-
公开(公告)号：CN106844524B
公开(公告)日：2019-08-09
申请号：CN201611246378.5
申请日：2016-12-29
Applicant: 北京工业大学
Abstract: 一种基于深度学习和Radon变换的医学图像检索方法涉及计算机视觉和图像检索领域。在“粗”检索阶段，采用BING目标建议算法检测具有显著对象的区域，通过在深度卷积网络架构中引入部分均值Pooling，可提取出基于区域的显著区分性特征并降低特征维度，再聚合形成一个全局特征表达。在特征向量量化过程中，使用乘积量化算法来解决特征向量间相似性度量计算高复杂度问题。“细”检索阶段，借助Radon变换可将图像在多角度做积分投影，获取图像更多细节信息的特性，将“粗”检索中得到的Top50图像经过Radon变换生成Radon条码，经过相似性度量达到更精确检索。本发明提高医学图像检索的准确率，克服了直接使用卷积神经网络带来的特征区分性不强，特征维度高等医学图像检索问题。
-
公开(公告)号：CN105678235A
公开(公告)日：2016-06-15
申请号：CN201511021337.1
申请日：2015-12-30
Applicant: 北京工业大学
IPC: G06K9/00
CPC classification number: G06K9/00308 , G06K9/00201 , G06K9/00275 , G06K9/6269
Abstract: 本发明提出一种基于典型区域多维度特征的三维人脸表情识别算法，具体包括以下步骤：首先，对三维人脸数据进行预处理操作，获取更规格化的点云数据；接着，进行三维人脸表情典型区域的自动标定，根据鼻尖点位置，完成眼部区域(E区)、鼻子区域(N区)和嘴巴区域(M区)的自动标定；然后，分别提取三个典型区域的三维特征和二维特征，进行高斯归一化，并特征融合；最后，根据各典型区域的融合特征进行SVM训练，实现三维人脸表情识别。本发明不仅能观察出人脸不同区域对于不同表情的贡献程度，而且能有效地识别三维人脸的不同表情。
-
公开(公告)号：CN106658169B
公开(公告)日：2019-06-07
申请号：CN201611173080.6
申请日：2016-12-18
Applicant: 北京工业大学
Abstract: 一种基于深度学习多层次分割新闻视频的通用方法属于计算机人工智能和视频处理领域。本发明首先根据频道标识符(logo)及主持人脸的特点，进行针对性的方式处理，提高后续训练及检测效果；然后，考虑到多类新闻视频之间的差异性，本文率先提出预先进行新闻logo识别，将识别后的频道再输入至各自的人脸检测通道中依次识别的方法，进而提高了视频分割的通用性；最后，基于主持环节的共同点，本文提出采用人工特征及时间阈值的交叉检测进行精筛选，进而最终检测到各频道的主持环节，实现分割多类新闻视频的通用方法。本方法大大增强了分割各类新闻视频的普适性，进而更好地代替手动分割视频方法，极大地减少了人力成本，提高视频处理的效率。
-
公开(公告)号：CN105657580B
公开(公告)日：2018-11-13
申请号：CN201511021331.4
申请日：2015-12-30
Applicant: 北京工业大学
IPC: H04N21/8549
Abstract: 本发明提出一种基于显著图的胶囊内镜视频摘要生成方法，具体包括以下步骤：首先，进行图像预处理，去除图像无效区域；针对预处理后的胶囊内镜图像，提出一种显著图提取算法，得到感兴趣区域；然后，提取感兴趣区域的颜色特征和纹理特征，高斯归一化，并进行特征融合；最后，根据融合特征的欧氏距离进行帧间差测定，分别进行突变检测和渐变检测，得到关键帧，形成视频摘要。本发明用于胶囊内镜视频摘要生成，有效地减轻了阅片医生的劳动强度，提高了诊断效率。
-
公开(公告)号：CN106920227A
公开(公告)日：2017-07-04
申请号：CN201611228597.0
申请日：2016-12-27
Applicant: 北京工业大学
CPC classification number: G06T7/0012 , G06T2207/20081 , G06T2207/20084 , G06T2207/30041
Abstract: 基于深度学习与传统方法相结合的视网膜血管分割方法，涉及计算机视觉以及模式识别领域。本发明将两种灰度图像都作为网络的训练样本，针对视网膜图像数据少的问题做了相应的数据扩增包括弹性形变，平滑滤波等等，扩大了该发明的广泛适用性。本发明通过构建FCN‑HNED的视网膜血管分割深度网络，该网络极大程度的实现了自主学习的过程，不仅可以分享整个图像的卷积特征，减少特征冗余，又可以从抽象的特征中恢复出多个像素的所属类别，分别将视网膜血管图像的CLAHE图和高斯匹配滤波图分别输入网络使其得到的血管分割图进行加权平均从而得到更好更完整的视网膜血管分割概率图，该种处理方式极大程度的提高了血管分割的鲁棒性与准确性。
-
Patent Agency Ranking
公开(公告)号：CN106844524A
公开(公告)日：2017-06-13
申请号：CN201611246378.5
申请日：2016-12-29
Applicant: 北京工业大学
CPC classification number: G06F16/583 , G06K9/66 , G06N3/08
Abstract: 一种基于深度学习和Radon变换的医学图像检索方法涉及计算机视觉和图像检索领域。在“粗”检索阶段，采用BING目标建议算法检测具有显著对象的区域，通过在深度卷积网络架构中引入部分均值Pooling，可提取出基于区域的显著区分性特征并降低特征维度，再聚合形成一个全局特征表达。在特征向量量化过程中，使用乘积量化算法来解决特征向量间相似性度量计算高复杂度问题。“细”检索阶段，借助Radon变换可将图像在多角度做积分投影，获取图像更多细节信息的特性，将“粗”检索中得到的Top50图像经过Radon变换生成Radon条码，经过相似性度量达到更精确检索。本发明提高医学图像检索的准确率，克服了直接使用卷积神经网络带来的特征区分性不强，特征维度高等医学图像检索问题。
-
公开(公告)号：CN105657580A
公开(公告)日：2016-06-08
申请号：CN201511021331.4
申请日：2015-12-30
Applicant: 北京工业大学
IPC: H04N21/8549
CPC classification number: H04N21/8549
Abstract: 本发明提出一种基于显著图的胶囊内镜视频摘要生成方法，具体包括以下步骤：首先，进行图像预处理，去除图像无效区域；针对预处理后的胶囊内镜图像，提出一种显著图提取算法，得到感兴趣区域；然后，提取感兴趣区域的颜色特征和纹理特征，高斯归一化，并进行特征融合；最后，根据融合特征的欧氏距离进行帧间差测定，分别进行突变检测和渐变检测，得到关键帧，形成视频摘要。本发明用于胶囊内镜视频摘要生成，有效地减轻了阅片医生的劳动强度，提高了诊断效率。
-
公开(公告)号：CN106920227B
公开(公告)日：2019-06-07
申请号：CN201611228597.0
申请日：2016-12-27
Applicant: 北京工业大学
Abstract: 基于深度学习与传统方法相结合的视网膜血管分割方法，涉及计算机视觉以及模式识别领域。本发明将两种灰度图像都作为网络的训练样本，针对视网膜图像数据少的问题做了相应的数据扩增包括弹性形变，平滑滤波等等，扩大了该发明的广泛适用性。本发明通过构建FCN‑HNED的视网膜血管分割深度网络，该网络极大程度的实现了自主学习的过程，不仅可以分享整个图像的卷积特征，减少特征冗余，又可以从抽象的特征中恢复出多个像素的所属类别，分别将视网膜血管图像的CLAHE图和高斯匹配滤波图分别输入网络使其得到的血管分割图进行加权平均从而得到更好更完整的视网膜血管分割概率图，该种处理方式极大程度的提高了血管分割的鲁棒性与准确性。
-
公开(公告)号：CN105678235B
公开(公告)日：2018-08-14
申请号：CN201511021337.1
申请日：2015-12-30
Applicant: 北京工业大学
IPC: G06K9/00
Abstract: 本发明提出一种基于典型区域多维度特征的三维人脸表情识别算法，具体包括以下步骤：首先，对三维人脸数据进行预处理操作，获取更规格化的点云数据；接着，进行三维人脸表情典型区域的自动标定，根据鼻尖点位置，完成眼部区域(E区)、鼻子区域(N区)和嘴巴区域(M区)的自动标定；然后，分别提取三个典型区域的三维特征和二维特征，进行高斯归一化，并特征融合；最后，根据各典型区域的融合特征进行SVM训练，实现三维人脸表情识别。本发明不仅能观察出人脸不同区域对于不同表情的贡献程度，而且能有效地识别三维人脸的不同表情。
-
公开(公告)号：CN106658169A
公开(公告)日：2017-05-10
申请号：CN201611173080.6
申请日：2016-12-18
Applicant: 北京工业大学
CPC classification number: H04N21/44004 , G06N3/0454 , G06N3/08
Abstract: 一种基于深度学习多层次分割新闻视频的通用方法属于计算机人工智能和视频处理领域。本发明首先根据频道标识符(logo)及主持人脸的特点，进行针对性的方式处理，提高后续训练及检测效果；然后，考虑到多类新闻视频之间的差异性，本文率先提出预先进行新闻logo识别，将识别后的频道再输入至各自的人脸检测通道中依次识别的方法，进而提高了视频分割的通用性；最后，基于主持环节的共同点，本文提出采用人工特征及时间阈值的交叉检测进行精筛选，进而最终检测到各频道的主持环节，实现分割多类新闻视频的通用方法。本方法大大增强了分割各类新闻视频的普适性，进而更好地代替手动分割视频方法，极大地减少了人力成本，提高视频处理的效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
