-
公开(公告)号：CN113128583B
公开(公告)日：2022-08-23
申请号：CN202110406829.1
申请日：2021-04-15
Applicant: 重庆邮电大学
Abstract: 本发明请求保护基于多尺度机制和残差注意力的医学图像融合方法及介质，所述方法包括步骤：S1将配准后的解剖型图像和功能型图像输入到大小为1×1的卷积核，增加输入特征的维数；S2将配准后的解剖型图像和功能型图像分别输入到两个分支的多尺度机制中，提取它们在不同尺度上的特征图，接着将提取的特征图输入到残差注意力网络中，进一步提取输入图像的特征；S3将提取的解剖图像和功能图像的特征图进行融合；S4将融合后的特征图通过三层卷积进行重构，得到最终的融和图像。本发明有效解决了医学图像融合方法在伪彩图像和灰度图像融合时的信息丢失以及颜色失真等问题。
-
公开(公告)号：CN114782503A
公开(公告)日：2022-07-22
申请号：CN202210337610.5
申请日：2022-04-01
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉图形学领域，具体涉及一种基于多尺度特征相似度约束的点云配准方法及系统，通过对点的匹配可信度进行主动评估，同时采用注意力融合机制的网络提取区分性的特征，同时使用双向的交替对应搜索机制和灵活的错位损失函数来进行鲁棒学习，引入一致性约束下的点对权重分配方案，最后以加权SVD求出变换矩阵，提升了配准的精度，本发明能够在点云间建立鲁棒的对应关系，提升深度模型对点云配准的效果，促进了相关技术领域的发展。
-
公开(公告)号：CN112509008B
公开(公告)日：2022-05-03
申请号：CN202011476028.4
申请日：2020-12-15
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于交并比(Intersection‑over‑Union,IoU)引导孪生网络的目标跟踪方法，属于目标跟踪领域。其中所述方法包括以下步骤：将数据进行预处理并作为训练数据集；以SiamRPN目标跟踪方法为基础模型，为了增强跟踪模型的鲁棒性，本发明设计了一个预测IoU的孪生网络跟踪框架，从而提升了模型的分类分支与回归分支的相关性；为了提高跟踪的定位精度，本发明提出了一个IoU引导定位的跟踪算法；然后通过随机梯度下降优化算法迭代训练；最后使用训练好的IoU引导孪生网络进行目标跟踪。在增加少量的参数及计算量的情况下，本发明有效的预测了回归后的锚框(Anchor)与目标的交并比，从而增强了模型的定位精度，并提升了模型跟踪的鲁棒性。
-
公开(公告)号：CN114022916A
公开(公告)日：2022-02-08
申请号：CN202110430028.9
申请日：2021-04-21
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于可视化脸型判断的面部美学评估方法及存储介质，包括步骤：S1对面部图像进行标记点定位；S2通过B样条函数对面部轮廓标记点进行插值建模；S3根据插值曲线求面部轮廓曲率特征；S4根据面部表情研究理论提取几何特征；S5通过Garbor滤波器提取纹理特征；S6通过卷积神经网络VGG提取肤色和头发等特征；S7将上述四种特征融合，采用支持向量机SVR对面部美学进行评估。本发明结合B样条、Garbor滤波和深度学习算法提取混合特征来描述面部美学。使得最终的特征涵盖了整个面部信息。
-
公开(公告)号：CN113129247A
公开(公告)日：2021-07-16
申请号：CN202110431506.8
申请日：2021-04-21
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于自适应多尺度残差卷积的遥感图像融合方法及存储介质，包括步骤：S1根据Wald协议，将低分辨率的多光谱图像和高分辨率的全色图像分别进行相应倍数的下采样，构建模型需要的数据集；S2自适应匹配多光谱图像和全色图像，堆叠特征图作为输入；S3借助卷积神经网络的性质，构建一个多尺度的深层残差卷积神经网络；S4采用Adam优化算法对网络进行训练，得到训练后的深度卷积神经网络模型；S5将待融合的多光谱图像和全色图像输入到训练后的深度卷积神经网络模型中，得到融合后的高空间分辨率的多光谱图像。本发明利用深度卷积网络更充分地提取图像的空间特征，提高了多光谱遥感图像融合方法的融合效果。
-
Patent Agency Ranking
公开(公告)号：CN113129244A
公开(公告)日：2021-07-16
申请号：CN202110412320.8
申请日：2021-04-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于局部拉普拉斯分解的多尺度医学图像融合方法，包括步骤：S1将配准后的解剖型医学图像和功能型医学图像进行局部拉普拉斯滤波处理，分解为细节增强的多尺度近似图像和残差图像；S2使用基于感兴趣的规则融合残差图像；S3使用rgb2ycbcr算法和迭代联合滤波器融合近似图像；S4采用局部拉普拉斯的逆运算对多尺度融合图像进行重构。本发明有效解决了医学图像融合方法在解剖医学图像和功能医学图像融合时产生的颜色失真以及细节信息丢失等问题。
-
公开(公告)号：CN113128586A
公开(公告)日：2021-07-16
申请号：CN202110412317.6
申请日：2021-04-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多尺度机制和串联膨胀卷积遥感图像时空融合方法，包括步骤：S1将三张高时间、低空间分辨率的图像输入映射网络中，通过映射卷积网络中的多尺度感知和串联膨胀卷积提取特征，获得与高空间、低时间分辨率的图像具有相似分辨率的三张过渡图像；S2将过渡图像与高空间、低时间分辨率的图像一起输入到重建差分图像中，通过多网络的协同训练，获得两张高空间、低时间分辨率的差分图像；S3将两张差分图像与两张高空间、低时间分辨率的图像进行加权融合，重建得到一张高空间、高时间分辨率的图像。本发明在提高遥感图像时空算法的准确率的同时，解决了传统遥感时空算法存在的重建融合结果高频空间细节与光谱信息融合不准确的问题。
-
公开(公告)号：CN113128583A
公开(公告)日：2021-07-16
申请号：CN202110406829.1
申请日：2021-04-15
Applicant: 重庆邮电大学
Abstract: 本发明请求保护基于多尺度机制和残差注意力的医学图像融合方法及介质，所述方法包括步骤：S1将配准后的解剖型图像和功能型图像输入到大小为1×1的卷积核，增加输入特征的维数；S2将配准后的解剖型图像和功能型图像分别输入到两个分支的多尺度机制中，提取它们在不同尺度上的特征图，接着将提取的特征图输入到残差注意力网络中，进一步提取输入图像的特征；S3将提取的解剖图像和功能图像的特征图进行融合；S4将融合后的特征图通过三层卷积进行重构，得到最终的融和图像。本发明有效解决了医学图像融合方法在伪彩图像和灰度图像融合时的信息丢失以及颜色失真等问题。
-
公开(公告)号：CN107705289B
公开(公告)日：2021-07-06
申请号：CN201710791724.6
申请日：2017-09-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及医学图像处理技术领域，特别涉及一种基于骨架拓扑结构的血管模拟重建方法，包括：利用终端节点和分支节点间的骨架点，通过拟合获取血管的骨架线；利用体素的大小，计算出各血管段的长度；并根据骨架线获取血管垂直截面，并获取有效面积，从而计算出等效半径；并根据所述血管段的长度和所述等效半径模拟血管；本发明利用了分割血管的图像空间和物理空间的关系，使之更好的构建骨架分支点之间和其它骨架点的关联关系，提高图像测量血管段长度和血管半径的有效性和精度；相对于传统的医学图像血管段测量方法，本发明更为自动化以及有更佳的测量结果。
-
公开(公告)号：CN112509008A
公开(公告)日：2021-03-16
申请号：CN202011476028.4
申请日：2020-12-15
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于交并比(Intersection‑over‑Union,IoU)引导孪生网络的目标跟踪方法，属于目标跟踪领域。其中所述方法包括以下步骤：将数据进行预处理并作为训练数据集；以SiamRPN目标跟踪方法为基础模型，为了增强跟踪模型的鲁棒性，本发明设计了一个预测IoU的孪生网络跟踪框架，从而提升了模型的分类分支与回归分支的相关性；为了提高跟踪的定位精度，本发明提出了一个IoU引导定位的跟踪算法；然后通过随机梯度下降优化算法迭代训练；最后使用训练好的IoU引导孪生网络进行目标跟踪。在增加少量的参数及计算量的情况下，本发明有效的预测了回归后的锚框(Anchor)与目标的交并比，从而增强了模型的定位精度，并提升了模型跟踪的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.029 seconds)
