公开(公告)号：CN109978771A

公开(公告)日：2019-07-05

申请号：CN201910274841.4

申请日：2019-04-08

Applicant: 哈尔滨理工大学

Inventor： 何勇军 ,  简芙蓉 ,  曹丰 ,  张雪媛 ,  丁博

IPC: G06T3/40 ,  G06T5/00 ,  G06T5/50 ,  G06T7/11 ,  G06T7/136 ,  G06T7/194 ,  G06K9/62 ,  G06K9/00

Abstract: 一种细胞图像快速融合方法，本发明涉及基于内容分析的细胞图像快速融合方法。显微镜下的细胞由于不在同一个焦平面，需要图像融合才能获得清晰图像。传统方法对整张图像进行融合运算，效率低下。为解决这一问题，提出了基于内容分析的细胞图像快速融合方法。首先通过快速异步抓图并筛选出用于融合的图像；然后分割图像并把图像内容分为分散细胞、重叠细胞和垃圾三类后用不同的方法进行融合；最后将融合的各种细胞内容拼接成一张清晰图像作为最终结果。由于只对重叠细胞进行了复杂的融合运算，有效降低了运算的时间复杂度。实验表明，与传统方法相比，所提出的方法具有更高的融合效率。本发明应用于医学图像采集和融合领域。

公开(公告)号：CN112699722A

公开(公告)日：2021-04-23

申请号：CN202011118967.1

申请日：2020-10-19

Applicant: 哈尔滨理工大学

Inventor： 谢怡宁 ,  曹丰 ,  何勇军

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G01M13/00 ,  G01M13/045

Abstract: 本发明涉及旋转机械的故障诊断方法。当前故障诊断软件无法实现自动对旋转机械进行诊断，且精度低，并且传统方法对设备进行故障诊断效率低下。为解决这一问题，提出了提出了一种融合CNN和GMM的故障诊断方法。该方法在训练阶段首先利用大量振动数据训练一个CNN提取振动信号特征，然后为每类故障训练一个GMM。在故障诊断阶段，新的输入信号经过特征提取后在GMM模型上分类，实现故障诊断。实验表明，与传统方法相比，所提出的方法在旋转机械故障诊断方面具有更高的准确率。本发明应用于旋转机械故障诊断领域。