块,计算相似性权重值w(i,j);步骤6:计算得到当前像素i去噪后的像素值步骤7:逐行逐列扫描,依次对噪声图像V中的每一像素进行步骤4到步骤6的处理过程,直到处理完所有像素,输出去噪后的图像本发明方法使得到的估计值更接近真实值,对图像中边缘和纹理细节信息具有更好地保护能力,取得的去噪效果优于大小和形状固定搜索窗口的非局部均值去噪方法。
-
公开(公告)号:CN111127532B
公开(公告)日:2020-12-22
申请号:CN201911413634.9
申请日:2019-12-31
Applicant: 成都信息工程大学
Abstract: 本发明属于图像处理技术领域,公开了一种基于深度学习特征光流的医学图像形变配准方法及系统,提取像素所在图像块,用训练好的Siamese网络提取像素所在图像块的深度学习特征,基于该特征求解光流场。本发明通过Siamese特征提取良好的特征描述符,提高像素点的匹配精度;通过对比损失函数学习到的映射关系,使得在高维空间中相同类别但距离较远的点在特征维空间中距离更近;而不同类别但距离较近的点在特征维空间中距离更远;基于对比损失函数训练的Siamese卷积神经网络提取的Siamese特征比SIFT特征以及一般的深度学习特征等区分度更高、更稳定,更适宜于差异计算和得到更加准确的计算结果。
-
公开(公告)号:CN107341514B
公开(公告)日:2020-07-21
申请号:CN201710548763.3
申请日:2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于联合密度及角度的异常点和边缘点检测方法,本发明基于边缘点和异常点具有较低的局部密度和较小的角度方差变化的思想,结合数据集的角度与密度的联合信息,利用联合测度去判定样本点属于异常点和边缘点的程度,通过设置门限值自动确定特殊点。提出了一种较稳定的异常点与边缘点的检测方法,提高了边缘点与异常点检测的性能,可较好地反映数据集的特征,并且能够检测出噪音数据,更好的去除噪音。克服了现有技术在复杂数据集中特殊点检测的效果不好和不稳定的缺点。
-
公开(公告)号:CN108804524B
公开(公告)日:2020-03-27
申请号:CN201810394797.6
申请日:2018-04-27
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
IPC: G06F16/35
Abstract: 本发明涉及一种基于层次化分类体系的情感判别和重要性划分方法,其包括:S1)采集垂直领域的大量新闻数据,其内容尽可能多样化;S2)分析垂直领域,根据层次化分类的思想对该领域进行层次化划分,划分后的垂直领域由树状图表示;S3)针对每层中的内节点和基类,选取一定量的新闻数据进行人工标注;S4)对于每个内节点和基类,使用S3中标注好的训练数据建立分类器,分类器输出新进新闻属于该节点的概率;S5)对于新采集到的新闻数据,使用S4中建立的分类器计算其属于每个节点的概率,将其归类于概率最大或超过门限值的节点,从而使得新闻数据被归类到内节点或基类;S6)将新闻数据归类到节点后,计算并确定其情感和重要性标签。
-
公开(公告)号:CN110162804B
公开(公告)日:2020-01-21
申请号:CN201810021270.9
申请日:2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于CPU加速的波场正演模拟优化方法,其包括以下步骤:S1)提出波场正演具体物理模型;S2)进行数值建模;在空间维度上使用高阶差分来模拟二阶微分,从而减小内存的使用;在时间维度上减少延拓步长;S3)进行静态分块及分配:根据线程数量k,将图像沿长边方向平均分成k个子图,然后将其按顺序标记后作为基础子图;S4)并行化及通信时间隐藏;S5)模型拆分和任务分解。本发明能够有效提高波场正演模拟的计算速度,并且能动态分块调配节点,从模型分块和通信时间隐藏两个方面优化,进行并行加速,充分利用多核计算资源,并有效的同步模拟实际物理传播过程。
-
公开(公告)号:CN110705292A
公开(公告)日:2020-01-17
申请号:CN201910780471.1
申请日:2019-08-22
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
IPC: G06F40/295 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识库和深度学习的实体名称提取方法,包括获得对待匹配实体进行描述的文本,将描述文本、外部知识库及两者的结合作为训练词和实体嵌入的文本集;使用词嵌入工具得到各个词和实体的嵌入式表达。建立深度学习网络,将嵌入式表达和外部现有知识库的文本表达作为输入,输出词m对应待匹配实体的概率,采集训练数据输入到建立好的深度学习网络中对深度学习网络模型进行训练,对待匹配文本,通过计算词w和实体之间的余弦相似度得到多个匹配候选项,最后将词w和匹配候选项输入到深度学习网络中,得到匹配概率。本发明较现有技术,可以基本实现端到端的自动化匹配,具有更好的匹配准确度和效率。
-
公开(公告)号:CN109712077A
公开(公告)日:2019-05-03
申请号:CN201811647216.1
申请日:2018-12-29
Applicant: 成都信息工程大学
IPC: G06T3/40
Abstract: 本发明涉及一种基于深度字典学习的HARDI压缩感知超分辨率重建方法,包括对采集的高角度弥散图像进行预处理得到训练数据,建立用于字典学习的包括多层字典的深层网络模型,通过训练数据对构建的深层网络模型进行训练,采用正交三角分解按顺序提取正交向量作为初始字典,在对最后一层学习字典进行求解时,加上稀疏性约束项使其进行稀疏表示,采集密度远低于原始数据的数据作为测试数据,基于测试数据得到稀疏表示系数,最后通过径向积分得到的方向分布函数生成关于人体的重建三维弥散磁共振图像。本发明重建出相同分辨率的弥散磁共振图像所需的采样数据量更少。有着更快的数据采样速度。有着更好的神经纤维重建能力。
-
公开(公告)号:CN109584246A
公开(公告)日:2019-04-05
申请号:CN201811363678.0
申请日:2018-11-16
Applicant: 成都信息工程大学
Abstract: 本发明属于医学影像处理技术领域,公开了一种基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法,将心脏MRI图像进行分割,完整得分割出心肌和血池等医学解剖结构。本发明通过使用带孔卷积取代传统的卷积,这样的好处就是卷积核的感受野更大能够获取到更大的上下文信息;通过使用空间金字塔池化,可以在不同尺度上对图像进行信息提取,应对图像的多尺度特性,即使是很小的物体也能有效地捕捉;通过使用编码器和解码器结构可以恢复细节信息,将浅层的特征和高层的特征进行融合,得到语义丰富且细节完整的分割掩膜;本发明减轻了医生的工作负担,对病情分析还有后续的治疗计划和术后评估都有重大的意义。
-
公开(公告)号:CN109063710A
公开(公告)日:2018-12-21
申请号:CN201810907208.X
申请日:2018-08-09
Applicant: 成都信息工程大学
CPC classification number: G06K9/342 , G06K2209/05 , G06N3/0454
Abstract: 本发明涉及图像分割领域中的鼻咽部肿瘤图像分割技术,具体的说是一种基于多尺度特征金字塔的3D CNN鼻咽癌分割方法。针对训练样本,需要由有经验的放射科肿瘤医师对若干鼻咽癌病例进行标注,使用整个三维MRI图像建立数据集,并对数据集进行一定的预处理,然后用网络对训练数据集进行训练,取得高精度的分割模型。对于新的病例,可以用该分割模型分割其MRI图像。相对传统的方法,除了训练阶段需要人工标注外,其余部分均可实现自动处理,大大降低对于有经验医师的需求,且与五种主流网络对比能取得较高的精度。
-
公开(公告)号:CN108846547A
公开(公告)日:2018-11-20
申请号:CN201810423340.3
申请日:2018-05-06
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
Abstract: 本发明公开了一种动态调整的企业信用风险评估方法,其包括:通过网络爬虫以预设的周期抓取设定的新闻采集网站上的新闻;在新闻中进行企业主体提取,标注出新闻文本中的企业主体名称;对于一定数量含有企业主体的新闻,对其进行情感标注;使用专家标注的金标数据,采用机器学习模型训练新闻情感的分类器;对于获取的未标注新闻数据,使用训练的模型进行分类;根据与一个企业主体相关的正面、负面、中性新闻数量,分别计算一个累计分值;综合新闻的数量和情感类型的分布,计算新闻舆情的总体评分值;结合财务指标和舆情指标,采用加权求和的方式计算总体信用风险评分,该评分能够基于实时的新闻进行动态更新;进行信用评分和相应信用评级的输出。
-
-
-
-
-
-
-
-
-