-
公开(公告)号：CN105279762B
公开(公告)日：2017-12-15
申请号：CN201510808379.3
申请日：2015-11-20
摘要： 一种口腔软硬组织CT序列与三维网格模型配准方法，步骤如下：(1)对咬模模型进行手动分割，得到咬模模型中不带底座的部分；(2)利用用户编辑标定的牙齿粗略轮廓，对输入的CT序列进行分割，获取CT序列中牙齿轮廓的坐标，并以输入的各层CT序列中牙齿硬组织轮廓的点坐标构建硬组织点集；(3)采用迭代最近点算法对咬模模型的点集坐标与硬组织轮廓点集坐标进行配准，得到咬模模型在三维空间的粗略配准位置；(4)采用ICP算法得到的粗略配准位置作为精确配准的初始结果，针对给定的CT序列以及初始配准的三维网格模型的位置构建初始的能量函数值，并采用拟牛顿法对能量函数进行优化以得到精确的配准结果。本发明可以实现CT序列与咬模模型的配准叠加显示，对CT序列内软组织厚度的测量。
-
公开(公告)号：CN107730503B
公开(公告)日：2020-05-26
申请号：CN201710818219.6
申请日：2017-09-12
申请人： 北京航空航天大学
摘要： 本发明实施例提供一种三维特征嵌入的图像对象部件级语义分割方法与装置，所述方法包括：获取目标二维图像的三维特征信息；根据所述目标二维图像的三维特征信息和所述目标二维图像的二维特征信息，对所述目标二维图像进行部件级语义分割。本申请的技术方案，在对图像进行部件级语义分割时，不仅考虑了图像的二维特征信息，同时考虑了图像的三维特征信息，进而提高了图像部件级语义分割的准确性。
-
公开(公告)号：CN107730503A
公开(公告)日：2018-02-23
申请号：CN201710818219.6
申请日：2017-09-12
申请人： 北京航空航天大学
摘要： 本发明实施例提供一种三维特征嵌入的图像对象部件级语义分割方法与装置，所述方法包括：获取目标二维图像的三维特征信息；根据所述目标二维图像的三维特征信息和所述目标二维图像的二维特征信息，对所述目标二维图像进行部件级语义分割。本申请的技术方案，在对图像进行部件级语义分割时，不仅考虑了图像的二维特征信息，同时考虑了图像的三维特征信息，进而提高了图像部件级语义分割的准确性。
-
公开(公告)号：CN106156781A
公开(公告)日：2016-11-23
申请号：CN201610545516.3
申请日：2016-07-12
申请人： 北京航空航天大学
摘要： 本发明提供一种排序卷积神经网络构建方法及其图像处理方法与装置，该排序卷积神经网络中包括了排序层，排序层用于对所述排序层的前一层的输出结果进行排序处理，按照排序结果生成所述排序层的输出结果，并将所述排序层的输出结果输出到所述排序层的后一层，使用该排序卷积神经网络能够通过自动学习来获取输入特征图对应的输出特征，相比于现有技术通过手工计算获取特征的方法，本发明的方法能够更好的反映真实场景素材蕴含的客观规律，将该方法应用于图像处理领域时，就能够使得图像处理的效果得到大幅提升。
-
公开(公告)号：CN105279762A
公开(公告)日：2016-01-27
申请号：CN201510808379.3
申请日：2015-11-20
申请人： 北京航空航天大学
IPC分类号： G06T7/00
CPC分类号： G06T2207/10081
摘要： 一种口腔软硬组织CT序列与三维网格模型配准方法，步骤如下：(1)对咬模模型进行手动分割，得到咬模模型中不带底座的部分；(2)利用用户编辑标定的牙齿粗略轮廓，对输入的CT序列进行分割，获取CT序列中牙齿轮廓的坐标，并以输入的各层CT序列中牙齿硬组织轮廓的点坐标构建硬组织点集；(3)采用迭代最近点算法对咬模模型的点集坐标与硬组织轮廓点集坐标进行配准，得到咬模模型在三维空间的粗略配准位置；(4)采用ICP算法得到的粗略配准位置作为精确配准的初始结果，针对给定的CT序列以及初始配准的三维网格模型的位置构建初始的能量函数值，并采用拟牛顿法对能量函数进行优化以得到精确的配准结果。本发明可以实现CT序列与咬模模型的配准叠加显示，对CT序列内软组织厚度的测量。
-
公开(公告)号：CN103177450B
公开(公告)日：2016-01-06
申请号：CN201310125473.X
申请日：2013-04-11
申请人： 北京航空航天大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于构件集采样的图像场景分割与分层联合求解方法，包括:对输入图像进行过分割处理，得到图像的超像素集;在训练数据集上训练得到语义类别的判别式模型和层次类别的判别式模型，并根据这两个模型获得输入图像中每个超像素属于每一语义类别的概率值和每一层次类别的概率值;构建输入图像的候选图结构，计算节点权重值、正边权重值和负边权重值。在此候选图结构上，利用构件集采样算法推理得到最优解，该最优解包含输入图像的每个超像素的准确语义类别和准确层次类别。本发明能广泛应用于军事、航空、航天、监控和制造等计算机视觉系统的语义信息和层次信息标记。
-
公开(公告)号：CN102867192B
公开(公告)日：2016-01-06
申请号：CN201210324835.3
申请日：2012-09-04
申请人： 北京航空航天大学
摘要： 本发明公开了一种提供一种基于监督测地线传播的场景语义迁移方法，包括以下步骤：利用特征匹配方法，在整个数据集中检索得到与图像场景最相似的N个图像，构成图像场景的相似图像集合；以相似图像集合作为训练集，利用已有的对象识别方法得到判别式模型，获得图像场景对应的粗略语义概率图，确定全局概率最大的点作为测地线传播的初始种子点；结合图像的颜色特征和边界特征，在图结构上定义测地线传播的初始距离；以相似图像集合作为训练集，根据相似图像的上下文信息，利用判别式方法得到传播指示器，指导测地线传播的方向；进行有监督的测地线传播处理，得到图像场景的准确语义标记。该方法能够得到图像场景准确的语义标记信息。
-
公开(公告)号：CN102360432B
公开(公告)日：2013-04-24
申请号：CN201110305520.X
申请日：2011-09-30
申请人： 北京航空航天大学
IPC分类号： G06K9/62
摘要： 本发明提供一种基于测地线传播的图像场景语义标记方法，包括：利用对象判别方法，获得图像场景对应的粗略语义概率图；估计图像场景的颜色特征分布和边界特征分布；结合颜色特征分布和边界特征分布，在其混合流型上定义测地线距离；使用均值漂移算法，确定局部概率最大的点集合作为各语义类别的测地线传播的初始种子点；针对定义的多类别上的测地线距离，利用基于优先队列的快速传播算法，确定场景中每一点的最短测地线距离，从而得到图像场景的准确语义标记。本发明可以广泛地应用于军事、航空、航天、监控、制造等计算机视觉系统的语义信息标记。
-
公开(公告)号：CN105205504A
公开(公告)日：2015-12-30
申请号：CN201510642743.3
申请日：2015-10-04
申请人： 北京航空航天大学
IPC分类号： G06K9/66
CPC分类号： G06K9/66
摘要： 本发明涉及一种基于数据驱动的图像关注区域质量评价指标学习方法。现存的评价指标，大都是通过启发式设计而来，在进行图像关注区域质量评价的时候，常常会得到有冲突的结论。因此，选择何种指标将新得到的模型与已有模型进行性能比较，常常会让人很困惑。为了解决这个问题，本发明首先进行大量的主观测试，通过人眼来做图像的显著性观测；基于此测试，得到大量的用户评测数据，然后本发明提出一个基于数据驱动的图像关注区域质量评价指标学习方法，并首次使用卷积神经网络设计得到评价指标，指标性能与人眼观测性能具有很高的一致性。
-
公开(公告)号：CN103177450A
公开(公告)日：2013-06-26
申请号：CN201310125473.X
申请日：2013-04-11
申请人： 北京航空航天大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于构件集采样的图像场景分割与分层联合求解方法，包括:对输入图像进行过分割处理，得到图像的超像素集;在训练数据集上训练得到语义类别的判别式模型和层次类别的判别式模型，并根据这两个模型获得输入图像中每个超像素属于每一语义类别的概率值和每一层次类别的概率值;构建输入图像的候选图结构，计算节点权重值、正边权重值和负边权重值。在此候选图结构上，利用构件集采样算法推理得到最优解，该最优解包含输入图像的每个超像素的准确语义类别和准确层次类别。本发明能广泛应用于军事、航空、航天、监控和制造等计算机视觉系统的语义信息和层次信息标记。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.051 秒)