公开(公告)号：CN113379672B

公开(公告)日：2024-02-02

申请号：CN202110459173.X

申请日：2021-04-27

Applicant: 杭州电子科技大学

Inventor： 陆剑锋 ,  缪志刚 ,  王兴伟 ,  张彬彬 ,  陈作磊 ,  俞韬

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084 ,  G06N3/045

Abstract: 本发明公开了一种基于深度学习的细胞图像分割方法，属于图像处理领域。本发明具体是使用改进后的Mask R‑CNN网络对试管孔内的细胞进行分割，获取细胞图像，建立数字图像数据集，将特征学习融入到建立模型的过程中，对试管孔的细胞进行准确的检测分割。实现快速，低成本，精确的自动化检测技术，有利于提高的检测效率。

公开(公告)号：CN115861748A

公开(公告)日：2023-03-28

申请号：CN202211486801.4

申请日：2022-11-25

Applicant: 杭州电子科技大学

Inventor： 陆剑锋 ,  王兴伟 ,  俞韬 ,  陈昱杰 ,  杨高敏 ,  李黎

IPC: G06V10/80 ,  G06V10/82

Abstract: 本发明提出了一种改进双流网络的数字图像来源取证方法，包含如下步骤：步骤1、搭建双流网络N；步骤2、特征提取；步骤3、使用双线性池化层融合噪声流特征和RGB流特征；步骤4、使用全连接层及交叉熵损失函数判别图像的来源；步骤5、训练双流网络N，将待识别图像输入N中，最终获得图像来源取证的结果。该方法能够更好地提取多种图像的设备唯一性特征并将这些特征进行融合，从而快速并且准确地识别出数字图像的来源，分别提取RGB特征和噪声特征；使用双线性池化方法去融合上述两种特征，从而去进行数字图像的来源取证。本发明方法对于数字图像来源取证具有可行性与有效性，与传统方法相比，有着更高的识别准确率和更好的鲁棒性。

公开(公告)号：CN113393479A

公开(公告)日：2021-09-14

申请号：CN202110557045.9

申请日：2021-05-21

Applicant: 杭州电子科技大学

Inventor： 陆剑锋 ,  张彬彬 ,  缪志刚 ,  王兴伟 ,  陈作磊 ,  俞韬

IPC: G06T7/12 ,  G06T5/00 ,  G06T5/30

Abstract: 本发明提出了一种分割细胞板图像中试管孔的方法。首先读入细胞板的灰度图，将灰度图依照两个自定义核进行图像膨胀来弱化图像噪声，将膨胀后的图像进行反二进制阈值化处理，然后将二值化处理后的两个图像进行交运算，再使用开运算去除图像白噪声，接着使用按边界跟随的拓扑结构分析方法提取图像中的轮廓，以此输出细胞板中的试管孔轮廓。但是此时获取的轮廓中会存在部分噪声，在此基础上提取轮廓内最小环闭圆型数据，再以圆半径为基础去除半径较大或者较小的圆，再去除两两有交集的圆的异常数据，最终输出目标细胞库数据集合。该方法可以更快速精准的单机本地分割试管孔，便于使用人员直接通过图像识别查看各个试管孔内细胞群培养状况。

公开(公告)号：CN113379672A

公开(公告)日：2021-09-10

申请号：CN202110459173.X

申请日：2021-04-27

Applicant: 杭州电子科技大学

Inventor： 陆剑锋 ,  缪志刚 ,  王兴伟 ,  张彬彬 ,  陈作磊 ,  俞韬

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的细胞图像分割方法，属于图像处理领域。本发明具体是使用改进后的Mask R‑CNN网络对试管孔内的细胞进行分割，获取细胞图像，建立数字图像数据集，将特征学习融入到建立模型的过程中，对试管孔的细胞进行准确的检测分割。实现快速，低成本，精确的自动化检测技术，有利于提高的检测效率。

公开(公告)号：CN115830370A

公开(公告)日：2023-03-21

申请号：CN202211482140.8

申请日：2022-11-24

Applicant: 杭州电子科技大学

Inventor： 陆剑锋 ,  俞韬 ,  王兴伟 ,  陈昱杰 ,  杨高敏 ,  李黎

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/24 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出了一种基于孪生网络与空间变换的印鉴识别方法，针对印鉴数据角度参差的特点，进行初步的旋转矫正归一化，大角度的样本会导致模型训练不收敛，通过预处理对待识别印鉴进行初步的矫正，解决了样本不均匀的问题。并且基于孪生网络思想，自建相似度衡量网络，并引入空间变换网络来对印鉴数据进行进一步的旋转矫正，再通过STN网络对印鉴数据进行进一步的旋转矫正，通过网络获得适合印鉴分类的仿射变换，在此基础上提高了识别准确率。本发明方法对于印鉴这种特殊的数据识别具有可行性与有效性。本发明可以避免有新种类印鉴数据引入时，算法失效的情况，可以做到一次训练，永久使用的效果，在一定程度上减少了训练网络的繁琐。

公开(公告)号：CN113393479B

公开(公告)日：2024-02-02

申请号：CN202110557045.9

申请日：2021-05-21

Applicant: 杭州电子科技大学

Inventor： 陆剑锋 ,  张彬彬 ,  缪志刚 ,  王兴伟 ,  陈作磊 ,  俞韬

IPC: G06T7/12 ,  G06T5/70 ,  G06T5/30

Abstract: 本发明提出了一种分割细胞板图像中试管孔的方法。首先读入细胞板的灰度图，将灰度图依照两个自定义核进行图像膨胀来弱化图像噪声，将膨胀后的图像进行反二进制阈值化处理，然后将二值化处理后的两个图像进行交运算，再使用开运算去除图像白噪声，接着使用按边界跟随的拓扑结构分析方法提取图像中的轮廓，以此输出细胞板中的试管孔轮廓。但是此时获取的轮廓中会存在部分噪声，在此基础上提取轮廓内最小环闭圆型数据，再以圆半径为基础去除半径较大或者较小的圆，再去除两两有交集的圆的异常数据，最终输出目标细胞库数据集合。该方法可以更快速精准的单机本地分割试管孔，便于使用人员直接通过图像识别查看各个试管孔内细胞群培养状况。