-
公开(公告)号：CN117495992A
公开(公告)日：2024-02-02
申请号：CN202311229545.5
申请日：2023-09-21
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种欠采样核磁共振图像的重建方法，包括以下步骤：（1）基于边际分布匹配的VE‑SDE加速采样；（2）基于梯度的复值重建数据一致性约束；（3）基于自回归的噪声流形修正。本发明针对现有的扩散模型重建速度慢，并且需要针对不同任务重新训练扩散模型的不足，提出了一种能够利用已有的扩散模型实现不同欠采样方式的核磁共振图像重建，并使用匹配边际分布的方式加速重建过程，大幅减少重建所需时间，为了提升重建图像的质量，提出了利用欠采样图像和扩散模型上一时间步的噪声图像来预测当前时间步的图像数据，并使用该图像和已有的欠采样数据共同约束扩散模型的采样过程，使得重建的图像尽可能保留已知信息的同时具有更高的重建质量。
-
公开(公告)号：CN111754418B
公开(公告)日：2023-09-26
申请号：CN202010430976.8
申请日：2020-05-20
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Hess矩阵的图像增强方法，涉及数字图像处理、计算机视觉等技术领域。具体步骤为：1)用多尺度分数阶Hess矩阵对输入图像进行处理，生成特征加权图像；2)抑制特征加权图像中强特征信息像素的特征值，得到背景加权图像；3)用背景加权图像的直方图和该直方图归一化后形成的累积分布函数得到最终映射函数；4)利用映射函数得到增强后的图像。本方法用matlab为平台进行验证，结合Hess矩阵的相关知识，完成了改善图像对比度达到增强目的，具有实际意义，并且取得较好增强效果。
-
公开(公告)号：CN116596771A
公开(公告)日：2023-08-15
申请号：CN202310260242.3
申请日：2023-03-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于自适应光照初始化的弱光图像增强方法，涉及数字图像处理、计算机视觉、信号处理、图像增强等技术领域。具体步骤为：1)在网上搜集并整理现有公开的弱光图像数据集；2)根据不同的输入图像，基于提出的光照自适应初始化模块，准确的估计出图像的初始光照分量；3)在结构光照先验的约束下，通过交替方向最小化技术对初始光照分量进行优化估计；4)对得到的优化光照分量执行伽马校正，以进一步对图像的亮度实现非线性调整；5)结合Retinex理论模型实现弱光图像的增强。本方法利用准确估计出的初始光照分量，结合Retinex理论模型实现弱光图像的增强任务，也可以用于弱光视频的增强。该发明同时具有现实应用意义，并且取得了令人满意的增强效果。
-
公开(公告)号：CN116340844A
公开(公告)日：2023-06-27
申请号：CN202310315775.7
申请日：2023-03-28
Applicant: 重庆邮电大学
IPC: G06F18/241 , A61B7/04 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明属于深度学习的心音分类领域，具体涉及一种基于注意力机制的鲁棒心音分类方法；包括通过窗函数分割心音数据得到若干等长的心音信号；对心音信号进行预处理，按比例将预处理结果划分为训练集和测试集；采用训练集训练心音分类模型，所述心音分类模型包括第一卷积层、多个stage模块和线性输出层；计算心音分类模型输出的损失值并反向传播训练模型，直至模型收敛；获取实时心音信号并预处理，将与处理后的实时心音信号输入训练好的心音分类模型得到预测分类结果；采用多数投票机制将预测分类结果转换为心音记录级诊断结果；本发明实现了心音信号的实时辅助诊断以及噪声的规避；提高了心音分类的灵敏度、特异性和平均准确度。
-
公开(公告)号：CN116309754A
公开(公告)日：2023-06-23
申请号：CN202310321851.5
申请日：2023-03-29
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于局部‑全局信息协作的大脑医学图像配准方法及系统；该方法包括：获取用于训练的大脑医学图像并对其进行预处理，得到移动图像和固定图像；在通道维度拼接移动图像和固定图像，得到拼接图像；将拼接图像输入到全局自注意力关系网络中进行处理，得到第一形变场；将拼接图像输入到局部结构特征网络中进行处理，得到第二形变场；将第一形变场和第二形变场逐像素按位相加，得到最终形变场；根据最终形变场采用空间变换网络对移动图像进行翘曲，得到翘曲图像；本发明提升了配准的精度和泛化能力；比起现有技术，具有更好图像配准的效果。
-
Patent Agency Ranking
公开(公告)号：CN116229079A
公开(公告)日：2023-06-06
申请号：CN202310324023.7
申请日：2023-03-30
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉图形学领域，具体涉及一种基于视觉辅助和特征增强的三维点云语义分割方法及系统，所述方法包括构建三维点云语义分割深度学习模型并训练，将待分割三维点云数据输入训练好的点云语义分割模型，通过设计一个重建辅助网络来显式地提取视觉颜色特征，并在主干分割网络中引入通道注意力机制以充分地加以利用，同时在解码层中构建点特征增强模块，以进一步提高模型在不同语义类边界处的点的分割能力；本发明能够对点的局部邻域进行有效的聚合，提升深度学习模型对三维点云语义分割的效果，促进了相关技术领域的发展。
-
公开(公告)号：CN111681252B
公开(公告)日：2022-05-03
申请号：CN202010479507.5
申请日：2020-05-30
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理与计算机视觉技术领域，特别涉及一种基于多路径注意力融合的医学图像自动分割方法，包括获取医学图片数据集，将数据集分为训练集和验证集，对训练集中的图片进行增广，并对验证集和增广之后的训练集中图片进行归一化处理；将训练集中的图片输入多路径注意力融合网络模型，在交叉熵损失函数的指导下输出得到分割结果图；选择验证集准确率最高的模型，将测试集输入加载此模型的多路径注意力融合网络，输出得到图像的分割结果图；本发明解决医学图像分割过程中现有网络无法在编码器无法效地提高不同尺度下的特征质量，并且难以控制网络低级结构特征和高级语义特征之间的层间依赖性从而导致分割结果不佳等问题。
-
公开(公告)号：CN113768515A
公开(公告)日：2021-12-10
申请号：CN202111092161.4
申请日：2021-09-17
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度卷积神经网络的心电信号分类方法，涉及深度学习、模式识别的技术领域。具体步骤为：1)直接将原始心电信号有重叠地分割成30秒长度的心电片段；2)将分割好的心电信号片段送入卷积神经网络模型中；3)利用心电标签和随机梯度下降算法对网络模型进行训练；4)利用一个投票机制综合分析每条心电片段的分类结果，并投票得出整条心电记录的分类结果。本发明没有复杂预处理过程，同时摆脱了对心跳周期精确分割以及复杂人工特征设计的依赖。利用卷积神经网络自动提取复杂心电信号中与心脏疾病相关的特征，提高了心电分类的效果，并实现对心电信号的辅助诊断，与智能可穿戴设备相结合可进行实时的心脏健康监测。
-
公开(公告)号：CN113380262A
公开(公告)日：2021-09-10
申请号：CN202110519845.1
申请日：2021-05-13
Applicant: 重庆邮电大学
Abstract: 本发明属于声音信号分离技术领域，特别涉及一种基于注意力机制与扰动感知的声音分离方法，包括获取声音信号数据集，对该数据集的声音信号进行预处理得到混合声音信号，随后将混合声音信号划分为训练集、验证集；将训练集中的混合声音信号输入单通道语音分离网络模型，在交叉熵损失函数的指导下输出得到分离后的独立源信号；利用验证集数据验证每次单通道语音分离网络模型的正确率，并且保存正确率最高时的网络参数；将待分离的混合声音信号数据输入单通道语音分离网络模型，即可得到分割后的独立源声音信号；本发明能够进一步学习区分混合信号中的噪声信号，解决了单通道语音分离网络对噪声鲁棒性不足的问题。
-
公开(公告)号：CN107767388B
公开(公告)日：2021-02-09
申请号：CN201711059488.5
申请日：2017-11-01
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合云模型和水平集的图像分割方法，包括步骤：S1得到图像的直方图并对其进行曲线拟合；S2通过拟合的曲线划分谷值区间；S3利用逆向高斯云算法得到三个数字特征Ex、En和He并通过“软或云”得到前景云模型和背景云模型；S4构造能量函数并对其进行求解从而得到分割结果。本发明结合云模型和水平集算法，利用云模型对图像里面的边界予以去线性化处理，降低了人工干预所造成的收敛不稳定性问题的发生几率和程度，并且使得水平集函数所对应的收敛性得到加速；同时借助云模型算法初始化水平集函数的操作有效的降低了函数自身的噪声敏感性以及解决了分割过程中不断初始化水平集函数的问题。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.03 seconds)
