一种平板探测器环状伪影去除方法

    公开(公告)号:CN110400358B

    公开(公告)日:2022-10-04

    申请号:CN201910645908.0

    申请日:2019-07-17

    IPC分类号: G06T11/00 G06T5/00

    摘要: 本发明提供一种平板探测器环状伪影去除方法,利用CT系统检测出不响应的探元并记入坏点模板;然后分别计算每个探元响应与管电流的相关系数,检测出像素值最快达到极大值的探元,将以上方法检测出的探元记入坏点模板;在无坏点区域取有限个感兴趣区域,将感兴趣区域进行叠加平均得到相应的正弦图;以感兴趣区域的正弦图为基准,利用B样条曲线对坏点区域进行拟合逼近,得到初步校正结果;采用H‑L一致性条件对初步校正结果进行平滑处理,得到校正后的输出。本发明能够有效去除环状伪影,并且只需一个固定的阈值,解决了现有坏点检测方法中阈值选择困难的问题,可适用于多种类型探测器,并能够改善图像信噪比。

    一种平板探测器环状伪影去除方法

    公开(公告)号:CN110400358A

    公开(公告)日:2019-11-01

    申请号:CN201910645908.0

    申请日:2019-07-17

    IPC分类号: G06T11/00 G06T5/00

    摘要: 本发明提供一种平板探测器环状伪影去除方法,利用CT系统检测出不响应的探元并记入坏点模板;然后分别计算每个探元响应与管电流的相关系数,检测出像素值最快达到极大值的探元,将以上方法检测出的探元记入坏点模板;在无坏点区域取有限个感兴趣区域,将感兴趣区域进行叠加平均得到相应的正弦图;以感兴趣区域的正弦图为基准,利用B样条曲线对坏点区域进行拟合逼近,得到初步校正结果;采用H-L一致性条件对初步校正结果进行平滑处理,得到校正后的输出。本发明能够有效去除环状伪影,并且只需一个固定的阈值,解决了现有坏点检测方法中阈值选择困难的问题,可适用于多种类型探测器,并能够改善图像信噪比。

    基于离散表征和条件自回归的fMRI视觉重构方法

    公开(公告)号:CN112233199B

    公开(公告)日:2024-02-06

    申请号:CN202011006599.1

    申请日:2020-09-23

    摘要: 本发明提供一种基于离散表征和条件自回归的fMRI视觉重构方法。该方法包括:步骤1:构建图像离散表征模型和图像重构模型;步骤2:构建fMRI视觉重构数据集,所述数据集包含训练集和测试集,训练集包含第一套图像和被试看到第一套图像刺激后的第一套fMRI脑信号;所述测试集包含第二套图像和被试看到第二套图像刺激后的第二套fMRI脑信号;步骤3:根据训练集和图像离散表征模型,构建fMRI脑信号到图像离散表征的条件自回归模型;步骤4:根据条件自回归模型和图像重构模型,得到第二套fMRI脑信号的视觉重构结果。本发明主要面向复杂自然图像的重构。

    基于集成注意力机制的多目标对抗补丁生成方法及装置

    公开(公告)号:CN112085069B

    公开(公告)日:2023-06-20

    申请号:CN202010830728.2

    申请日:2020-08-18

    摘要: 本发明属于人工智能安全技术领域,特别涉及一种基于集成注意力机制的多目标对抗补丁生成方法及装置,该方法包括构建图像分类数据集;构建基于集成注意力机制的多目标对抗补丁生成框架;定义损失函数并训练多目标对抗补丁生成框架;测试生成对抗补丁的攻击效果。本发明通过集成注意力机制定位输入图像的关键分类区域,以确保对抗补丁发挥更好的攻击性能和迁移性;生成器的输入充分利用原图信息,将使生成器生成的对抗补丁效果更佳;生成器的输入还融合了多目标类别信息,可以攻击目标模型的任意指定类别,实现多目标类别的攻击;对判别器的输入进行裁剪,以保证判别器学到更多的上下文信息,提高对抗补丁视觉效果。

    一种多通道图神经网络伪标签选择方法

    公开(公告)号:CN115526289A

    公开(公告)日:2022-12-27

    申请号:CN202210962776.6

    申请日:2022-08-11

    IPC分类号: G06N3/04 G06N3/08

    摘要: 本发明提供一种多通道图神经网络伪标签选择方法。该方法包括:步骤1:构建训练集和多通道图神经网络;步骤2:采用所述训练集数据对所述多通道图神经网络进行训练;其中,一个图数据作为一个通道的输入;步骤3:将未标注的图数据分别作为训练好的多通道神经网络的各个通道的输入并得到各个通道输出的图数据节点的伪标签集合;步骤4:计算各个通道输出的伪标签集合的交集,使用所述交集中的伪标签对所述图数据未标注的节点进行标注后,将其加入至训练集数据;步骤5:重复步骤2至步骤4,直至达到终止条件;步骤6:将N个图神经网络的输出进行聚合,然后使用注意力机制得到最终的输出。

    基于pix2pix的PCB灰度图像着色方法及系统

    公开(公告)号:CN112084728B

    公开(公告)日:2022-11-01

    申请号:CN202010931067.2

    申请日:2020-09-07

    摘要: 本发明属于PCB板检测测量技术领域,特别涉及一种基于pix2pix的PCB灰度图像着色方法及系统,收集图像数据集;构造pix2pix网络模型,包含:用于生成器和辅助训练生成器的判别器;利用图像数据集中PCB灰度图像数据作为模型中生成器输入、利用PCB对应彩色图像数据和生成器生成的着色图像作为判别器输入,对pix2pix网络模型生成器进行调优训练和参数调整,以获取收敛后的网络模型,并确定用于目标图像着色处理的最终pix2pix网络模型;将待着色的目标PCB灰度图像输入最终pix2pix网络模型中,通过该网络模型中生成器生成着色图像并输出。本发明根据PCB实物各组成部分的灰度图像特点实现自动化PCB着色方案,突出PCB要素分布,增强PCB着色的真实感,便于PCB电路板检测测量,具有较强应用前景。