-
公开(公告)号：CN104933683A
公开(公告)日：2015-09-23
申请号：CN201510310636.0
申请日：2015-06-09
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种用于磁共振快速成像的非凸低秩重建方法，本发明建立基于非局部相似图像块低秩先验信息的MR图像数据重构数学模型，釆用交替方向迭代方法对模型进行迭代求解：通过泰勒一阶近似和奇异值分解迭代求解带低秩先验信息的非局部图像模型的低秩矩阵的非凸p范数，得到相似图像块，再通过增加辅助变量和分离变量法迭代求解重建图像。本发明利用图像先验信息，将图像块的非局部相似性与低秩特性结合，并利用傅里叶变换和低秩矩阵的特性简化计算过程，降低算法复杂度，提高了部分K空间数据重建MRI图像的性能，在更少的扫描测量下更精确地重建图像，减少重建图像的伪影，实现快速磁共振成像。
-
公开(公告)号：CN103431623A
公开(公告)日：2013-12-11
申请号：CN201310365933.6
申请日：2013-08-21
Applicant: 南昌大学
IPC: A45D42/24
Abstract: 一种多功能床头镜，其结构包括镜框、镜片、人体红外感应器、支柱、底座、控制处理器、存储器、蓄电池、显示触摸屏、扬声器、麦克风、USB接口。本发明所述一种多功能床头镜，在家庭卧室中使用，尤其是把该智能床头镜摆放在床头柜上，不仅美观大方，而且还可以躺在床上随时照镜子，随时与镜子对话，欣赏镜子播放的音乐。智能床头镜还有闹铃功能，早上会准时闹醒主人，用户对着镜子运动30秒，可使镜子停止鸣叫，防止主人睡懒觉。
-
公开(公告)号：CN118071866B
公开(公告)日：2024-08-06
申请号：CN202410464769.2
申请日：2024-04-18
Applicant: 南昌大学
IPC: G06T11/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种稀疏数字全息图像重建方法，具体包括以下步骤：训练U‑net神经网络模型，以获得训练好的U‑net神经网络模型；通过稀疏传感器阵列获取欠采的全息图，作为稀疏采样全息图；将稀疏采样全息图经过后向传播，得到振幅和相位双通道矩阵的物体图像，并分别对振幅矩阵实施吸收约束和支撑约束以及对相位矩阵实施吸收约束；本发明空间域和全息域之间的轮换迭代可以相互补充彼此的信息，基于目标能量分布和吸收特性的约束条件被施加在空间域图像上，以获得高质量的图像。此外，保真后的全息图在每次迭代后被送到下一次迭代，通过反向传播算法精确恢复重建图像的幅度和相位，确保连续的迭代过程中图像质量的逐步提高。
-
公开(公告)号：CN118295225A
公开(公告)日：2024-07-05
申请号：CN202410726799.6
申请日：2024-06-06
Applicant: 南昌大学
Abstract: 本发明涉及全息图像处理技术领域，尤其涉及一种双通道先验约束的多距离无透镜数字全息重建方法，包括如下步骤：将平面光波照射样品上，通过传感器在不同的纵向距离处获取一组全息图和相应的背景全息图；通过去噪分数匹配学习概率密度分布，振幅和相位的双通道先验信息被提取；先验信息被用于约束无透镜数字全息的重建过程；多距离测量数据协同处理，在串行传输和并行加权算法下，图像在空间域和全息域不断地交替更新；经过多距离轮换和网络更新的全息图不断进入新一次迭代，双通道振幅和相位通过最后的全息图反向传播得到重建图像。本发明使用双通道先验信息约束并处理多距离测量数据，重建的数字全息图像具有更高的保真度和分辨率。
-
公开(公告)号：CN118071866A
公开(公告)日：2024-05-24
申请号：CN202410464769.2
申请日：2024-04-18
Applicant: 南昌大学
IPC: G06T11/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种稀疏数字全息图像重建方法，具体包括以下步骤：训练U‑net神经网络模型，以获得训练好的U‑net神经网络模型；通过稀疏传感器阵列获取欠采的全息图，作为稀疏采样全息图；将稀疏采样全息图经过后向传播，得到振幅和相位双通道矩阵的物体图像，并分别对振幅矩阵实施吸收约束和支撑约束以及对相位矩阵实施吸收约束；本发明空间域和全息域之间的轮换迭代可以相互补充彼此的信息，基于目标能量分布和吸收特性的约束条件被施加在空间域图像上，以获得高质量的图像。此外，保真后的全息图在每次迭代后被送到下一次迭代，通过反向传播算法精确恢复重建图像的幅度和相位，确保连续的迭代过程中图像质量的逐步提高。
-
Patent Agency Ranking
公开(公告)号：CN114114116A
公开(公告)日：2022-03-01
申请号：CN202210096797.4
申请日：2022-01-27
Applicant: 南昌大学
IPC: G01R33/48 , G01R33/56 , G01R33/561 , G06K9/62 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种磁共振成像生成方法、系统、存储介质及设备，该包括：获取磁共振扫描出的k空间数据集；将所述k空间数据集输入至预训练的线圈生成模型当中，得到虚拟k空间数据集；根据所述虚拟k空间数据集利用重建算法进行重建以获取磁共振成像。本发明能够通过较少的线圈数据也能实现磁共振高质量成像。
-
公开(公告)号：CN113256749A
公开(公告)日：2021-08-13
申请号：CN202110423015.9
申请日：2021-04-20
Applicant: 南昌大学
Abstract: 本发明提供了一种基于高维相关性先验信息的快速磁共振成像重建方法，包括以下步骤：准备开源脑部数据集SIAT并将其分为训练数据集和测试数据集；结合衍生的大数定律和多通道高维思想，在不同噪声水平的情况下优化多个网络模型，并形成基于高维的相关性先验信息；设计一种快速提取网络模型的先验信息的迭代求解算法；将迭代求解算法应用于已训练的网络模型并对图像测试数据集进行测试，输出得到最终的重建结果。本发明将全采样数据和欠采样数据相结合作为基于相关性的高维先验信息，利用不同的噪声水平对多个模型进行训练，通过欠采样且含伪影的图像训练一个无监督网络，使训练出来的网络参数非常接近于利用全采样图像训练的有监督网络。
-
公开(公告)号：CN112862922A
公开(公告)日：2021-05-28
申请号：CN202110109862.8
申请日：2021-01-27
Applicant: 南昌大学
Abstract: 本发明提供了一种基于多特征生成网络先验信息引导的图像填充方法，包括以下步骤：步骤A：将图像数据集分为训练数据集、验证数据集和测试数据集三部分；步骤B：设计一种可以提取彩色图像先验信息的多特征可逆1×1卷积流形生成网络结构，使用图像数据集对该网络进行训练，得到训练好的网络模型；步骤C：设计一种可以提取已训练网络模型内的先验信息的迭代求解算法；步骤D：采用迭代求解算法应用于已训练网络模型对图像测试数据集进行测试，输出得到最终的修复图像。本发明首先从具有RGB通道的图像中利用该网络学习多特征图像先验信息，然后采用可变增强技术将获取的多特征图像先验信息嵌入到迭代重建过程中去迭代优化修复结果。
-
公开(公告)号：CN110428473A
公开(公告)日：2019-11-08
申请号：CN201910529133.0
申请日：2019-06-18
Applicant: 南昌大学
Abstract: 本发明提供了一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，包括以下步骤：步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化(GcsDecolor)算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；步骤B：设计基于辅助变量的对抗生成网络(AV-GAN)，训练AV-GAN网络；步骤C：将彩色图像通过已训练完成的AV-GAN网络进行测试，得到最终的灰度化图像。本发明使彩色图像灰度化计算效率较高，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。
-
公开(公告)号：CN109584324A
公开(公告)日：2019-04-05
申请号：CN201811247856.3
申请日：2018-10-24
Applicant: 南昌大学
IPC: G06T11/00
Abstract: 本发明提供了一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法，包括以下步骤：步骤A：在正电子发射型计算机断层显像(PET)图像基础上，建立去噪自动编码器(DAE)网络模型，利用训练好的去噪自动编码器(DAE)获取图像的先验信息；步骤B：将带有图像先验信息的去噪自动编码器(DAE)网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，本发明在正电子发射型计算机断层显像(PET)重建方法的基础上融入了去噪自动编码器(DAE)网络，采用去噪自动编码器(DAE)网络来无监督学习PET图像的先验信息，然后将带有图像先验信息的DAE网络和传统PET迭代重建方法结合，两者交替迭代获得重建图像，达到了很好的重建效果。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.023 seconds)
