-
公开(公告)号：CN114089834A
公开(公告)日：2022-02-25
申请号：CN202111614470.3
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于时间‑通道级联Transformer网络的脑电识别方法。本发明包括如下步骤：1：获取意念想象英文字符脑电数据，构建预处理模块；2：构建时间‑通道级联Transformer网络的时间模块，该时间模块的输入数据为预处理后的脑电数据，输出是提取后的时间特征；3：构建时间‑通道级联Transformer网络的脑电通道模块，该脑电通道模块的输入数据为时间特征，输出是提取后的时空融合特征；4：构建时间‑通道级联Transformer网络的分类模块，该分类模块的输入为时空融合特征，该分类模块的输出为分类结果。本发明能够有效提高字符想象脑电信号的识别准确率。
-
公开(公告)号：CN112508973A
公开(公告)日：2021-03-16
申请号：CN202011118130.7
申请日：2020-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于深度学习的MRI图像分割方法。本发明先利用图像数据增强、提取技术，对数据进行扩容，利用形态学的方法，得到前列腺边缘的标签。然后在U‑Net网络基础上加入IBN模块，把maxpool层改成stride conv层，采用2D和3D卷积结合的方法，作为编码部分；在解码部分中，采用两个解码器，其中一个解码器进行前列腺整体的分割预测，另一个解码器进行单独的前列腺边缘的预测。本发明采用了IN和BN相结合的策略，使得模型泛化能力得到加强。同时，把原本下采样的maxpool层改成stride conv层，使得模型保留图像细节信息的能力得到加强，使得分割的结果更加精细。采用2D和3D卷积相结合的做法进一步提高模型的精度。
-
公开(公告)号：CN109887023B
公开(公告)日：2020-12-29
申请号：CN201910030015.5
申请日：2019-01-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于加权梯度幅度的双目融合立体图像质量评价方法。客观图像质量评价算法根据是否利用原图像参与图像质量评价，可分为全参考、半参考和无参考图像质量评价算法三种。本发明采用的是半参考立体图像客观质量评价算法。与传统的融合左右眼图像生成独眼图算法不同，本发明将经过局部加权后的梯度幅度因子加入双目融合算法中，从而对传统的独眼图构造过程中丢失的结构信息进行一定补偿。本发明在消除对比度变化的同时增强局部图像结构。采用经典的自适应稀疏字典和OMP迭代算法，捕获随着迭代次数增加而增强的边缘和纹理信息，能更好的体现图像的结构信息。
-
公开(公告)号：CN108038860A
公开(公告)日：2018-05-15
申请号：CN201711236700.0
申请日：2017-11-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于3D全卷积神经网络的脊柱分割方法。本发明包括如下步骤：步骤1.建一个用于脊柱分割的3D全卷积神经网络；步骤2.准备数据集，数据集包括训练集+测试集；步骤3.利用训练集训练神经网络，得到网络模型；步骤4.使用得到的网络模型分割测试集中脊柱CT数据，得到分割结果。本发明借助于3D全卷积神经网络来分割脊柱，不仅是全自动的，而且分割精度很准确。
-
公开(公告)号：CN105787864A
公开(公告)日：2016-07-20
申请号：CN201610173329.7
申请日：2016-03-24
Applicant: 杭州电子科技大学
CPC classification number: G06T1/0007 , G06T9/00 , G06T17/00 , G06T2207/10004
Abstract: 本发明公布了一种基于快速哈达玛变换的光照解复用三维数据采集方法。方法步骤如下：1）对光照系统CAN同步控制网络进行建模，确定网络间通信延时；2）设置采集光照序列配置文件；3）PC机通过串口向CAN同步控制网络主控制板发送配置文件；4）主控制板通过CAN总线向网络中的从控制板发送配置文件；5）主从控制板根据同步机制进行CAN网络同步，从控制板按照光照序列控制LED灯以及照相机，进行三维图像采集；6）采集图像经过基于快速哈达玛变换的光照解复用算法生成单光源图像，用于三维模型重建。本发明采用光照基于快速哈达玛变换的方法进行图像解复用，在保证解复用图像信噪比的同时，极大的提高了图像处理的速度。
-
Patent Agency Ranking
公开(公告)号：CN102902962B
公开(公告)日：2015-08-26
申请号：CN201210362840.3
申请日：2012-09-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于尺度不变特征转换特征向量的前方车辆检测方法，现有的方法鲁棒性不好，容易受到背景、光照条件、阴霾等影响。本发明首先在输入图像中建立感兴趣区域，利用图像尺度不变特征转换特征向量检测方法，提取输入图像的感兴趣区域内的尺度不变特征转换特征向量。其次对尺度不变特征转换特征向量进行对称编码和匹配。然后对匹配点点对进行进一步聚类筛选，建立匹配点点对集合。最后利用匹配点点对集合进一步筛选匹配点点对；并在输入原图中分别标记对称点和对称轴，完成前方车辆检测方法。本发明方法使用尺度不变特征转换特征更具有良好的鲁棒性，提高了车辆检测的准确度，并具有良好的识别效果，且易于实现。
-
公开(公告)号：CN103020993B
公开(公告)日：2015-06-17
申请号：CN201210497332.6
申请日：2012-11-28
Applicant: 杭州电子科技大学
IPC: G06T7/40
Abstract: 本发明涉及一种双通道颜色对比度融合的视觉显著性检测方法。本发明方法首先提取输入图像的高斯尺度图像，将每层高斯尺度图像划分为多个互不相交且区域面积近似相等的超像素区域。其次采用彩色变换方法，分别提取每层高斯尺度图像在CIELAB空间的三个彩色分量图，基于上述三个彩色分量图为每个像素分配基于CIELAB空间的颜色显著性值。然后采用彩色变换方法，分别提取每层高斯尺度图像在RGB空间的三个彩色分量图，基于这三个彩色分量图为每个像素分配基于RGB空间的颜色显著性值。最后将两个空间的颜色显著性值融合得到输入图像中每个像素的最终显著性值。本发明可有效克服单一颜色通道检测的局限，提高显著性检测的鲁棒性。
-
公开(公告)号：CN102903104B
公开(公告)日：2015-04-29
申请号：CN201210337838.0
申请日：2012-09-13
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于减法聚类的快速图像分割方法。本发明首先将所有像素点归一化到一个超立方体中，对等待聚类的所有像素进行等间隔均匀采样后重组；在重组的像素中，计算采样像素点两两之间的密度权值矩阵及其逆阵以及采样像素与剩余未采样像素之间的密度权值矩阵。然后计算逼近的未采样像素两两之间的密度权值矩阵和计算所有像素点的密度值。最后计算所有像素的最大密度值并获得聚类中心，为找出新的聚类中心，需对每个像素点的密度值进行衰减，该过程不断迭代，根据终止条件停止迭代。本发明与经典的减法聚类方法相比，本发明在不影响聚类结果的情况下，对于较大规模数据集，大大提高减法聚类方法的实时性。
-
公开(公告)号：CN102222226B
公开(公告)日：2013-01-23
申请号：CN201110166841.6
申请日：2011-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于先验分析的迭代式车牌字符分割方法。本发明首先对车牌图像进行预处理，利用垂直投影法对预处理后的车牌图像进行分割，并计算每个字符块参数，依据该参数作出初步筛选；其次利用阈值迭代法对初步筛选后的字符进行二值化，根据标准车牌制式，计算各字符块所含的先验知识，获得再次筛选后的字符；然后计算经过再次筛选后的字符块个数，满足设定条件则计算车牌字符宽度和所有字符的平均宽度，根据这两个参数确定是否能获得最终字符，不满足设定条件则重新投影。本发明降低了对车牌定位准确度的要求，克服了复杂背景带来的不利影响，消除了其他方法中常见的粘连、断裂等分割结果，进一步提高了分割的准确度。
-
公开(公告)号：CN102867313A
公开(公告)日：2013-01-09
申请号：CN201210311804.4
申请日：2012-08-29
Applicant: 杭州电子科技大学
IPC: G06T7/40
Abstract: 本发明涉及一种融合区域颜色和HoG特征的视觉显著性检测方法。目前方法通常都基于区域颜色特征的纯计算模型，对于纹理的显著性差异不敏感。本发明方法首先在原始图像的CIELAB空间彩色分量图上，通过分析超像素区域的颜色对比度和分布特性，计算每个像素的颜色显著性值；然后在原始图像的RGB空间彩色分量图上，提取基于HoG的局部矩形区域纹理特征，并通过分析局部矩形区域的纹理对比度和分布特性，计算每个像素的纹理显著性值；最后采用二次非线性融合方法将每个像素的颜色显著性值和纹理显著性值融合为该像素的最终显著性值。本发明方法获得不仅可获得符合人眼视觉感官的全分辨率显著性图像，并且对显著性目标具有更强的区分能力。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.028 seconds)
