-
公开(公告)号：CN111046918B
公开(公告)日：2022-09-20
申请号：CN201911144803.3
申请日：2019-11-21
Applicant: 大连理工大学
Abstract: 一种ICA‑CNN分类的fMRI数据空间预平滑增广方法，属于生物医学信号处理领域。首先，对fMRI观测数据施加不同FWHM的空间平滑，增广生成新的fMRI数据集；然后送入ICA‑CNN框架，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种不同FWHM的高斯滤波器对观测数据进行空间平滑，生成三组fMRI数据集，然后送入ICA‑CNN框架进行分类。相比已有的多模型阶数数据增广方法，本发明能够将分类准确率提高2％；若将二者结合，能将分类准确率提高12.71％。因此，本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。
-
公开(公告)号：CN114187358A
公开(公告)日：2022-03-15
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：CN110110776B
公开(公告)日：2021-11-05
申请号：CN201910350137.2
申请日：2019-04-28
Applicant: 大连理工大学
Abstract: 本发明公开了一种构建病人与健康人的静息态复数fMRI数据ICA‑CNN分类框架的方法，属于生物医学信号处理领域。本发明以ICA从静息态复数fMRI数据中分离得到的感兴趣功能网络为研究对象，利用参数较少的2D CNN学习特征，实现病人与健康人分类；利用在多组模型阶数下获取的ICA结果进行数据增广，解决fMRI数据短缺的问题。与已有的3D CNN网络相比，既减少了训练量，又提高了准确率。例如，针对82被试静息状态下采集的复数fMRI数据，应用ICA提取到的DMN成分，切片识别准确率比3D CNN高(0.728vs 0.701)，并且由被试决策后得到的被试识别准确率进一步提高(0.914vs 0.701)。
-
公开(公告)号：CN110870770B
公开(公告)日：2021-05-11
申请号：CN201911144802.9
申请日：2019-11-21
Applicant: 大连理工大学
Abstract: 一种ICA‑CNN分类的fMRI空间激活图平滑增广方法，属于生物医学信号处理领域。首先对ICA分离得到的fMRI空间激活图施加三维空间平滑，增广生成新的样本集，然后送入CNN进行分类，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种不同FWHM的高斯滤波器对ICA分离得到空间激活图进行空间平滑，生成三组样本集，然后送入CNN进行分类。相比已有的多模型阶数数据增广方法，本发明能够将分类准确率提高5.76％；若将二者进行结合，能够将分类准确率提高21.33％。因此本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。
-
公开(公告)号：CN108282424B
公开(公告)日：2021-02-12
申请号：CN201810079041.2
申请日：2018-01-26
Applicant: 大连理工大学
IPC: H04L25/02 , H04L25/03 , G10L21/0272
Abstract: 本发明公开了一种用于四个数据集联合盲源分离的四阶张量联合对角化算法，包括以下步骤：S1、观测信号：对四个数据集观测信号分别进行预白化；S2、目标张量：预白化之后，构造一组互四阶累积量张量；S3、初始化因子矩阵；S4、代价函数收敛计算：若一次扫描过后，算法收敛，则计算结束，若算法仍未收敛，则以此次更新所得的因子矩阵作为初始值，进行下一次扫描，遍历更新雅克比旋转矩阵，更新因子矩阵，直至收敛为止。本发明所述的用于四个数据集联合盲源分离的四阶张量联合对角化算法，该算法基于正交旋转变换，因而能够获得最小二乘意义上的最优解，是一种针对不多于四个数据集信号的J‑BSS方法。
-
Patent Agency Ranking
公开(公告)号：CN112131971A
公开(公告)日：2020-12-25
申请号：CN202010928071.3
申请日：2020-09-07
Applicant: 大连理工大学
Abstract: 一种将HardNet的128维浮点型特征描述子进行256维二进制量化的方法，属于图像处理领域。对于一幅输入图像，首先采用SIFT算法检测图像的特征点，以特征点为中心，将输入图像按照SIFT所计算的旋转角旋转，截取一块子图送入HardNet网络，输出128维浮点型特征描述子。然后，将特征描述子的128个浮点数按照从小到大的顺序排序，计算128维浮点型特征描述子的三分位点的位置和大小。进而将128维浮点型特征描述子量化为256维二进制特征描述子，用于图像匹配。与SIFT相比，本发明匹配成功率能够提高到100％；与HardNet浮点型描述子相比，本发明二进制描述子的匹配速度可提升约3倍。
-
公开(公告)号：CN109410264B
公开(公告)日：2020-08-25
申请号：CN201811144951.0
申请日：2018-09-29
Applicant: 大连理工大学
Abstract: 一种基于激光点云与图像融合的前方车辆距离测量方法，属于多传感器信息融合领域。首先，利用激光点云与相机图像之间的映射关系，将3D激光点云映射为二维图像。其次，根据相机图像中所识别的车辆ROI，对激光点云映射的图像进行筛选。接着，经过图像—激光点云映射，得到筛选后车辆ROI对应的激光点云。利用双目图像检测的前方车辆距离进行约束，再次筛选对应车辆的激光点云。然后，对车辆点云进行聚类，进一步去除非车辆点云。最后，使用聚类出的车辆点云计算前方车辆的距离。测试结果表明，激光点云与图像融合方法测得的距离平均误差较之双目图像方法减小近一半，均方差也有所降低。因此，本发明方法较之双目图像方法测距更精确、更稳定。
-
公开(公告)号：CN108108667B
公开(公告)日：2019-08-09
申请号：CN201711248419.9
申请日：2017-12-01
Applicant: 大连理工大学
Abstract: 一种基于窄基线双目视觉的前方车辆快速测距方法，属于计算机视觉技术领域。本发明按照经典方法处理右目图像，包括车道线ROI设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定。对于左目图像，则根据双目视觉的成像特点和前一帧图像的距离信息，直接估计车辆区域，大大简化了左目图像的处理。同时，对左、右目图像车辆区域中所有匹配特征点对所计算的横向视差，进行了中值处理，选取了一组平稳的视差值子集用于计算前方车辆的距离，进一步提高了测距精度。经实验对比，与经典对称方法相比，本发明方法测距速度平均可提升37.2％，测距误差平均可降低12.8％。
-
公开(公告)号：CN108109118A
公开(公告)日：2018-06-01
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：CN108108667A
公开(公告)日：2018-06-01
申请号：CN201711248419.9
申请日：2017-12-01
Applicant: 大连理工大学
CPC classification number: G06K9/00825 , G06K9/00798 , G06K9/6201 , G06K9/6267 , G06K2209/23
Abstract: 一种基于窄基线双目视觉的前方车辆快速测距方法，属于计算机视觉技术领域。本发明按照经典方法处理右目图像，包括车道线ROI设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定。对于左目图像，则根据双目视觉的成像特点和前一帧图像的距离信息，直接估计车辆区域，大大简化了左目图像的处理。同时，对左、右目图像车辆区域中所有匹配特征点对所计算的横向视差，进行了中值处理，选取了一组平稳的视差值子集用于计算前方车辆的距离，进一步提高了测距精度。经实验对比，与经典对称方法相比，本发明方法测距速度平均可提升37.2％，测距误差平均可降低12.8％。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.174 seconds)
