公开(公告)号：CN105869145B

公开(公告)日：2018-12-14

申请号：CN201610163766.0

申请日：2016-03-22

Applicant: 武汉工程大学

Inventor： 余军 ,  黄巍

IPC: G06T7/38

Abstract: 本发明涉及一种基于k‑t加速的核磁共振图像多步配准方法，包括：从核磁共振图像的原始图像序列中获取目标位置的局部图像序列；对目标位置的局部图像序列运用多步配准方法进行配准，得到对应的空间仿射变换关系；根据空间仿射变换关系，得到原始图像序列的配准结果。该核磁共振图像多步配准方法能显著提高心脏核磁共振图像的配准精确度。

公开(公告)号：CN105869145A

公开(公告)日：2016-08-17

申请号：CN201610163766.0

申请日：2016-03-22

Applicant: 武汉工程大学

Inventor： 余军 ,  黄巍

IPC: G06T7/00

CPC classification number: G06T2207/10016 ,  G06T2207/10088 ,  G06T2207/30048

Abstract: 本发明涉及一种基于k?t加速的核磁共振图像多步配准方法，包括：从核磁共振图像的原始图像序列中获取目标位置的局部图像序列；对目标位置的局部图像序列运用多步配准方法进行配准，得到对应的空间仿射变换关系；根据空间仿射变换关系，得到原始图像序列的配准结果。该核磁共振图像多步配准方法能显著提高心脏核磁共振图像的配准精确度。

公开(公告)号：CN114842310A

公开(公告)日：2022-08-02

申请号：CN202210312559.2

申请日：2022-03-28

Applicant: 武汉工程大学

Inventor： 张小雪 ,  黄巍

IPC: G06V10/80 ,  G06V10/762 ,  G06V10/82 ,  G06V20/58 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进Tiny‑YOLOv4的交通标志检测方法，包括以下步骤：S1、获取交通标志检测的图像训练集和图像验证集；S2、改进Tiny‑YOLOv4目标检测网络结构，包括：改进特征金字塔网络：改用尺度更大的预测特征层，并对其进行多尺度特征融合；改进主干特征提取网络：引入跨阶段局部网络和空间金字塔池化，将主干特征提取网络的最后一层卷积层的卷积核大小由3×3大小改为1×1大小；S3、使用聚类算法对图像训练集和图像验证集进行聚类分析，得到适合的anchor框尺寸；S4、训练；S5、利用训练后的改进Tiny‑YOLOv4进行交通标志检测。相比较现有的交通标志检测算法，本发明可以在保证检测速度快和模型内存容量低的前提下提高检测精度，能够满足实际应用的需求。

公开(公告)号：CN113223097A

公开(公告)日：2021-08-06

申请号：CN202110471381.1

申请日：2021-04-29

Applicant: 武汉工程大学

Inventor： 余博文 ,  黄巍

IPC: G06T7/90 ,  G06K9/62

Abstract: 本发明提供了一种提高密度计数精度的图像预处理方法，通过对包含计数目标的图像进行HSV颜色空间值分析，再利用分析结果对使用超像素分割获得的超像素颜色均值图进行干扰因素过滤，最终获得包含计数目标的图像对应的目标过滤图用于密度计数，对经过预处理后的目标过滤图进行密度计数，提高了密度计数的准确率和计数效率。本发明消除了图像中的干扰项像素，配合现有的密度计数技术，代替人工处理计数图像，极大地减少了人工实地计数工作，减少人为因素造成的错误，保证了目标计数的准确率，提高了计数定位的效率，方法简单，适合普遍推广。

公开(公告)号：CN110348479A

公开(公告)日：2019-10-18

申请号：CN201910483242.3

申请日：2019-06-04

Applicant: 武汉工程大学

Inventor： 黄巍 ,  胡迪 ,  易雪蓉

IPC: G06K9/62 ,  G06Q10/04 ,  G06Q40/04

Abstract: 本发明涉及一种基于近邻传播的股票预测方法、系统、装置和介质，包括获取多只股票的历史交易数据，对任一只股票的历史交易数据进行处理得到该股票的目标特征向量集合；根据该股票的目标特征向量集合直接获取其他剩余股票的目标特征向量集合；采用近邻传播方法，根据所有目标特征向量集合对所有历史交易数据进行近邻传播聚类分析得到聚类结果；根据聚类结果在待预测股票所属簇群内选取预设数量的样本股票，并基于支持向量机训练方法，根据目标特征向量集合和样本股票对应的历史交易数据得到股票趋势预测模型；根据股票趋势预测模型对待预测股票进行预测得到预测结果。本发明运算量较低，运算时间较短，占用内存小，可并行性高，预测准确率高。

公开(公告)号：CN114842310B

公开(公告)日：2024-12-24

申请号：CN202210312559.2

申请日：2022-03-28

Applicant: 武汉工程大学

Inventor： 张小雪 ,  黄巍

IPC: G06V10/80 ,  G06V10/762 ,  G06V10/82 ,  G06V20/58 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/44

Abstract: 本发明公开了一种基于改进Tiny‑YOLOv4的交通标志检测方法，包括以下步骤：S1、获取交通标志检测的图像训练集和图像验证集；S2、改进Tiny‑YOLOv4目标检测网络结构，包括：改进特征金字塔网络：改用尺度更大的预测特征层，并对其进行多尺度特征融合；改进主干特征提取网络：引入跨阶段局部网络和空间金字塔池化，将主干特征提取网络的最后一层卷积层的卷积核大小由3×3大小改为1×1大小；S3、使用聚类算法对图像训练集和图像验证集进行聚类分析，得到适合的anchor框尺寸；S4、训练；S5、利用训练后的改进Tiny‑YOLOv4进行交通标志检测。相比较现有的交通标志检测算法，本发明可以在保证检测速度快和模型内存容量低的前提下提高检测精度，能够满足实际应用的需求。