-
公开(公告)号：CN113422948B
公开(公告)日：2022-07-15
申请号：CN202110736117.6
申请日：2021-06-30
Applicant: 华中科技大学
IPC: H04N13/393 , H04N13/327 , H04N13/398
Abstract: 本发明属于三维图像显示领域，公开了一种基于位置匹配的切片式三维图像显示方法及系统，其中方法包括以下步骤：(S1)提取二维图像切片序列；(S2)修正二维图像切片序列；(S3)将图像切片序列存储至投影控制模块中，并将该投影控制模块切换至工作状态；(S4)设置伺服电机的转速参数；(S5)发送触发信号，成像屏开始转动；(S6)再次发送触发信号，投影控制模块接收到触发信号后将切换投影图像为当前投影图像切片在修正后的二维图像切片序列中的下一张；如此重复，即可基于视觉暂留原理在成像屏上实现三维显示。本发明能够在降低运动控制系统的精度要求情况下，依旧可以呈现较佳的三维图像显示效果，增强系统的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113422948A
公开(公告)日：2021-09-21
申请号：CN202110736117.6
申请日：2021-06-30
Applicant: 华中科技大学
IPC: H04N13/393 , H04N13/327 , H04N13/398
Abstract: 本发明属于三维图像显示领域，公开了一种基于位置匹配的切片式三维图像显示方法及系统，其中方法包括以下步骤：(S1)提取二维图像切片序列；(S2)修正二维图像切片序列；(S3)将图像切片序列存储至投影控制模块中，并将该投影控制模块切换至工作状态；(S4)设置伺服电机的转速参数；(S5)发送触发信号，成像屏开始转动；(S6)再次发送触发信号，投影控制模块接收到触发信号后将切换投影图像为当前投影图像切片在修正后的二维图像切片序列中的下一张；如此重复，即可基于视觉暂留原理在成像屏上实现三维显示。本发明能够在降低运动控制系统的精度要求情况下，依旧可以呈现较佳的三维图像显示效果，增强系统的鲁棒性。
-
公开(公告)号：CN113781640B
公开(公告)日：2025-04-08
申请号：CN202111132653.1
申请日：2021-09-27
Applicant: 华中科技大学
IPC: G06T17/00 , G06T7/11 , G06V40/16 , G06V10/82 , G06N3/0895 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于弱监督学习的三维人脸重建模型建立方法，属于三维人脸重建技术领域，包括：建立用于三维人脸重建的弱监督学习模型，包括：三维人脸重建网络，用于从输入图像提取三维人脸参数；人脸特征提取模型，用于从输入图像提取人脸特征向量；GCN优化解码器，用于根据人脸特征向量对粗纹理参数进行优化，得到精纹理参数；以及三维人脸生成器，用于根据形状参数和精纹理参数生成三维人脸模型；获取人脸图像数据集，对模型进行训练；训练过程中，将模型输出的三维人脸模型渲染为二维人脸图像并计算损失值，对模型进行模型参数优化，以最小化二维人脸图像与输入图像之间的误差。本发明能够提高三维人脸模型的纹理清晰度，可应用于中医面诊。
-
公开(公告)号：CN113781640A
公开(公告)日：2021-12-10
申请号：CN202111132653.1
申请日：2021-09-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于弱监督学习的三维人脸重建模型建立方法，属于三维人脸重建技术领域，包括：建立用于三维人脸重建的弱监督学习模型，包括：三维人脸重建网络，用于从输入图像提取三维人脸参数；人脸特征提取模型，用于从输入图像提取人脸特征向量；GCN优化解码器，用于根据人脸特征向量对粗纹理参数进行优化，得到精纹理参数；以及三维人脸生成器，用于根据形状参数和精纹理参数生成三维人脸模型；获取人脸图像数据集，对模型进行训练；训练过程中，将模型输出的三维人脸模型渲染为二维人脸图像并计算损失值，对模型进行模型参数优化，以最小化二维人脸图像与输入图像之间的误差。本发明能够提高三维人脸模型的纹理清晰度，可应用于中医面诊。
-
公开(公告)号：CN112669209A
公开(公告)日：2021-04-16
申请号：CN202011546695.5
申请日：2020-12-24
Applicant: 华中科技大学
Abstract: 本发明公开了一种三维医学图像超分辨率重建方法和系统，属于医学图像处理领域。本发明将三维超分辨率问题分解为单张切片超分辨率重建及相邻切片间内容相关性两个问题的组合，通过多通道二维卷积神经网络对三维医学图像数据进行超分辨率重建，多通道网络结构充分考虑了相邻切片的高相关性。图像超分辨率重建部分的参数通过大量二维高分辨率医学图像进行训练，之后冻结重建部分参数，利用少量三维数据训练多通道输出层的权重参数。由于多通道网络仅需训练新输出层的序列图像的权重等参数，这样仅需要少量的三维高分辨率图像即可完成网络训练。本质上为二维网络，相比于三维网络，需要的三维数据大大减少，训练难度也大大降低。
-
公开(公告)号：CN112669209B
公开(公告)日：2023-06-16
申请号：CN202011546695.5
申请日：2020-12-24
Applicant: 华中科技大学
Abstract: 本发明公开了一种三维医学图像超分辨率重建方法和系统，属于医学图像处理领域。本发明将三维超分辨率问题分解为单张切片超分辨率重建及相邻切片间内容相关性两个问题的组合，通过多通道二维卷积神经网络对三维医学图像数据进行超分辨率重建，多通道网络结构充分考虑了相邻切片的高相关性。图像超分辨率重建部分的参数通过大量二维高分辨率医学图像进行训练，之后冻结重建部分参数，利用少量三维数据训练多通道输出层的权重参数。由于多通道网络仅需训练新输出层的序列图像的权重等参数，这样仅需要少量的三维高分辨率图像即可完成网络训练。本质上为二维网络，相比于三维网络，需要的三维数据大大减少，训练难度也大大降低。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
