公开(公告)号：CN110827332A

公开(公告)日：2020-02-21

申请号：CN201910951705.4

申请日：2019-10-09

Applicant: 哈尔滨工程大学

Inventor： 汲清波 ,  曲志昱 ,  赵雪 ,  代冲 ,  张涵

IPC: G06T7/33 ,  G06T5/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明涉及一种基于卷积神经网络的SAR图像的配准方法领域，所述方法包括如下步骤：获取SAR参考图像及待配准SAR实时图，其中实时图与参考图像为同一区域的两幅图像；对参考图像利用BNLMF滤波器算法降噪处理，并提取SIFT特征点，构造训练用数据集，训练AlexNet卷积网络，并得到网络模型；对待配准实时图利用BNLMF滤波器算法降噪，提取SIFT特征点，构造实时图的样本集；将实时图的样本集输入到训练好的AlexNet卷积网络模型中，预测匹配关系，获得初始匹配特征点对。本发明方法能够提升数据拟合的鲁棒性，抑制积累误差对数据造成进一步的干扰，从而实现对变换矩阵的稳健估计，有效提升配准精度。

公开(公告)号：CN110473166A

公开(公告)日：2019-11-19

申请号：CN201910614832.5

申请日：2019-07-09

Applicant: 哈尔滨工程大学

Inventor： 曲志昱 ,  汲清波 ,  张涵 ,  刘潋 ,  赵雪

IPC: G06T7/00 ,  G06T3/60 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H30/40 ,  G16H50/20 ,  G01N15/00 ,  G01N15/14

Abstract: 本发明涉及医学图像处理领域，具体涉及一种基于改进Alexnet模型的尿液有形成分识别方法。步骤一：采集和扩充图像数据集，构建尿沉渣图像训练集和测试集；步骤二：构建基于Alexnet网络模型的尿液有形成分识别网络模型；步骤三：设置尿液有形成分识别网络模型的训练参数；步骤四：训练基于Alexnet网络模型的尿液有形成分识别网络模型；步骤五：测试基于Alexnet网络模型的尿液有形成分识别网络模型；本发明在Alexnet网络模型的基础上进行了改进，减少了网络训练参数量，能够自动提取图像特征，具有识别率高、识别时间快、泛化能力强的特点，对于辅助医疗诊断、减轻医生负担具有重要的应用前景。

公开(公告)号：CN110827332B

公开(公告)日：2022-12-13

申请号：CN201910951705.4

申请日：2019-10-09

Applicant: 哈尔滨工程大学

Inventor： 汲清波 ,  曲志昱 ,  赵雪 ,  代冲 ,  张涵

IPC: G06T7/33 ,  G06T5/00 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及一种基于卷积神经网络的SAR图像的配准方法领域，所述方法包括如下步骤：获取SAR参考图像及待配准SAR实时图，其中实时图与参考图像为同一区域的两幅图像；对参考图像利用BNLMF滤波器算法降噪处理，并提取SIFT特征点，构造训练用数据集，训练AlexNet卷积网络，并得到网络模型；对待配准实时图利用BNLMF滤波器算法降噪，提取SIFT特征点，构造实时图的样本集；将实时图的样本集输入到训练好的AlexNet卷积网络模型中，预测匹配关系，获得初始匹配特征点对。本发明方法能够提升数据拟合的鲁棒性，抑制积累误差对数据造成进一步的干扰，从而实现对变换矩阵的稳健估计，有效提升配准精度。