-
公开(公告)号：CN106023236B
公开(公告)日：2019-06-04
申请号：CN201610431135.2
申请日：2016-06-16
Applicant: 华侨大学
IPC: G06T7/10
Abstract: 本发明涉及一种基于截断Dirichlet过程无限Student’s t混合模型的脑部核磁共振图像分割方法，基于Dirichlet过程无限Student’s t混合模型，将无限Student’s t混合模型中的分量数假设为预设的图像的分割数K，然后利用期望最大化算法对模型进行求解，再利用贝叶斯最大后验概率准则进行图像分割。本发明所述的方法中，假设的Student’s t混合模型直接对应到脑部核磁共振图像不同的部分，而且Student’s t分布的高尾部特性决定了模型有较好的抗噪效果，从而实现脑部核磁共振图像分割。求解Dirichlet过程无限Student’s t混合模型的过程中，本发明用简单高效的期望最大化算法对基于截断Dirichlet过程无限Student’s t混合模型进行求解，使模型的求解变得更易实现。本发明的实施，能够在PC端对一幅脑部核磁共振图像快速自动地进行分割。
-
公开(公告)号：CN105374007A
公开(公告)日：2016-03-02
申请号：CN201510870259.6
申请日：2015-12-02
Applicant: 华侨大学
IPC: G06T3/00
CPC classification number: G06T3/0012
Abstract: 本发明中的一种融合骨架笔画和纹理特征的铅笔画生成方法和装置，该铅笔画生成装置包括原始图像获取单元、灰度图像生成单元、梯度图像生成单元、骨架笔画图层生成单元、色调图层生成单元、纹理特征渲染图层生成单元、和铅笔画图像生成单元，该铅笔画生成方法通过对输入图像进行灰度化、去模糊处理及边缘检测从而得到梯度图像，再将梯度图像处理为骨架笔画图层，而后将骨架笔画图层处理为色调图层，并通过纹理合成和建立色调映射数学模型得到纹理特征渲染图层，最后将骨架笔画图层和纹理渲染图层进行正片叠底混合，得到最终的铅笔手绘画效果的铅笔画，本发明中的铅笔画生成方法和装置，生成铅笔画步骤简单、效率高且手绘效果突出。
-
公开(公告)号：CN111860465A
公开(公告)日：2020-10-30
申请号：CN202010794623.6
申请日：2020-08-10
Applicant: 华侨大学
Abstract: 本发明提供一种基于超像素的遥感图像提取方法、装置、设备及存储介质，方法包括：用超像素分割技术将训练图像分割成超像素块，生成不同尺寸的模型训练样本；根据生成的不同尺寸的模型训练样本，分别训练生成不同扫描尺寸的卷积神经网络模型；利用训练好的不同扫描尺寸的卷积神经网络模型，对训练图像进行提取，融合不同扫描尺寸的卷积神经网络的提取结果生成高阶卷积神经网络的训练样本；基于生成的高阶卷积神经网络的训练样本，训练生成高阶卷积神经网络模型，并利用所述不同扫描尺寸的卷积神经网络以及高阶卷积神经网络模型对待提取的遥感图像进行目标提取。本发明通过超像素块扫描，大大提升了处理的速度。
-
公开(公告)号：CN111612102A
公开(公告)日：2020-09-01
申请号：CN202010504460.3
申请日：2020-06-05
Applicant: 华侨大学
Abstract: 本发明公开了一种基于局部特征选择的卫星影像数据聚类方法、装置及设备，方法包括：S101，获取待处理的卫星影像数据集S102，使用基于局部特征选择的非参数VM混合模型对卫星影像数据进行建模；S103，通过变分贝叶斯推断算法估算所述非参数VM混合模型的模型参数并计算特征重要度；S104，根据估算的所述模型参数，判断所述非参数VM混合模型是否收敛；若否，则返回步骤S103，若是，则执行步骤S105；S105，根据特征的重要度对卫星影像数据进行筛选以保留重要的卫星影像数据；S106，根据指示因子的后验概率判断每条卫星影像数据的所属类别，从而根据所属类别对所述基因表达数据向量进行聚类。本实施例在处理不平衡数据时可以得到更好的聚类结果。
-
公开(公告)号：CN111612101A
公开(公告)日：2020-09-01
申请号：CN202010499785.7
申请日：2020-06-04
Applicant: 华侨大学
IPC: G06K9/62
Abstract: 本发明公开了一种非参数Waston混合模型的基因表达数据聚类方法、装置及设备，方法包括：S101，获取待聚类的基因数据集；所述基因数据集包括N条基因表达数据向量；S102，使用非参数Watson混合模型对基因表达数据向量进行建模；S103，通过变分贝叶斯推断算法估算所述非参数Watson混合模型的模型参数；S104，根据估算的所述模型参数，判断所述非参数Watson混合模型是否收敛；若否，则返回步骤S103，若是，则执行步骤S105；S105，根据指示因子的后验概率判断每条基因表达数据向量的所属类别，从而根据所属类别对所述基因表达数据向量进行聚类。本实施例由于具有可以用来控制产生新类别数量的折扣参数，所以在处理不平衡数据时比基于DP混合模型的方法可以得到更好的聚类结果。
-
Patent Agency Ranking
公开(公告)号：CN106504254B
公开(公告)日：2020-03-10
申请号：CN201610903015.8
申请日：2016-10-17
Applicant: 华侨大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间混合模型的颅脑磁共振图像分割方法，包括：对输入的颅脑磁共振图像进行预处理，得到剔除非脑部组织后的图像；将预处理后的图像数据转换成行向量作为输入向量；对向量化后的图像数据利用基于空间关系的Inverted Dirichlet混合模型进行建模，并采用k‑means方法进行模型的初始化；采用贝叶斯变分推导技术估算混合模型的相关参数；通过计算后验概率从而确定各个像素点的所属类别，并得到新的标签向量；将标签向量作为输出向量并转换成灰度矩阵，从而得到最终的分割结果。本发明的技术方案对颅脑磁共振图像的分割效果出色、鲁棒性强，能够提高医学影像诊断的准确性。
-
公开(公告)号：CN105956571B
公开(公告)日：2019-03-12
申请号：CN201610317460.6
申请日：2016-05-13
Applicant: 华侨大学
IPC: G06K9/00
Abstract: 本发明的一种人脸图像的年龄估计方法，该方法包括五个部分:(1)图像的分块；(2)用PCA算法学习分块处理后的矩阵得到卷积操作的卷积核；(3)然后用PCA算法学习得到的卷积核进行卷积操作；(4)用二值化的方式在第二个卷积层后面进行非线性处理；(5)用直方图统计的方法进行特征抽取。该方法提取特征后用非线性支持向量回归K‑SVR(Kernel function Support Vector Regression)来估计年龄值，经过实验表明可以大大提高年龄估计的准确率。
-
公开(公告)号：CN106709921A
公开(公告)日：2017-05-24
申请号：CN201611242922.9
申请日：2016-12-29
Applicant: 华侨大学
IPC: G06T7/11
CPC classification number: G06T2207/10024
Abstract: 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。
-
公开(公告)号：CN106023236A
公开(公告)日：2016-10-12
申请号：CN201610431135.2
申请日：2016-06-16
Applicant: 华侨大学
IPC: G06T7/00
CPC classification number: G06T2207/10088 , G06T2207/30016
Abstract: 本发明涉及一种基于截断Dirichlet过程无限Student’s t混合模型的脑部核磁共振图像分割方法，基于Dirichlet过程无限Student’s t混合模型，将无限Student’s t混合模型中的分量数假设为预设的图像的分割数K，然后利用期望最大化算法对模型进行求解，再利用贝叶斯最大后验概率准则进行图像分割。本发明所述的方法中，假设的Student’s t混合模型直接对应到脑部核磁共振图像不同的部分，而且Student’s t分布的高尾部特性决定了模型有较好的抗噪效果，从而实现脑部核磁共振图像分割。求解Dirichlet过程无限Student’s t混合模型的过程中，本发明用简单高效的期望最大化算法对基于截断Dirichlet过程无限Student’s t混合模型进行求解，使模型的求解变得更易实现。本发明的实施，能够在PC端对一幅脑部核磁共振图像快速自动地进行分割。
-
公开(公告)号：CN105930876A
公开(公告)日：2016-09-07
申请号：CN201610317701.7
申请日：2016-05-13
Applicant: 华侨大学
CPC classification number: G06K9/6269 , G06K9/6223 , G06K9/66
Abstract: 本发明提供一种基于逆向训练的植物图像集分类方法，该方法包括四个步骤：(1)植物数字图像预处理；(2)训练集的聚类和划分，采用K均值聚类法；(3)分类器训练，测试集和混合训练集合的分类；(4)集成分类，输出测试集的类别标签。该方法采用的是逆向训练的方法，具有良好的分类效果和良好的可理解性。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.025 seconds)
