-
公开(公告)号：CN106056602B
公开(公告)日：2019-06-28
申请号：CN201610365605.X
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于CNN的fMRI视觉功能数据目标提取方法，首先被试在复杂场景自然图像刺激下采集到的fMRI视觉功能数据，训练一个由刺激图像到fMRI视觉功能数据的深度卷积神经网络模型，同时训练一个由fMRI视觉功能数据到关注目标类别的线性映射模型；在深度卷积神经网络模型中加入反馈层，将训练好的线性映射模型与其复合，对一幅测试图像中的不同目标类别分别得到类别评分映射；利用类别评分映射，分析被试观看全新测试图像的fMRI视觉功能数据，提取被试所关注的目标。本发明能够对被试观看复杂场景自然图像时所引发的fMRI视觉功能数据进行解析，提取出被试在图像中所关注的目标，提高提取关注目标的准确性。
-
公开(公告)号：CN106022384A
公开(公告)日：2016-10-12
申请号：CN201610361766.1
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6261 , G06K9/6296
Abstract: 本发明涉及一种基于fMRI视觉功能数据DeconvNet的图像关注目标语义分割方法，通过被试在自然场景图像刺激下采集到的fMRI视觉功能数据，训练深度卷积神经网络模型，将其映射到关注目标类别标签上进行模型优化；构造与优化后的深度卷积神经网络对称的深度网络模型，利用fMRI视觉功能数据及刺激图像相对应的语义分割结果优化该模型参数，获得fMRI视觉功能数据到逐像素语义分割结果的映射；采集被试观看测试图像的fMRI视觉功能数据，确定被试关注目标类别和逐像素语义分割结果，分割出关注目标区域和相应目标语义。本发明对被试观看自然场景图像时所引发的fMRI视觉功能数据进行解析，提取出刺激图像中所有目标类别并获得语义分割结果，提高关注目标提取的准确性。
-
公开(公告)号：CN105222730A
公开(公告)日：2016-01-06
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
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：CN106780496A
公开(公告)日：2017-05-31
申请号：CN201611023726.2
申请日：2016-11-17
Applicant: 中国人民解放军信息工程大学
IPC: G06T7/10
CPC classification number: G06T2207/10004 , G06T2207/20024
Abstract: 本发明公开了一种融合改进局部灰度不均匀模型和局部方差的水平集图像分割方法，克服了现有技术中，灰度不均匀图像分割效果仍需改进的问题。该发明含有如下步骤：1、针对灰度不均匀图像特性，建立灰度不均匀的数学模型；2、通过高斯分布函数刻画图像灰度分布；3、通过低通滤波对原始图像进行处理；4、根据3建立图像局部数据项，同时建立规则化项，并结合2建立的局部统计项构造总体水平集能量函数；5、根据欧拉‑拉格朗日定理将能量函数转化为偏微分方程，通过梯度下降实现能量函数最小化。该技术中改进的灰度不均匀模型考虑了原始图像与估计图像之间的差异，分析了传统图像灰度不均匀模型存在的问题及引入此种差异后对分割结果的改进。
-
公开(公告)号：CN106056602A
公开(公告)日：2016-10-26
申请号：CN201610365605.X
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10088 , G06T2207/20081
Abstract: 本发明涉及一种基于CNN的fMRI视觉功能数据目标提取方法，首先被试在复杂场景自然图像刺激下采集到的fMRI视觉功能数据，训练一个由刺激图像到fMRI视觉功能数据的深度卷积神经网络模型，同时训练一个由fMRI视觉功能数据到关注目标类别的线性映射模型；在深度卷积神经网络模型中加入反馈层，将训练好的线性映射模型与其复合，对一幅测试图像中的不同目标类别分别得到类别评分映射；利用类别评分映射，分析被试观看全新测试图像的fMRI视觉功能数据，提取被试所关注的目标。本发明能够对被试观看复杂场景自然图像时所引发的fMRI视觉功能数据进行解析，提取出被试在图像中所关注的目标，提高提取关注目标的准确性。
-
Patent Agency Ranking
公开(公告)号：CN105205842A
公开(公告)日：2015-12-30
申请号：CN201510545646.2
申请日：2015-08-31
Applicant: 中国人民解放军信息工程大学
IPC: G06T11/00
Abstract: 本发明公开了一种X射线成像系统中的变电流投影融合方法，克服了现有技术中，已有变电流投影融合技术中，人工选择融合阈值的缺陷问题。该发明具体步骤如下：（1）采集成像物体在各投影角度下不同电流的投影数据；（2）构造不同电流投影的灰度值-有效边缘梯度序列；（3）使用动态时间弯曲方法求解最佳融合阈值；（4）计算缩放因子；（5）投影图像融合；（6）CT图像重建。该发明方法能够避免人工选择融合阈值的主观性，有效扩展探测器的动态范围。探测器动态范围得到扩展后，实验对于探测器的成像需求得到降低，从而减少硬件成本。基于融合后投影的CT图像SNR优于传统人工选择固定阈值的融合方法。
-
公开(公告)号：CN106709924B
公开(公告)日：2019-11-22
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
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。
-
公开(公告)号：CN106446890B
公开(公告)日：2019-09-06
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
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：CN106022384B
公开(公告)日：2019-07-12
申请号：CN201610361766.1
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于fMRI视觉功能数据DeconvNet的图像关注目标语义分割方法，通过被试在自然场景图像刺激下采集到的fMRI视觉功能数据，训练深度卷积神经网络模型，将其映射到关注目标类别标签上进行模型优化；构造与优化后的深度卷积神经网络对称的深度网络模型，利用fMRI视觉功能数据及刺激图像相对应的语义分割结果优化该模型参数，获得fMRI视觉功能数据到逐像素语义分割结果的映射；采集被试观看测试图像的fMRI视觉功能数据，确定被试关注目标类别和逐像素语义分割结果，分割出关注目标区域和相应目标语义。本发明对被试观看自然场景图像时所引发的fMRI视觉功能数据进行解析，提取出刺激图像中所有目标类别并获得语义分割结果，提高关注目标提取的准确性。
-
公开(公告)号：CN105205842B
公开(公告)日：2017-12-15
申请号：CN201510545646.2
申请日：2015-08-31
Applicant: 中国人民解放军信息工程大学
IPC: G06T11/00
Abstract: 本发明公开了一种X射线成像系统中的变电流投影融合方法，克服了现有技术中，已有变电流投影融合技术中，人工选择融合阈值的缺陷问题。该发明具体步骤如下：（1）采集成像物体在各投影角度下不同电流的投影数据；（2）构造不同电流投影的灰度值‑有效边缘梯度序列；（3）使用动态时间弯曲方法求解最佳融合阈值；（4）计算缩放因子；（5）投影图像融合；（6）CT图像重建。该发明方法能够避免人工选择融合阈值的主观性，有效扩展探测器的动态范围。探测器动态范围得到扩展后，实验对于探测器的成像需求得到降低，从而减少硬件成本。基于融合后投影的CT图像SNR优于传统人工选择固定阈值的融合方法。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.037 seconds)
