-
公开(公告)号：CN113642663A
公开(公告)日：2021-11-12
申请号：CN202110974161.0
申请日：2021-08-24
Applicant: 中国水利水电科学研究院 , 同济大学
Abstract: 本发明提出一种卫星遥感影像水体提取方法，包括：确定样本位置，获取样本点在一定时间序列上的多源遥感影像集，分别完成去云处理后进行合成，获得去云合成影像；使用合成影像的波段数据，使用自定义的归一化差异水体指数(NDWI)进行计算得到指数值；将影像转为RGB图像，输入已经训练完成的分类网络模型，得到该图像的类激活图CAM；融合CAM和NDWI，通过阈值筛选得到marker，将RGB图像转为灰度图并使用随机游走算法进行分割，通过面积阈值筛选得到大面积水体分割结果。本方法通过对仅有图像级标注的遥感影像训练数据集进行学习与训练，融合NDWI和CAM进行分割，在消除对真实水体标注的依赖同时，也加强了水体提取的精度。
-
公开(公告)号：CN113642663B
公开(公告)日：2022-03-22
申请号：CN202110974161.0
申请日：2021-08-24
Applicant: 中国水利水电科学研究院 , 同济大学
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06K9/62 , G06V10/26
Abstract: 本发明提出一种卫星遥感影像水体提取方法，包括：确定样本位置，获取样本点在一定时间序列上的多源遥感影像集，分别完成去云处理后进行合成，获得去云合成影像；使用合成影像的波段数据，使用自定义的归一化差异水体指数(NDWI)进行计算得到指数值；将影像转为RGB图像，输入已经训练完成的分类网络模型，得到该图像的类激活图CAM；融合CAM和NDWI，通过阈值筛选得到marker，将RGB图像转为灰度图并使用随机游走算法进行分割，通过面积阈值筛选得到大面积水体分割结果。本方法通过对仅有图像级标注的遥感影像训练数据集进行学习与训练，融合NDWI和CAM进行分割，在消除对真实水体标注的依赖同时，也加强了水体提取的精度。
-
公开(公告)号：CN117094982A
公开(公告)日：2023-11-21
申请号：CN202311222669.0
申请日：2023-09-21
Applicant: 同济大学
IPC: G06T7/00 , G06T7/10 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于层次式注意力网络的医学图像半监督分割方法，包括：S1、通过基于StyleGAN2的层次式注意力生成对抗网络结构为层次式注意力生成模型；S2、通过以残差网络为骨干的编码器将生物医学图像编码到低维隐空间，然后用训练好的层次式注意力生成对抗网络生成相应的语义分割掩码；S3、对层次式注意力生成模型中的尾部双分支生成器的某一层提取的特征图应用k‑means聚类算法，并将聚类结果作为输入图像的最终分割掩码；S4、将输入图像编码到隐空间，得到了输入图像在隐空间的语义表示，实现医学图像数据集的跨域分割。根据本发明，通过将输入图像编码到隐空间，可以实现不同数据集之间的跨域分割，具有较好的半监督分割性能和跨域分割性能，可被广泛应用于医学图像分割领域。
-
Patent Agency Ranking
公开(公告)号：CN116797909A
公开(公告)日：2023-09-22
申请号：CN202310769742.X
申请日：2023-06-28
Applicant: 同济大学
IPC: G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06V10/26 , G06V10/40
Abstract: 本发明提供一种支持生成医学分割数据对的多阶段式生成对抗网络，属于医学图像生成领域，方法包括：对分割数据集内的医学图像进行解耦；将医学图像生成分为三个阶段；利用人体结构对称性获取无病灶的医学图像；使用多阶段式生成对抗网络生成多样的逼真数据对。图像解耦指利用分割掩码将医学图像分为病灶和非病灶区域，图像生成的三个阶段指非病灶区域生成、病灶区域形状的生成、非病灶和病灶区域纹理的加强。本发明为了缓解医学图像分割数据集稀缺问题，将医学图像生成过程解耦，构建了能同时生成医学图像和对应分割掩码的多阶段式生成对抗网络，通过阶段性生成复杂医学图像的不同部分，有效提升了生成图像的质量。
-
公开(公告)号：CN112862805B
公开(公告)日：2022-12-06
申请号：CN202110238730.5
申请日：2021-03-04
Applicant: 同济大学
Abstract: 本发明提供了听神经瘤图像自动化分割方法和系统，利用预先训练的听神经瘤图像自动化分割模型对获取的听神经瘤患者的核磁共振图像进行自动化分割获得分割结果，所述听神经瘤图像自动化分割模型采用预处理网络和分割网络的级联结构。本发明实施例通过构建以提升模型分割性能为目标的预处理网络提升了模型的分割性能，突破了单一Unet分割模型的局限性，获得了当前最优的听神经瘤图像自动化分割模型，能以较快的速度实现听神经瘤图像的自动化分割，大幅提升了听神经瘤图像分割效率。
-
公开(公告)号：CN113848703A
公开(公告)日：2021-12-28
申请号：CN202110999034.6
申请日：2021-08-28
Applicant: 同济大学
IPC: G05B13/04
Abstract: 本发明公开了一种多智能体系统状态估计方法，基于动力学模型，得到当前时刻智能体对其相邻智能体的观测状态值；基于增广模型的状态预测方程，得到所述智能体和其相邻智能体在上一时刻对当前时刻的增广模型的状态预测值；通过传输信道量化并传输相邻智能体在上一时刻对当前时刻的增广模型的状态预测值；基于增广模型的状态估计方程，得到所述智能体在当前时刻的增广模型的状态估计值；基于增广模型状态与动力学模型状态的变换方程，得到所述智能体在当前时刻的动力学模型的状态估计值；本发明能够获取自身观测与其他节点的相对观测，利用量化信道传输状态预测值，通过分布式二次滤波实现状态估计，减少算法计算量并提高准确度。
-
公开(公告)号：CN113848703B
公开(公告)日：2023-12-08
申请号：CN202110999034.6
申请日：2021-08-28
Applicant: 同济大学
IPC: G05B13/04
Abstract: 本发明公开了一种多智能体系统状态估计方法，基于动力学模型，得到当前时刻智能体对其相邻智能体的观测状态值；基于增广模型的状态预测方程，得到所述智能体和其相邻智能体在上一时刻对当前时刻的增广模型的状态预测值；通过传输信道量化并传输相邻智能体在上一时刻对当前时刻的增广模型的状态预测值；基于增广模型的状态估计方程，得到所述智能体在当前时刻的增广模型的状态估计值；基于增广模型状态与动力学模型状态的变换方程，得到所述智能体在当前时刻的动力学模型的状态估计值；本发明能够获取自身观测与其他节点的相对观测，利用量化信道传输状态预测值，通过分布式二次滤波实现状态估计，减少算法计算量并提高准确度。
-
公开(公告)号：CN112862805A
公开(公告)日：2021-05-28
申请号：CN202110238730.5
申请日：2021-03-04
Applicant: 同济大学
Abstract: 本发明提供了听神经瘤图像自动化分割方法和系统，利用预先训练的听神经瘤图像自动化分割模型对获取的听神经瘤患者的核磁共振图像进行自动化分割获得分割结果，所述听神经瘤图像自动化分割模型采用预处理网络和分割网络的级联结构。本发明实施例通过构建以提升模型分割性能为目标的预处理网络提升了模型的分割性能，突破了单一Unet分割模型的局限性，获得了当前最优的听神经瘤图像自动化分割模型，能以较快的速度实现听神经瘤图像的自动化分割，大幅提升了听神经瘤图像分割效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.044 seconds)
