-
公开(公告)号：CN105118056B
公开(公告)日：2017-11-17
申请号：CN201510497617.3
申请日：2015-08-13
申请人： 重庆大学 , 中国人民解放军第三军医大学
IPC分类号： G06T7/11
摘要： 本发明公开了一种基于三维形态学的冠脉血管自动提取方法，包括如下步骤：S1，获取图像数据后，按照获取时间依次对图像进行排序，对排序完成的图像进行直方图变换；S2，对于变换后的图像进行三维粗分割，将分割的冠状动脉图像的灰度范围值进行三维形态学处理，通过计算主动脉区域和腐蚀掉区域的邻接点，得到邻接点构成的连通域；S3，遍历全部邻接点，执行完毕后，输出每一个邻接点构成的连通域，执行切割冠状动脉图像过程，从输入的三维粗分割数据以及全部邻接点的连通域数据从而寻找冠状动脉的开口点，切割完成冠状动脉图像。
-
公开(公告)号：CN105118056A
公开(公告)日：2015-12-02
申请号：CN201510497617.3
申请日：2015-08-13
申请人： 重庆大学 , 中国人民解放军第三军医大学
IPC分类号： G06T7/00
CPC分类号： G06T7/0012 , G06T2207/10081 , G06T2207/30101
摘要： 本发明公开了一种基于三维形态学的冠脉血管自动提取方法，包括如下步骤：S1，获取图像数据后，按照获取时间依次对图像进行排序，对排序完成的图像进行直方图变换；S2，对于变换后的图像进行三维粗分割，将分割的冠状动脉图像的灰度范围值进行三维形态学处理，通过计算主动脉区域和腐蚀掉区域的邻接点，得到邻接点构成的连通域；S3，遍历全部邻接点，执行完毕后，输出每一个邻接点构成的连通域，执行切割冠状动脉图像过程，从输入的三维粗分割数据以及全部邻接点的连通域数据从而寻找冠状动脉的开口点，切割完成冠状动脉图像。
-
公开(公告)号：CN106780497B
公开(公告)日：2019-09-24
申请号：CN201611063747.7
申请日：2016-11-28
申请人： 重庆大学 , 中国人民解放军第三军医大学
摘要： 本发明公开了一种基于统计信息的器官血管树自动提取方法，包括如下步骤：S1：对腹部CT图像运用水平集进行肝脏分割得到仅包含肝脏部分的图像序列，对图像数据使用一种改进的三维中值滤波的进行去噪处理；S2：在连续多个阈值下，选取血管丰富的连续多帧进行形态学处理并得到二值图像；S3：由连通域个数大小信息定义目标函数值，得到连续多张图像多阈值下，与连通域信息相关目标函数值的多个直方图，进行固定大小的滑动窗口扫描，选取具有峰值最多的阈值区间的加权平均值作为区域生长的一个全局阈值S4：在全局阈值和中心点像素值的相关限制下，使用三维区域生长得到一棵血管树，并通过三维闭操作对血管进行修复或者后期处理。
-
公开(公告)号：CN106780497A
公开(公告)日：2017-05-31
申请号：CN201611063747.7
申请日：2016-11-28
申请人： 重庆大学 , 中国人民解放军第三军医大学
摘要： 本发明公开了一种基于统计信息的器官血管树自动提取方法，包括如下步骤：S1：对腹部CT图像运用水平集进行肝脏分割得到仅包含肝脏部分的图像序列，对图像数据使用一种改进的三维中值滤波的进行去噪处理；S2：在连续多个阈值下，选取血管丰富的连续多帧进行形态学处理并得到二值图像；S3：由连通域个数大小信息定义目标函数值，得到连续多张图像多阈值下，与连通域信息相关目标函数值的多个直方图，进行固定大小的滑动窗口扫描，选取具有峰值最多的阈值区间的加权平均值作为区域生长的一个全局阈值S4：在全局阈值和中心点像素值的相关限制下，使用三维区域生长得到一棵血管树，并通过三维闭操作对血管进行修复或者后期处理。
-
公开(公告)号：CN117455811A
公开(公告)日：2024-01-26
申请号：CN202311487623.1
申请日：2023-11-09
申请人： 重庆大学
IPC分类号： G06T5/77 , G06T5/94 , G06T5/92 , G06T5/60 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464
摘要： 本发明公开了一种基于transformer的结构感知双流网络的低照度图像增强方法，包括：构建的双流网络分为主流网络和结构流网络，其中主流网络用于恢复增强图像并提供结构信息，结构流网络用于从主流中提取结构特征进而为增强过程提供丰富的结构信息；通过结构门控transformer从主流网络编码器部分中提取结构信息；采用基于交叉注意力的特征融合模块将主流网络和结构流网络的特征进行融合。该方法不仅解决了卷积操作缺乏全局特征捕获的问题，也缓解了图像块边界信息丢失的情况，有效提升网络的信息提取能力，使得模型能够处理处于不同光照环境的低照度图像，恢复出视觉效果清晰、结构明显的图像。
-
公开(公告)号：CN114220170A
公开(公告)日：2022-03-22
申请号：CN202111546456.4
申请日：2021-12-16
申请人： 重庆大学
IPC分类号： G06V40/20 , G06V20/40 , G06V10/46 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于时空和运动信息融合的人体行为识别方法，对视频数据提取，得到视频帧集；对视频帧集进行预处理，将预处理后的采样帧输入到构建的深度卷积神经网络模型中；利用其模型对采样帧提取短程运动特征和原始图像特征，两者融合得到第一次融合特征；对第一次融合特征分别进行长程运动和时空特征提取，得到长程运动信息特征和时空信息特征；融合这两种特征，得到第二次融合特征，根据第二次融合特征获得行为分类预测得分；基于分类预测得分获得人体行为识别结果。本发明通过构建深度卷积神经网络模型，利用运动信息提取模块和时空信息提取模块，有效捕获并融合时空特征和多尺度运动特征，进而提高人体行为识别精度。
-
公开(公告)号：CN110782410B
公开(公告)日：2022-03-18
申请号：CN201911019436.4
申请日：2019-10-24
申请人： 中国人民解放军陆军军医大学第一附属医院 , 重庆大学
摘要： 本发明公开一种基于CT图像的超声成像方法，包括以下步骤：S1：对CT图像进行超声波采样从而得到扇形特征点；S2：将扇形特征点进行坐标变换，得到矩形特征点，合成矩形图像；S3：分配矩形图像中矩形特征点的亮度值，从而生成超声场纹理；S4：将矩形特征点进行坐标变换，得到超声特征点，从而生成超声图像。本发明可将CT图像转换生成超声图像，解决了超声因被遮挡无法对病灶区域拍摄或清楚显示的问题，提高了诊断的可靠性、及时性和安全性。
-
公开(公告)号：CN114170104A
公开(公告)日：2022-03-11
申请号：CN202111505539.9
申请日：2021-12-10
申请人： 重庆大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于变异系数和保持结构的低光图像增强方法，包括：对低光图像使用变异系数获取权重图，自适应提取结构权重图和纹理权重图；利用所述结构权重图和所述纹理权重图来增强低光图像梯度，作为反射分量的先验；使用亮通道的先验估计作为照度分量的先验；利用P范数约束光照的平滑性；利用块坐标下降法获得反射分量和照度分量；对所述照度分量进行伽玛校正，与所述反射分量按像素相乘，获得增强图像；可以显著增强低光图像的暗部区域，获得的最终图像边缘信息完整，无多余噪声，颜色失真较少。
-
公开(公告)号：CN111757112A
公开(公告)日：2020-10-09
申请号：CN202010590673.2
申请日：2020-06-24
申请人： 重庆大学
IPC分类号： H04N19/147 , H04N19/19 , H04N19/70
摘要： 本发明公开了一种基于恰可察觉失真的HEVC感知码率控制方法，包括：像素的帧级码率控制、CTU级码率分配和JND模型更新参数，首先为像素相应的编码单元确定JND因子，用作CTU级码率分配的权重，然后根据JND因子确定最优拉格朗日因子 最后更新模型参数。本发明首先使用平均像素级JND权重的近似值作为编码单元的JND因子，用作码率分配的权重。其次，基于JND因子进行率失真(R-D)建模。最后，将所提出的R-D模型集成到现有的HEVC码率控制框架中以提高编码效率，显着地提高主观编码质量和码率准确性。
-
公开(公告)号：CN107792284B
公开(公告)日：2020-05-12
申请号：CN201711045948.9
申请日：2017-10-31
申请人： 重庆大学
摘要： 本发明公开了一种具有气动式制动储能结构的自行车，包括自行车本体，所述自行车本体包括车架、把手、两脚踏板、前轮和后轮，所述车架由若干管体相连形成储气罐；在车架上设有一控制阀，所述控制阀为由滑轴控制的三位五通阀；在后轮轴的一端设有一活塞式气泵，所述活塞式气泵包括缸体、曲轴、曲轴臂、活塞、缸座以及端盖；在两脚踏板上设有压力传感器，所述压力传感器与一控制电路相连；在控制阀上设有一直线电机，该直线电机的电机轴与滑轴的另一端相连。本发明能够在自行车刹车过程中自动收集能量并进行存储，以在爬坡过程中对自行车施加额外的动力，从而使爬坡更快、更省力，进而提高骑行效率，有利于自行车的推广使用。
-
-
-
-
-
-
-
-
-
搜索结果
87 条记录 (耗时 0.042 秒)
