-
公开(公告)号：CN112712526B
公开(公告)日：2024-02-27
申请号：CN202011625605.1
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: G06T7/10 , G06T5/50 , G06T5/20 , G06T5/90 , G06T3/4038 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于非对称卷积神经网络双通道的视网膜血管分割方法。该方法对数据进行预处理，在血管方向最佳匹配角下利用多尺度的Gabor滤波器提取主血管特征图和细血管特征图。针对性地构建主、细血管特征提取非对称卷积神经网络双通道，其中主血管分割网络引入逐级连接策略进行采样，以卷积层级间的信息互补来减少特征丢失，快速定位和精准分割主血管；细血管补偿网络的编‑解码器结合了跳跃连接模块，低层特征图经过不同扩张率的并联空洞卷积块与对应解码器的高层特征图逐级结合，提升细小血管的分割精度。最后将双通道血管分割图融合，从而获取精细的血管分割图。解决了视网膜血管图像中目标方向复杂、细小血管末梢难以识别的问题。
-
公开(公告)号：CN109035251B
公开(公告)日：2022-05-27
申请号：CN201810575641.8
申请日：2018-06-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多尺度特征解码的图像轮廓检测方法。针对传统检测方法对轮廓细节检测的不精确问题，构造一种多尺度特征解码模型，以提高轮廓定位的准确性，并实现轮廓像素点的精细化。首先构建特征提取模块提取图像多尺度特征，该模块由四组基本单元串联构成，每组基本单元包括两个卷积层和一个下采样层的串联结构，因此特征提取模块可以提取四个不同尺度的特征信息。然后搭建多尺度特征解码模块，通过逐步融合相邻特征层之间的信息来挖掘各个尺度特征之间的差异和联系，从而达到精确定位图像轮廓的目的。
-
公开(公告)号：CN113362356A
公开(公告)日：2021-09-07
申请号：CN202110616753.5
申请日：2021-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于双侧注意通路的显著轮廓提取方法。首先改进视皮层下单拮抗感受野模型，构建基于局部亮度特征的单拮抗动态调节模型，实现亮度和颜色边界的联合编码；接着模拟经典感受野的方向敏感特性，提出一种最佳方位区间多方向微动方法，实现方向选择的精细化；随后当初级视皮层信号传递至高级视皮层时，模拟背侧流和腹侧流之间的信息响应特性，构建双侧信息流交互模型，利用高斯金字塔和稀疏编码模型，分别获取背侧空间显著轮廓和腹侧神经元稀疏响应；最后通过加权融合策略将双侧注意通路的信息融合，以多视通路之间的信息互补来增强显著轮廓和抑制纹理背景。
-
公开(公告)号：CN112712526A
公开(公告)日：2021-04-27
申请号：CN202011625605.1
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于非对称卷积神经网络双通道的视网膜血管分割方法。该方法对数据进行预处理，在血管方向最佳匹配角下利用多尺度的Gabor滤波器提取主血管特征图和细血管特征图。针对性地构建主、细血管特征提取非对称卷积神经网络双通道，其中主血管分割网络引入逐级连接策略进行采样，以卷积层级间的信息互补来减少特征丢失，快速定位和精准分割主血管；细血管补偿网络的编‑解码器结合了跳跃连接模块，低层特征图经过不同扩张率的并联空洞卷积块与对应解码器的高层特征图逐级结合，提升细小血管的分割精度。最后将双通道血管分割图融合，从而获取精细的血管分割图。解决了视网膜血管图像中目标方向复杂、细小血管末梢难以识别的问题。
-
公开(公告)号：CN111222518A
公开(公告)日：2020-06-02
申请号：CN202010049312.7
申请日：2020-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于分频视觉机制的轮廓特征提取方法。首先利用高斯函数模拟视通路中外侧膝状体经典感受野对视觉信息的分频作用；然后利用空间频率和朝向调谐之间的全局性抑制作用，并引入低对比度加强后的视觉特征，构建一种朝向敏感以及低对比度适应的感受野，通过外侧膝状体非经典感受野中心-外周信息差异的检测，从而实现对外周纹理的选择性抑制；最后将纹理抑制后的轮廓信息并行传递至初级视皮层区，实现分频视觉信息流的快速融合编码，以达到轮廓特征提取的快速调节和完整性融合。
-
Patent Agency Ranking
公开(公告)号：CN109558880A
公开(公告)日：2019-04-02
申请号：CN201811202617.6
申请日：2018-10-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于视觉整体和局部特征融合的轮廓检测方法。首先针对轮廓待检测图像，分别提取表征其整体特性的低分辨子图I1和表征其局部特征的边界响应子图I2。然后构建包含池化模块的卷积神经网络G，实现整体轮廓信息的快速提取。接着构建包含空洞卷积模块的卷积神经网络L，实现局部轮廓信息提取。其中L由四个单元、一个融合层和一个损失层构成；最后将I1和I2分别输入到网络G和网络L中，获得整体轮廓信息和局部轮廓信息。以L(i,j)的尺寸为基准，对G(i,j)进行双线性插值。根据L(i,j)各像素的对比度关系，对整体轮廓信息G(i,j)进行融合，从而获取精细轮廓。
-
公开(公告)号：CN108937921A
公开(公告)日：2018-12-07
申请号：CN201810320573.0
申请日：2018-04-11
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/18
CPC classification number: A61B5/0476 , A61B5/18 , A61B5/7264
Abstract: 本发明公开了一种结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法。本发明包含以下步骤：1、使用脑电采集设备采集驾驶脑电信号；2、对采集到的脑电信号进行预处理，包括降频、降噪；3、对预处理后的信号通过结合经验模态分解和能量谱密度的特征提取方法提取特征；4、对提取的特征使用分类器进行分类学习、识别。本发明使用结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法对驾驶疲劳特征进行提取，可有效的提高后续的分类检测准确率。
-
公开(公告)号：CN104036498B
公开(公告)日：2017-01-11
申请号：CN201410232552.5
申请日：2014-05-28
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于逐层分级的OCT图像质量快速评价方法。本发明从高层分解开始，逐层对OCT图像进行高斯金字塔分解，获得不同分辨率的分解子图像。较低质量的OCT图像在低分辨率下即可完成评价，而较高质量的OCT图像可逐层进入高分辨率完成评价，从而实现在不同分辨尺度下对OCT图像的质量进行快速评价。该发明能够实现对OCT图像质量的客观无参考型自动评级，提高评价效率，对后续OCT图像的参数自动检测和分析有一定的参考意义。
-
公开(公告)号：CN103729847B
公开(公告)日：2016-11-30
申请号：CN201310739932.3
申请日：2013-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多重随机共振机制的图像边缘检测方法。本发明构建具有随机共振特性的双稳态串并联网络模型，按从强到弱的顺序对图像中的多对比度边缘，进行基于多重随机共振机制的边缘检测。本发明分层次对不同对比度的边缘进行独立的随机共振调制，最终将局部最优的检测结果融合为完整的边缘信息。本发明充分利用了噪声在图像边缘增强和检测中的作用，改变了传统方法在单尺度下对多层次边缘细节的检测思路。
-
公开(公告)号：CN106127740A
公开(公告)日：2016-11-16
申请号：CN201610430684.8
申请日：2016-06-16
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视通路多感受野朝向性关联的轮廓检测方法，本发明从视通路中各层级的感受野空间尺度特性以及同一层级感受野的相互关联性出发，模拟视通路中视网膜神经元的经典感受野特性和LGN(外侧膝状体)细胞的非经典感受野特性，同时有朝向性地将多个LGN细胞的矩形感受野进行关联，用于模拟V1(初级视皮层)简单细胞的方向选择特性，提出一种基于视通路多感受野朝向性关联的轮廓检测方法，充分发挥上述视觉特性在轮廓检测中的重要作用。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.027 seconds)
