一种使用深度学习的CBCT去伪影方法

    公开(公告)号:CN109064521A

    公开(公告)日:2018-12-21

    申请号:CN201810825059.2

    申请日:2018-07-25

    Inventor: 杨骋远 谢世朋

    CPC classification number: G06T11/008 G06N3/0454 G06N3/084 G06T7/30

    Abstract: 本发明公开了一种使用深度学习的CBCT去伪影方法,首先体配准对整体的CBCT‑CT数据集进行预处理,使得两种数据的数量相等,再通过精配准之后送入深层卷积神经网络进行残差学习,得到伪影图,最后将CBCT与伪影图的做残差,实现CBCT的伪影去除。优点:本发明在实用IGRT图像库真实数据的基础上,通过二次配准对数据预处理,引接下来通过深层卷积神经网络结构框架进行残差学习伪影分布;同时采用GPU加速,缩短了训练的时间,加速了实验的训练过程,有效地去除CBCT的亮暗不均匀伪影及条纹状伪影,有利于进一步发挥CBCT系统的优势与潜力。

    一种基于地标识别的飞行器视觉导航方法

    公开(公告)号:CN104655135A

    公开(公告)日:2015-05-27

    申请号:CN201510084399.0

    申请日:2015-02-09

    CPC classification number: G01C11/08 G01C21/16 G01C25/005

    Abstract: 本发明公开了一种基于地标识别的飞行器视觉导航方法,属于飞行器视觉导航领域。该方法具体包括:通过对成像传感器采集待处理图像序列中的地标进行识别,利用序列图像中相邻两帧图像中识别出的地标位置和飞行器的飞行参数信息解算出地标到当前帧图像对应的飞行器的距离,进而解算出飞行器在地球坐标系下的坐标信息;最后,根据解算出的飞行器在地球坐标系下的坐标信息和飞行器的规划的航迹进行航迹校正。本发明在成像制导、飞行器视觉导航等方面提供了技术支撑,该发明具有可靠性好、实用价值高等特点。

    一种使用散射核方法的锥束CT散射校正方法

    公开(公告)号:CN104166962A

    公开(公告)日:2014-11-26

    申请号:CN201410365880.2

    申请日:2014-07-29

    Abstract: 本发明公开了一种使用散射核方法的锥束CT散射校正方法,其步骤为:步骤一:测量遮挡板下的散射信号;步骤二:自适应散射核参数的计算;步骤三:估计扩散函数的参数;步骤四:通过扩散函数对图像进行散射校正;步骤五:图像遮挡区域的修复;步骤六:锥束CT的重建。本发明不需要获取模型参数的先验数据,不增加图像获取及重建的复杂度,添加的设备复杂度不高,且不需要重复扫描被测物体,能高效的进行锥束CT散射校正。

    基于分裂Bregman迭代的快速鲁棒图像运动去模糊方法

    公开(公告)号:CN104036473A

    公开(公告)日:2014-09-10

    申请号:CN201410239703.X

    申请日:2014-05-30

    Abstract: 本发明属于数字图像处理领域,提供了一种基于分裂Bregman迭代的快速鲁棒图像运动去模糊方法,通过直接利用图像梯度与运动模糊核的L0范数并结合其各自的L2范数,构建运动模糊核估计的非凸非光滑能量泛函;通过耦合算子分裂和增广拉格朗日方法,设计运动模糊核的分裂Bregman迭代求解格式;利用基于全变差先验的图像非盲去模糊方法,实现图像的快速去模糊。本发明通过引入支撑连续性先验,提高了运动模糊核的估计精度;设计了一种新的基于分裂Bregman迭代的快速解法,大幅提高了运动模糊核的估计效率。

    基于图像修复实现能谱CT射束硬化伪影校正方法

    公开(公告)号:CN119648834A

    公开(公告)日:2025-03-18

    申请号:CN202411804331.0

    申请日:2024-12-10

    Inventor: 谢世朋 时虎

    Abstract: 本发明公开了一种基于图像修复实现能谱CT射束硬化伪影校正方法,包括:扫描待测物体获取原始投影数据;采用图像修复算法消除原始投影数据中高衰减材料轨迹作为输入数据;通过阈值分割获取的模板图像和初始模型谱来重投影数据,并与输入数据迭代更新模型谱参数;使用估计能谱重投影原始投影数据的分割图像,通过预设单能谱重投影单色投影数据并与重投影的多能投影数据作差来获取伪影部分以用于校正原始投影数据;最后对校正后投影数据滤波反投影重建获得校正后CT图像。本发明解决了射束硬化伪影校正的软件方法对含有高衰减材料的待测物体的CT图像的校正效果不佳的问题。

    基于深度学习的直播实时人脸替换方法和电子设备

    公开(公告)号:CN119052568A

    公开(公告)日:2024-11-29

    申请号:CN202411080344.8

    申请日:2024-08-08

    Inventor: 谢世朋 陈沈阳

    Abstract: 本发明公开了一种基于深度学习的直播实时人脸替换方法和电子设备,包括:获取源视频并抽帧获得帧图像;通过人脸检测模型确定所述帧图像中的源人脸位置;通过特征点检测模型获取所述帧图像的源人脸的面部特征数据集;基于所述帧图像,通过遮罩模型推理出所述源人脸的人脸遮罩,裁剪所述源人脸的人脸轮廓并确定人脸融合范围;将目标人脸样本输入人脸交换模型解耦人脸特征参数并融合到所述帧图像的源人脸上获得人脸转换图像;合并所述人脸转换图像生成视频流并输出。本发明解决了现有的图像或视频人脸替换方法存在保真度和泛化能力不能兼顾的问题。

    基于LOFTR网络模型和改进粒子群算法的医学图像配准方法

    公开(公告)号:CN116883462A

    公开(公告)日:2023-10-13

    申请号:CN202310775755.8

    申请日:2023-06-28

    Inventor: 许贤 谢世朋

    Abstract: 本发明涉及基于深度学习的图像分割和配准技术领域,公开了基于LOFTR网络模型和改进粒子群算法的医学图像配准方法,包括:将CT数据经数字重建放射影像技术生成DRR图像;将X射线透视图像与生成的DRR图像经过图像增强和图像分割后输入LOFTR特征匹配神经网络,得到粗配准的结果;将粗配准得到的位置参数作为精配准的初始解,利用改进的粒子群算法得到最终的六个空间变换参数。本发明提供的方法,对图像进行分割保留感兴趣的骨节部分,再利用深层的特征识别匹配网络提高对高噪声图像处理的鲁棒性,对脊椎骨节的特征点进行识别并计算相似度进行粗配准,最后进行精配准确定六个空间变换参数,在保证精度的同时,提高了配准速度。

    基于深度霍夫投票的3D物体识别系统及其识别方法

    公开(公告)号:CN116052159A

    公开(公告)日:2023-05-02

    申请号:CN202310128740.2

    申请日:2023-02-17

    Inventor: 谢世朋 黄岩

    Abstract: 本发明提出了一种基于深度霍夫投票的3D物体识别系统及其识别方法,识别系统包括:votenet检测模块,用于输入N个点云,并基于pointnet++骨干网络学习点云特征和从种子点学习霍夫投票生成M个投票;RGB模块,与种子点相连,用于2D图像上的对象检测和点云上的点云特征提取,之后再将2D图像投票以及语义和纹理提示提升到3D种子点;PPC模块,与种子点相连,用于对种子点云携带的特征信息进行分析;OOC模块,当点云经过初始处理、霍夫投票、采样聚类之后形成簇群;以及GSC模块,与种子点和簇群相连,以应用MLP层来进一步聚合全局信息,并且输出随后被扩展并与OOC模块的输出特征地图相结合。相较于现有技术,本发明能够直接处理原始数据,不依赖于任何2D检测器。

Patent Agency Ranking