-
公开(公告)号：CN110599461A
公开(公告)日：2019-12-20
申请号：CN201910772126.3
申请日：2019-08-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于子空间特征学习的丘脑功能分区方法。首先，使用弥散张量成像进行纤维追踪以获得活体大脑内部结构连接信息，使用精细皮层分区针对复杂非线性的丘脑皮层特征提取形成结构连接特征。然后，使用深度子空间网络以及增加的自表达特性学习特征的隐藏子空间映射，提取低维子空间特征。最后，对体素特征加以空间约束降低噪声的影响，更好地反映空间拓扑结构，丰富对空间信息的提取，构建亲和度矩阵使用归一化割方法获得功能分区。本发明方法能够降低噪声的影响，并且能够更好地反映体素空间的拓扑结构，丰富对空间信息的提取，可以高效地获得丘脑功能分区。
-
公开(公告)号：CN106934806B
公开(公告)日：2019-09-10
申请号：CN201710135456.2
申请日：2017-03-09
Applicant: 东南大学
Abstract: 本发明公开一种基于结构清晰度的无参考图失焦模糊区域分割方法，包括以下步骤：(1)缩放图像，将图像缩放为原图像面积的约1/4倍；(2)计算清晰度差值，分别计算原图和缩放后图像对应位置图像块的结构清晰度，并计算二者的差；(3)提取模糊区域，滤除差值图像的噪声，使用图像分割算法分割出模糊区域，并对分割后的结果进行上采样。针对无参考图像的失焦模糊区域分割，本发明使用原始图像构造缩放图像，分别计算缩放图像以及原始图像的清晰度，进而获得模糊度分布图像，最终快速有效地分割出图像失焦模糊区域。
-
公开(公告)号：CN108305279B
公开(公告)日：2019-07-05
申请号：CN201711445476.6
申请日：2017-12-27
Applicant: 东南大学
Abstract: 本发明公开了一种迭代空间模糊聚类的大脑磁共振图像超体素生成方法，包括以下步骤：首先，由于人类大脑具有相同的拓扑结构，从基于群体的大脑MRI模板获得一组种子模板；其次，为了排除部分容积效应的影响，提出了一种迭代空间模糊聚类算法，将体素分配给每个种子生成超体素。本发明能较好地应用于大脑磁共振图像，生成有效的大脑磁共振图像超体素。
-
公开(公告)号：CN104881682B
公开(公告)日：2019-03-05
申请号：CN201510274498.5
申请日：2015-05-26
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于保局映射与主成分分析的图像分类方法，包括以下步骤：1、输入训练对象；2、建立一层或两层的流形学习网络，对于每一种具体的网络，学习得到每一层的滤波器；3、建立流形学习网络的输出层得到最终特征向量；4、将步骤3中最终得到的所有的特征向量输入支持向量机分类器进行训练；5、用校验图像集进行校验，调整到最佳网络参数；6、对测试图像进行测试，统计分类结果，计算识别率。本发明通过构造三种结构相似但不同网络层的网络，应用一种流形方法即保局映射获得图像更加本质的的局部结构，使得在各种分类任务中，构造的网络更加具有分辨力，获得更高的图像的分类准确率。
-
公开(公告)号：CN108364632A
公开(公告)日：2018-08-03
申请号：CN201711407738.X
申请日：2017-12-22
Applicant: 东南大学
Abstract: 本发明公开一种具备情感的中文文本人声合成方法，主要包括，(1)构建情感语料库；(2)基于波形拼接的带情感语音合成。建立语料库的主要步骤为：(11)分词并获取词语的词性；(12)语音切分，基于语音数据特征与文本语料获取对应分词的音频数据；(13)情感分析，基于文本分词与音频特征获取词语、短句和整句的情感特征值。基于波形拼接的带情感语音合成步骤为：(21)分词和情感分析，对待合成文本进行分词和情感分析，获取待合成文本内的词语词性、句型和情感特征；(32)选取最优语料，基于文本特征值匹配出最优语料集；(23)语音合成，波形拼接，从语料集中提取出词语音频序列集，将音频拼接合成输出最终语音。本发明合成输出具有情感特征的真人声语音。
-
Patent Agency Ranking
公开(公告)号：CN108305279A
公开(公告)日：2018-07-20
申请号：CN201711445476.6
申请日：2017-12-27
Applicant: 东南大学
CPC classification number: G06T7/344 , G06K9/6218 , G06T2207/10088 , G06T2207/30016
Abstract: 本发明公开了一种迭代空间模糊聚类的大脑磁共振图像超体素生成方法，包括以下步骤：首先，由于人类大脑具有相同的拓扑结构，从基于群体的大脑MRI模板获得一组种子模板；其次，为了排除部分容积效应的影响，提出了一种迭代空间模糊聚类算法，将体素分配给每个种子生成超体素。本发明能较好地应用于大脑磁共振图像，生成有效的大脑磁共振图像超体素。
-
公开(公告)号：CN106846343A
公开(公告)日：2017-06-13
申请号：CN201710136672.9
申请日：2017-03-09
Applicant: 东南大学
IPC: G06T7/11
CPC classification number: G06T7/0012 , G06T2207/30004
Abstract: 本发明公开一种基于超像素分割的病理图像特征提取方法，包括以下几个步骤：(1)初始化种子点，确定预分割为K个相同尺寸的超像素(2)相似度衡量，对于每个像素点，分别计算与之距离最近的种子点相似程度(3)提取每个分割部分的直方图，形状，纹理特征。本发明通过线性迭代聚类方法，将一副图像分割成很多部分，并对每部分提取该区域图像的直方图，形状，纹理特征。
-
公开(公告)号：CN106485279A
公开(公告)日：2017-03-08
申请号：CN201610895130.5
申请日：2016-10-13
Applicant: 东南大学
CPC classification number: G06K9/4647 , G06K9/6256 , G06K9/6267
Abstract: 本发明公开了一种基于Zernike矩网络的图像分类方法，包括以下步骤：(1)输入并预处理训练图像和测试图像，得到输入图像的局部特征矩阵，建立一个两层的基于Zernike矩的网络，得到训练图像和测试图像的主特征向量；(2)用获得的训练图像的主特征向量训练分类器，将测试图像的主特征向量输入已经训练好的分类器中进行分类，计算出分类正确率。本发明通过构造一个两层的基于Zernike矩的网络，利用Zernike矩的旋转不变性，能够获得图像的旋转不变的特征和图像的非线性特征，使得对图像特征的描述更精准，分类也更为准确。对于图像分类问题，尤其是对于具有旋转特征的图像的分类问题有着更高的分类正确率。
-
公开(公告)号：CN119478013A
公开(公告)日：2025-02-18
申请号：CN202411531052.1
申请日：2024-10-30
Applicant: 东南大学
IPC: G06T7/62 , G06T7/13 , G06N3/0455 , G06N3/0464 , G06T7/00
Abstract: 本发明公开基于深度学习网络自动分析胸部呼吸肌体积的方法和系统，属于医学影像领域；基于深度学习网络自动分析胸部呼吸肌体积的方法包括：采集CT图像和医生手工标注的胸部呼吸肌图像，并预处理CT图像和医生手工标注的图像得到标准勾画图；对标准勾画图进行数据增强操作；构建U‑Net模型，并利用数据增强后的标准勾画图对所构建的U‑Net模型进行训练；利用训练后的U‑Net模型对医学图像中的胸部呼吸肌进行自动勾画，得到胸部呼吸肌的轮廓。构建U‑Net网络模型，为三维医学图像分割提供了一种高效、可靠且易于实现的解决方案，具有广泛的应用前景和临床价值，大大减少了临床工作中耗费的时间，帮助临床快速获得呼吸肌相关信息，指导患者的治疗，改善患者的预后。
-
公开(公告)号：CN114973375B
公开(公告)日：2024-12-31
申请号：CN202210612348.0
申请日：2022-05-31
Applicant: 东南大学
IPC: G06V40/16 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于面部微表情的可控人脸生成方法，包含以下步骤：(1)人脸图像的预处理；(2)构造面部微表情驱动的卷积神经网络；(3)基于面部微表情参数进行可控人脸生成。本发明通过构造卷积神经网络，能够利用面部微表情提取人物脸部的内在运动细节，使得构造的网络可以人为控制生成结果，同时保持了优异的图像质量。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.022 seconds)
