-
公开(公告)号：CN106709943B
公开(公告)日：2019-09-24
申请号：CN201710024345.4
申请日：2017-01-12
Applicant: 重庆邮电大学
IPC: G06T7/33
Abstract: 本发明涉及一种基于最优传输的点云配准方法，所述方法包括：S1：输入待配准的两幅点云的数据，并分别对每幅点云的数据进行质量分配；S2：使用最优传输理论求解所述两幅点云的传输计划与变换矩阵；S3：计算所述两幅点云中每个点的传输代价，并根据计算的传输代价检测异常点；S4：根据检测结果，调整两幅点云中各个点的质量；S5：对调整质量后的两幅点云重复执行步骤S2至S4，直至检测不到异常点为止；S6：将检测不到异常点时对应的变换矩阵作用到点云中，以配准点云数据。本发明提供的一种基于最优传输的点云配准方法，能够解决当前点云配准过程中存在的噪声、缺失、部分重合的问题。
-
公开(公告)号：CN109711376A
公开(公告)日：2019-05-03
申请号：CN201811647893.3
申请日：2018-12-29
Applicant: 重庆邮电大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于最优传输理论的多尺度稀疏蓝噪声采样方法，属于计算机图形学和几何处理技术领域。该方法具体包括以下步骤：S1：输入原始点云，并对其数据进行预处理；S2：利用2n-tree结构对预处理之后的数据分层，并计算每一层上的点云质量和坐标；S3：对每一类采样点，迭代所有层，求解稀疏子问题和构建遮蔽邻域，获得全局最优的传输计划；S4：根据全局最优的传输计划，计算每一类采样点的重心，并利用牛顿迭代法更新采样点位置；S5：循环执行步骤S3和S4，最终得到一组高质量的蓝噪声采样点。本发明所得到的采样点云具有很高的蓝噪声性，稀疏结构能够以数量级的优势降低内存的消耗，能够在多种场景之中采样。
-
公开(公告)号：CN109035137A
公开(公告)日：2018-12-18
申请号：CN201810844859.9
申请日：2018-07-27
Applicant: 重庆邮电大学
IPC: G06T3/00
CPC classification number: G06T3/0068
Abstract: 本发明涉及一种基于最优传输理论的多模态医学图像融合方法，属于计算机图形学和医学图像处理技术领域，该方法包含如下步骤：S1：输入两张待融合的不同模态医学图像；S2：对源图像进行取反，对取反后的源图像进行归一化操作；S3：计算归一化操作之后源图像之间的最优传输质心；S4：根据最优传输质心进行图像取反，重构结果融合图像。本发明方法能够在保留更多源图像信息的情况下，消除掉较多的噪声，同时降低计算复杂度的方法，进行更快速有效的多模态医学图像的融合。同时，本发明方法运行速度快，输入图像后能够快速地给出融合结果，效率较高，鲁棒性强，不仅适应于医学图像，也可以对非医学图像进行有效地融合。
-
公开(公告)号：CN102609972B
公开(公告)日：2014-07-09
申请号：CN201210023515.4
申请日：2012-02-02
Applicant: 重庆邮电大学
Inventor： 秦红星
IPC: G06T15/08
Abstract: 一种基于逆速度位移场的体数据可视化处理方法，涉及图形图像技术。本发明采用的技术方案为：对体数据的多步变形操作一般化为两步变形操作，把步变形操作认为是步变形操作与第步变形操作的叠加；建立由初始化场景、体数据两步变形操作模型；计算逆速度位移场表达由原有的逆速度位移场、特征场数据、特征体数据和变形模板共同表达的操作，通过后处理以保持逆速度位移场的一阶连续；以逆速度位移场为场景，应用ray-casting算法进行变形后体数据的绘制。本发明提出的方法解决了体数据多步操作难题，保证了绘制质量和绘制的实时性，提高了体数据内结构间几何关系的可理解性。
-
公开(公告)号：CN119862324A
公开(公告)日：2025-04-22
申请号：CN202411951141.1
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06N5/025 , G06N5/02 , G06N3/042 , G06N3/045
Abstract: 本发明属于深度学习和推荐系统技术领域，具体涉及一种基于知识交互图的多行为推荐方法，包括：获取用户和项目的数据，根据用户和项目的数据构建知识交互图，将知识交互图输入训练好的用户多行为推荐模型，得到用户和项目的交互概率；用户多行为推荐模型包括：知识交互图嵌入模块、行为知识感知图注意力模块以及预测模块；本发明通过结合多行为交互图和项目知识图构建统一的知识交互图，从未对受知识关系影响的多种行为之间的复杂依赖关系进行了建模，并通过行为知识感知图注意力模块对知识交互图进行更新处理，揭示了行为与知识之间的潜在依赖关系，克服了传统多行为推荐方法在行为依赖关系建模方面的局限性，提升了推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN117743479A
公开(公告)日：2024-03-22
申请号：CN202311642961.8
申请日：2023-12-01
Applicant: 重庆邮电大学
IPC: G06F16/28 , G06F16/2458 , G06F16/248 , G06F16/2457 , H04L9/40
Abstract: 本申请涉及网络安全领域，特别是涉及基于网络资产图谱构建的特定网络资产识别方法。获取特定网络资产信息，经预处理得到特定网络资产图谱数据集，描述特定有向图网络；采用社区分类算法将有向图网络划分为多个特定网络资产子图；进行资产信息节点排序，得到特定网络资产子图的资产信息节点重要性排序结果值，删除部分资产信息节点，得到特定网络资产子图的主要资产信息节点和关键链路；计算特定网络资产子图的相似度，得到相似结构的特定网络资产子图；进行可视化处理，得到特定网络资产子图的资产信息节点主视图和多个相关视图。采用本发明的方法，能够快速、准确、全部地识别特定网络资产的主要资产信息节点和关键链路。
-
公开(公告)号：CN117710343A
公开(公告)日：2024-03-15
申请号：CN202311753282.8
申请日：2023-12-18
Applicant: 重庆邮电大学
Abstract: 本发明属于CT成像技术领域，具体涉及一种基于多尺度哈希编码的锥形束CT重建方法；该方法包括：对实物进行扫描并采集CT投影数据；根据CT投影数据生成X射线源到投影像素方向上的射线并在射线与实物相交的部分均匀采样N个点；采用多尺度哈希编码将采样点的位置信息映射到高维空间，得到采样点特征向量；将采样点特征向量输入到多层感知机中进行处理，得到采样点的衰减系数；根据采样点的衰减系数计算总损失，根据总损失调整多层感知机参数，得到训练好的多层感知机；采用训练好的多层感知机对待CT重建的实物进行处理，得到实物的CT重建结果；本发明重建CT数据速度快，准确率高，具有良好的应用前景。
-
公开(公告)号：CN116257667A
公开(公告)日：2023-06-13
申请号：CN202310221341.0
申请日：2023-03-09
Applicant: 重庆邮电大学
IPC: G06F16/904 , G06F16/901 , G06F16/907 , G06N5/04
Abstract: 本发明涉及一种面向多元时间序列的因果关系可视分析方法，属于可视化技术领域，包括以下步骤：S1：获取多元时间序列数据集，分别从空间和时间的角度对时间序列进行预处理；S2：应用格兰杰因果关系检验对划分好的多元时间序列进行因果关系测试，使用防抖策略获取稳定的因果关系；S3：设计动态因果图可视化，使分析人员能够沿着时间探索和解释多元时间序列的动态因果关系；S4：考虑因果关系的多个维度，设计定制的因果验证和比较可视化来揭示可疑的因果关系。
-
公开(公告)号：CN116152500A
公开(公告)日：2023-05-23
申请号：CN202310221468.2
申请日：2023-03-09
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/422 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及一种基于深度学习的全自动牙齿CBCT图像分割方法，属于计算机视觉领域。该方法分为边缘图像获取阶段、多帧输入阶段和图像分割阶段。在边缘图像获取阶段，先获取牙齿CBCT图像中的边缘图像，再将得到的边缘图像与原图相加；在多帧输入阶段，将增强图像在通道上进行叠加，从单通道图像叠加成三通道的图像；在图像分割阶段，首先通过骨干网络对多帧输入阶段处理后的图像进行特征提取，然后将提取到的特征图送入候选区生成模块，完成在牙齿CBCT图像中针对牙齿的分割。本发明能够更准确的分割出多变的牙齿形状，准确的提取出牙根部分，能够有效减少牙齿将口腔中骨骼分割为牙齿的错误。
-
公开(公告)号：CN109711376B
公开(公告)日：2022-10-11
申请号：CN201811647893.3
申请日：2018-12-29
Applicant: 重庆邮电大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于最优传输理论的多尺度稀疏蓝噪声采样方法，属于计算机图形学和几何处理技术领域。该方法具体包括以下步骤：S1：输入原始点云，并对其数据进行预处理；S2：利用2n‑tree结构对预处理之后的数据分层，并计算每一层上的点云质量和坐标；S3：对每一类采样点，迭代所有层，求解稀疏子问题和构建遮蔽邻域，获得全局最优的传输计划；S4：根据全局最优的传输计划，计算每一类采样点的重心，并利用牛顿迭代法更新采样点位置；S5：循环执行步骤S3和S4，最终得到一组高质量的蓝噪声采样点。本发明所得到的采样点云具有很高的蓝噪声性，稀疏结构能够以数量级的优势降低内存的消耗，能够在多种场景之中采样。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.023 seconds)
