-
公开(公告)号：CN106022384B
公开(公告)日：2019-07-12
申请号：CN201610361766.1
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于fMRI视觉功能数据DeconvNet的图像关注目标语义分割方法，通过被试在自然场景图像刺激下采集到的fMRI视觉功能数据，训练深度卷积神经网络模型，将其映射到关注目标类别标签上进行模型优化；构造与优化后的深度卷积神经网络对称的深度网络模型，利用fMRI视觉功能数据及刺激图像相对应的语义分割结果优化该模型参数，获得fMRI视觉功能数据到逐像素语义分割结果的映射；采集被试观看测试图像的fMRI视觉功能数据，确定被试关注目标类别和逐像素语义分割结果，分割出关注目标区域和相应目标语义。本发明对被试观看自然场景图像时所引发的fMRI视觉功能数据进行解析，提取出刺激图像中所有目标类别并获得语义分割结果，提高关注目标提取的准确性。
-
公开(公告)号：CN104574458B
公开(公告)日：2017-10-27
申请号：CN201410848116.0
申请日：2014-12-31
Applicant: 中国人民解放军信息工程大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于非标准快速Fourier变换和交替方向法的平行束CT稀疏角度重建方法，克服了现有技术中，图像重建方法仍有缺陷的问题。该发明的步骤如下：对平行束CT采集到的投影数据进行一维FFT变换，得到对应的极坐标下的投影频域数据；在基于极坐标的投影频域基础上，利用NUFFT技术实现图像空频域变换，以避免频域插值造成的精度损失，并建立TV最小化图像重建模型；在从投影频域恢复待重建图像的过程中，设计了基于TV最小化的频域优化模型，利用交替方向法对TV最小化模型通过增广Lagrangian函数法和交替方向乘子法进行迭代求解。本发明结合NUFFT技术和优化策略中先进的交替方向思想，能避免频域插值、计算和存储资源需求小，收敛性能好。
-
公开(公告)号：CN107194864A
公开(公告)日：2017-09-22
申请号：CN201710270520.8
申请日：2017-04-24
Applicant: 中国人民解放军信息工程大学
CPC classification number: G06T1/20 , G06T17/00 , G06T2200/28
Abstract: 本发明涉及一种基于异构平台的CT图像三维重建加速方法及其装置，异构平台包含主机及异构OpenCL计算设备，该加速方法包含：对FDK重建算法进行算粒分解，分析各个算粒的并行计算流程；通过异构平台中的主机及异构OpenCL计算设备对各个算粒进行加速优化处理。本发明深度挖掘CT重建算法的可并行性，采用GPU+FPGA的异构计算模式，使用不同类型指令集和体系架构的计算单元组成计算系统，最大程度上使算法与异构体系结构相匹配，充分利用不同加速部件的性能；同时设计适合重建算法高效运算的存储与通信方案，系统支持PCI‑E/Ethernet互联，支持多块处理板通过互联总线实现多处理器高效并行处理，实现同步或异步的协同处理机制，在尽量减少的损失精度的前提下提高重建速度。
-
公开(公告)号：CN104240209B
公开(公告)日：2017-07-21
申请号：CN201410333638.7
申请日：2014-07-14
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明属于总变分最小化模型的CT图像精确重建领域，具体涉及一种基于TV最小化模型的精确重建采样条件估算方法，包含以下步骤：1将TV最小化模型转化为l1‑最小化模型；2提出精确重建必要条件1，并利用其估算采样角度数量下界；3提出精确重建必要条件2，并从下界采样角度数量开始逐个增加角度数量验证必要条件2；4提出精确重建充分条件，从同时满足两个必要条件的最少采样角度数量开始逐个增加角度数量验证精确重建充分条件，满足充分条件的最少角度数量即为采样条件的估算结果。本发明创新性提出将TV最小化模型划分为l1‑最小化模型，并通过必要条件1实现对采样角度数量下界的估算，最终通过验证必要条件2和充分条件得到更准确的估算结果。
-
公开(公告)号：CN104240272B
公开(公告)日：2017-03-15
申请号：CN201410338497.8
申请日：2014-07-16
Applicant: 中国人民解放军信息工程大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于伪极坐标TV最小化直线轨迹CT图像重建方法，克服了现有技术中，直线轨迹计算机断层成像（linear computed tomography,LCT）技术的有限角度图像重建的问题。该发明包含以下步骤——步骤1：建立TV最小化重建模型；步骤2：利用ADM最小化TV模型；步骤3：利用PPFFT实现图像空-频域变换；步骤4：实现并运行算法，获得重建图像。该LCT重建技术基于交替方向法设计了TV最小化模型的求解算法，具有稳定的收敛性；并且，由于采用了伪极快速傅里叶变换，该算法具有优异的重建精度和计算效率。基于伪极坐标TV最小化LCT图像重建技术，在LCT技术投入实用化中具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN104240209A
公开(公告)日：2014-12-24
申请号：CN201410333638.7
申请日：2014-07-14
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明属于总变分最小化模型的CT图像精确重建领域，具体涉及一种基于TV最小化模型的精确重建采样条件估算方法，包含以下步骤：1将TV最小化模型转化为l1-最小化模型；2提出精确重建必要条件1，并利用其估算采样角度数量下界；3提出精确重建必要条件2，并从下界采样角度数量开始逐个增加角度数量验证必要条件2；4提出精确重建充分条件，从同时满足两个必要条件的最少采样角度数量开始逐个增加角度数量验证精确重建充分条件，满足充分条件的最少角度数量即为采样条件的估算结果。本发明创新性提出将TV最小化模型划分为l1-最小化模型，并通过必要条件1实现对采样角度数量下界的估算，最终通过验证必要条件2和充分条件得到更准确的估算结果。
-
公开(公告)号：CN103714578A
公开(公告)日：2014-04-09
申请号：CN201410035682.X
申请日：2014-01-24
Applicant: 中国人民解放军信息工程大学
IPC: G06T17/00
Abstract: 本发明涉及一种针对半覆盖螺旋锥束CT的单层重排滤波反投影重建方法，首先将锥束投影重排成多排扇形束投影，每一排对应物体的一层，然后利用平行束投影的对称性质将每一排的扇形束投影重排成π范围内的平行束投影，此时平行束投影完全覆盖物体横截面，不存在数据截断，最后通过在重排前的锥束几何下计算反投影点，进行三维滤波反投影，避免了将第一次的重排误差引入重建图像。通过采用上述方法，能够实现半覆盖螺旋锥束几何下快速、高质量的三维重建，重建图像中没有明显截断伪影，重建质量不受数据截断位置的影响，能够更大程度地扩展螺旋锥束CT的成像视野。
-
公开(公告)号：CN103778240B
公开(公告)日：2017-04-26
申请号：CN201410046388.9
申请日：2014-02-10
Applicant: 中国人民解放军信息工程大学
Abstract: 本发明涉及一种基于功能磁共振成像和图像字典稀疏分解的图像检索方法，含有如下步骤：1：待检索图像输入后，通过语义提取操作模块进行图像语义的提取，获得当前输入图像的类别，并构造与当前输入图像具有相似语义的相似语义子图像库；语义提取操作模块一方面利用人脑智能对刺激图像进行表达，获得人脑某些脑区对视觉图像刺激的响应；另一方面，应用机器智能对刺激图像进行表达，获得视觉图像刺激在过完备字典上的分解系数；对以上两方面获得的信息进行融合，得到图像语义特征，输入分类器进行分类；2：通过图像匹配操作模块在相似语义子图像库中进行图像检索，输出与当前输入图像引起的脑响应类似的图像；本发明提高了图像检索系统的准确率。
-
公开(公告)号：CN106056602A
公开(公告)日：2016-10-26
申请号：CN201610365605.X
申请日：2016-05-27
Applicant: 中国人民解放军信息工程大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10088 , G06T2207/20081
Abstract: 本发明涉及一种基于CNN的fMRI视觉功能数据目标提取方法，首先被试在复杂场景自然图像刺激下采集到的fMRI视觉功能数据，训练一个由刺激图像到fMRI视觉功能数据的深度卷积神经网络模型，同时训练一个由fMRI视觉功能数据到关注目标类别的线性映射模型；在深度卷积神经网络模型中加入反馈层，将训练好的线性映射模型与其复合，对一幅测试图像中的不同目标类别分别得到类别评分映射；利用类别评分映射，分析被试观看全新测试图像的fMRI视觉功能数据，提取被试所关注的目标。本发明能够对被试观看复杂场景自然图像时所引发的fMRI视觉功能数据进行解析，提取出被试在图像中所关注的目标，提高提取关注目标的准确性。
-
公开(公告)号：CN105868712A
公开(公告)日：2016-08-17
申请号：CN201610184386.5
申请日：2016-03-28
Applicant: 中国人民解放军信息工程大学
CPC classification number: G06K9/00536 , G06F16/50
Abstract: 本发明公开了一种基于后验概率模型的脑电与机器视觉目标图像检索方法，克服了现有技术中，机器视觉与人类视觉结合起来，在脑电图像检索方法是有待改进的问题。该发明含有以下步骤：步骤（1）、给被试呈现RSVP图像序列，并利用脑电采集设备采集被试脑电信号，使用现代数据分析技术对脑电信号进行分析，实现脑电目标图像识别；步骤（2）、依据脑电识别模块的结果，找出目标图像在机器视觉模块中属于的目标类；步骤（3）、从机器视觉模块计算每张图像为目标类图像的概率；步骤（4）、对每张图像建立后验概率模型，计算图像为目标图像的概率的新估计值，从而给出该图像最终的识别结果。本方法能在保持低虚警率的同时达到相当高的准确率。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.034 seconds)
