-
公开(公告)号：CN105118062A
公开(公告)日：2015-12-02
申请号：CN201510556221.1
申请日：2015-09-02
Applicant: 大连理工大学
IPC: G06T7/00
CPC classification number: G06T2207/20216
Abstract: 本发明提供了一种基于单端点特征描述的线段匹配方法，其将线段的一个端点作为主特征点，另一端点作为辅特征点，构建特征描述单元；将特定的线段方向作为特征单元的参考方向，构建特征描述子，进行主特征点匹配；通过两条线段任一端点的匹配关系确定两条线段的匹配关系，最后利用匹配特征点的几何验证来完成线段匹配正确性的验证。本发明大大简化了算法的计算复杂度，显著提升了匹配速度。只要两幅图像对应线段上的任何一个端点或者断点之间能够匹配，则两条线段或者线段的子线段就能够匹配。用线段方向作为描述子的参考方向，解决了根据邻域梯度计算参考方向的模糊性问题，消除了端点相近但方向不同两条线段的错误匹配，提高了线段匹配的鲁棒性。
-
公开(公告)号：CN114187358B
公开(公告)日：2024-09-20
申请号：CN202111515423.3
申请日：2021-12-13
Applicant: 大连理工大学
Abstract: 一种生成KeyNet亚像素级特征点的局部梯度拟合方法，属于图像处理领域，利用KeyNet网络，在每个尺度平面内检测输入图像的所有像素级精度特征点，生成各尺度平面的响应强度图；对于每个像素级精度特征点，计算该特征点及其相邻八个点响应强度之间的梯度关系，拟合出该特征点的亚像素级坐标，从而将KeyNet特征点的定位精度由像素级提升至亚像素级。本发明的亚像素级最高误差为0.030个像素，平均误差为0.019个像素。对于SIFT算法仅检测到3对正确匹配点对的图像匹配任务，本发明能检测到41对正确的匹配点。本发明对SIFT算法难以匹配的低质量航拍图像进行匹配，显著提升图像匹配性能。
-
公开(公告)号：CN114202023B
公开(公告)日：2024-08-23
申请号：CN202111478047.5
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06F18/241 , G06F18/2135 , G06F18/214 , G06V10/25 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G16H50/20 , G16H30/20 , G06N3/0464
Abstract: 一种利用复数fMRI数据空间源相位图进行CNN分类的方法，属于生物医学信号处理领域。首先使用ICA从复数fMRI数据中获取感兴趣成分的空间成分，然后取其空间源相位图建立样本集，再输入2D‑CNN进行分类，实现对病人与健康人分类性能的改进。例如，采用本发明对82个被试的复数静息态fMRI数据进行精神分裂症患者和健康对照被试分类，选择DMN作为感兴趣成分，使用空间源相位图的CNN分类准确率为84.43％，相比于使用空间源幅值图的分类准确率72.65％，本发明能够在样本数相同的情况下将切片识别准确率提高11.78％。
-
公开(公告)号：CN113792254B
公开(公告)日：2024-05-28
申请号：CN202111302720.X
申请日：2021-11-05
Applicant: 大连理工大学
Abstract: 一种引入空间稀疏约束的多被试fMRI数据Tucker分解方法，属于生物医学信号处理领域。其在RKCA低秩约束Tucker分解模型中引入了空间稀疏约束，解决了“空间体素×时间×被试”形式多被试fMRI数据的高噪性问题，匹配了多被试共享空间成分的稀疏性，从中有效提取了多被试的共享空间成分、共享时间成分，以及含有丰富被试个体信息的核张量。在10个健康被试任务态fMRI数据分解中，与RKCA方法相比，所提取任务态和默认网络的共享空时成分与参考成分的相关系数分别提升了58.3％和29.6％以及31.7％和31.9％，在空间参考内的激活体素数目分别增加了51.1％和26.0％，为脑认知和脑疾病研究提供了新方法。
-
公开(公告)号：CN116071448A
公开(公告)日：2023-05-05
申请号：CN202211658032.1
申请日：2022-12-22
Applicant: 大连理工大学
Abstract: 一种基于L1‑L2范数的单被试复数fMRI数据稀疏分解方法，属于生物医学信号处理领域。本发明采用一种在稀疏性上更接近L0范数的L1‑L2范数，即L1范数与L2范数的差值，对空间激活成分进行约束，实现单被试复数fMRI数据的高性能稀疏分解，以进一步对大脑空间成分进行消噪，提取有用的激活图。具体采用了复数fMRI数据的秩‑1分解模型，以及DCA、ADMM、增广拉格朗日乘子法等方法，获得了本发明的更新公式和实现步骤。以一个健康被试静息态复数fMRI数据分解为例，与cDL方法相比，本发明的DMN成分和AUD成分的相关系数分别提升了8.8％和20％，有效体素占比分别提升了120％和96.7％，为脑认知和脑疾病研究提供了新方法。
-
Patent Agency Ranking
公开(公告)号：CN110335682B
公开(公告)日：2023-02-10
申请号：CN201910509773.5
申请日：2019-06-13
Applicant: 大连理工大学
Abstract: 一种实部虚部联合的复数fMRI数据稀疏表示方法，属于生物医学信号处理领域。将fMRI复数数据分成实部和虚部两部分，生成实部虚部联合数据；利用稀疏表示算法分离联合数据，得到一系列SM成分；根据感兴趣成分的空间参考网络，基于相关系数绝对值最大化原则选取感兴趣成分索引，并做极性校正；最后，输出感兴趣成分的SM成分。与广泛应用的幅值fMRI数据稀疏表示方法相比，本发明能提取更多有意义的激活体素。例如，针对16被试任务态复数fMRI数据，本发明所估计的任务相关成分多提取了87％的激活体素。本发明能够有效分析完备的fMRI数据，获得更加全面的脑功能信息，在脑功能研究和脑疾病诊断方面有着良好的应用前景。
-
公开(公告)号：CN113963349A
公开(公告)日：2022-01-21
申请号：CN202111302685.1
申请日：2021-11-05
Applicant: 大连理工大学
Abstract: 一种提取个体空时特征矢量与被试细分类的方法，属于生物医学信号处理领域。其充分挖掘“空间体素×时间×被试”形式多被试fMRI数据经Tucker分解所获取核张量中包含的高维耦合关系，针对空间稀疏约束Tucker分解方法所获取的核张量，提供一种各被试特有空时特征矢量的提取方法，并将这些空时特征矢量用于k‑means被试细分类。在10个健康被试任务态fMRI数据的个体空时特征矢量提取与被试细分类中，根据DMN成分对应的空间特征矩阵，将所有被试分为两组，组1各被试空间激活中IPL区域平均激活体素数比组2多109％；根据任务相关成分所对应的时间特征矩阵，将所有被试分为两组，组1任务态时间过程与参考成分的平均相关系数比组2高55.6％。这些个体空时差异能够为脑功能研究和脑疾病诊断提供新的客观依据。
-
公开(公告)号：CN108109118B
公开(公告)日：2021-10-15
申请号：CN201711354099.5
申请日：2017-12-15
Applicant: 大连理工大学
Abstract: 本发明涉及一种无控制点的航拍图像几何校正方法，属于数字图像处理领域。本发明利用飞行姿态信息如俯仰角、翻滚角、航偏角，以及航高信息，对航拍图像进行无控制点校正，提供由校正图像坐标计算航拍图像坐标的逆向校正方案，充分利用原始图像的原始像素信息，消除由航拍图像坐标计算校正图像坐标的正向校正法可能出现的0.5个像素偏移以及重复对应等问题，使得校正图像质量更高。采用三次样条插值法对126帧航拍图像进行几何校正，采用SIFT方法对相邻帧图像进行特征提取与匹配，本发明正确匹配特征点对数目提高5.47％，匹配正确率提高2.58％，匹配分数提高17.95％。
-
公开(公告)号：CN107229935B
公开(公告)日：2020-12-11
申请号：CN201710341830.4
申请日：2017-05-16
Applicant: 大连理工大学
Abstract: 一种三角形特征的二进制描述方法，属于计算机视觉领域。主要是改进了原RTM算法对三角形特征的浮点描述方法，采用192bits二进制数表示原RTM算法的6维浮点型形状描述子；采用ORB算法中的rBRIEF二进制描述方法，将原RTM算法的32维浮点型区域描述子重建为256bits二进制区域描述子。改进RTM算法的速度大约是原RTM算法速度的3倍；原RTM算法中每个三角形描述子占用152字节，改进算法每个三角形的描述子仅占用56字节，内存占用量降为原RTM算法的36.8％。在精度方面，改进算法的正确率和匹配分数均高于原RTM算法，在结构场景中能匹配上原RTM算法和SIFT算法不能匹配的特征点。因此，本发明在实时性要求高而内存有限的情况下具有良好的应用前景。
-
公开(公告)号：CN107247953B
公开(公告)日：2020-05-19
申请号：CN201710389384.4
申请日：2017-05-31
Applicant: 大连理工大学
Abstract: 一种基于边缘率的特征点类型选择方法，属于计算机视觉领域。本发明在特征点检测之前，对图像进行结构信息检测与分类，为选用适合图像的特征点类型(斑点或角点)提供依据，解决由于特征点不适合而造成的匹配性能下降甚至失败的问题。对于一幅待匹配图像，利用Canny边缘检测算法计算图像边缘，然后计算边缘率，最后根据边缘率与高低阈值的关系对该图像进行分类：如果边缘率大于高阈值，说明图像结构信息非常明显，采用角点特征；如果边缘率小于低阈值，说明图像结构信息非常不明显，采用斑点特征；如果边缘率介于高低阈值之间，图像特征不明显，斑点或角点皆可使用。本发明快速有效，与现有图像匹配算法相结合，可实现性能更优的图像匹配。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.039 seconds)
