-
公开(公告)号：CN110189318B
公开(公告)日：2022-12-06
申请号：CN201910465182.2
申请日：2019-05-30
Applicant: 江南大学附属医院(无锡市第四人民医院) , 苏州科技大学 , 江南大学
Abstract: 本发明涉及一种带有语义特征得分的肺结节检测方法和系统。主要包括：构建特征提取器网络、区域建议网络、第一语义特征网络、分类网络和第二语义特征网络，对所述特征提取器网络、区域建议网络、第一语义特征网络、分类网络和第二语义特征网络进行训练；将待评测的胸部CT图像输入训练好的特征提取器网络，并由分类网络获得肺结节位置以及所述肺结节的分类，由第二语义特征网络获得肺结节的语义特征得分。上述方法可通过相应网络对胸部CT图像进行处理，并由分类网络获得肺结节位置以及所述肺结节的分类，由第二语义特征网络获得肺结节的语义特征得分。可自动获取肺结节的语义特征得分。
-
公开(公告)号：CN110189318A
公开(公告)日：2019-08-30
申请号：CN201910465182.2
申请日：2019-05-30
Applicant: 江南大学附属医院(无锡市第四人民医院) , 苏州科技大学 , 江南大学
Abstract: 本发明涉及一种带有语义特征得分的肺结节检测方法和系统。主要包括：构建特征提取器网络、区域建议网络、第一语义特征网络、分类网络和第二语义特征网络，对所述特征提取器网络、区域建议网络、第一语义特征网络、分类网络和第二语义特征网络进行训练；将待评测的胸部CT图像输入训练好的特征提取器网络，并由分类网络获得肺结节位置以及所述肺结节的分类，由第二语义特征网络获得肺结节的语义特征得分。上述方法可通过相应网络对胸部CT图像进行处理，并由分类网络获得肺结节位置以及所述肺结节的分类，由第二语义特征网络获得肺结节的语义特征得分。可自动获取肺结节的语义特征得分。
-
公开(公告)号：CN107610165B
公开(公告)日：2020-10-23
申请号：CN201710815872.7
申请日：2017-09-12
Applicant: 江南大学
Abstract: 本发明公开了一种基于多特征的3‑D剪切波域多模态医学序列图像融合方法，主要解决2‑D分解工具无法处理3‑D图像以及单特征融合方法易引入错误信息的问题。其实现步骤是：1)待融合序列图像进行3‑D剪切波变换，得到高频、低频系数；2)低频子带系数采用基于区域能量取大的融合规则，高频子带系数采用综合多特征的融合规则；3)融合后的高、低频系数执行3‑D剪切波逆变换获得融合后的序列图像。本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN110097528A
公开(公告)日：2019-08-06
申请号：CN201910288058.3
申请日：2019-04-11
Applicant: 江南大学
Abstract: 一种基于联合卷积自编码网络的图像融合方法，属于图像融合领域。主要解决图像融合时数据集和标签不足，图像经过联合卷积自编码网络得到端到端的融合结果等问题。本发明首先，在训练过程中用联合卷积自编码网络模型同时训练待融合图像集，设计适用于图像融合的多任务损失函数进行训练。测试过程中，两幅待融合图像输入到网络模型中，经过网络编码层得到公共特征和私有特征，根据其特征的冗余和互补的特性设计融合规则，实现特征层的融合，融合后的特征映射经解码重构后得到融合图像。本发明能充分利用自编码神经网络的特点整合待融合图像的互补与冗余信息制定融合策略，有效保护图像细节，相比传统的融合方法极大地提高了融合图像的质量。
-
-
Patent Agency Ranking
公开(公告)号：CN110570387B
公开(公告)日：2023-04-07
申请号：CN201910868807.X
申请日：2019-09-16
Applicant: 江南大学
IPC: G06T5/50
Abstract: 一种基于特征级Copula模型相似性的图像融合方法，属于图像融合领域。其步骤是：1)待融合图像进行QWT变换得到高频子带和低频子带；2)求出高频子带幅度和相位的亮度、对比度和结构度，并分别构建亮度、对比度、结构度的Copula模型；3)判定高频子带冗余性和互补性的特征类型，并设计相应的融合规则得到第一阶段高频子带融合系数；采用基于高频子带绝对值取大的融合规则得到第二阶段高频子带融合系数，根据加权规则得到最终的高频子带融合系数；4)采用基于低频相位梯度、相位局部方差和幅值能量的综合特征取大的融合规则得到融合后的低频子带系数；5)根据低频和高频的融合子带系数，利用QWT逆变换得到融合图像。
-
公开(公告)号：CN109829873B
公开(公告)日：2023-03-14
申请号：CN201910068041.7
申请日：2019-01-24
Applicant: 江南大学
Abstract: 本发明提供了一种基于非下采样剪切波和全局‑区域‑局部融合规则的图像融合方法，属于图像融合技术领域。主要解决从统计模型中提取单层次特征容易导致图像表示不准确的问题。其实现步骤是：1)待融合图像进行非下采样剪切波变换，得到高频、低频系数；2)低频子带系数采用基于平均梯度取大的融合规则，高频子带系数采用全局‑区域‑局部的融合规则；3)融合后的高、低频系数执行非下采样剪切波逆变换获得融合后的图像。本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN110570387A
公开(公告)日：2019-12-13
申请号：CN201910868807.X
申请日：2019-09-16
Applicant: 江南大学
IPC: G06T5/50
Abstract: 一种基于特征级Copula模型相似性的图像融合方法，属于图像融合领域。其步骤是：1)待融合图像进行QWT变换得到高频子带和低频子带；2)求出高频子带幅度和相位的亮度、对比度和结构度，并分别构建亮度、对比度、结构度的Copula模型；3)判定高频子带冗余性和互补性的特征类型，并设计相应的融合规则得到第一阶段高频子带融合系数；采用基于高频子带绝对值取大的融合规则得到第二阶段高频子带融合系数，根据加权规则得到最终的高频子带融合系数；4)采用基于低频相位梯度、相位局部方差和幅值能量的综合特征取大的融合规则得到融合后的低频子带系数；5)根据低频和高频的融合子带系数，利用QWT逆变换得到融合图像。
-
公开(公告)号：CN110555823A
公开(公告)日：2019-12-10
申请号：CN201910287905.4
申请日：2019-04-11
Applicant: 江南大学
Abstract: 本发明公开了一种基于TVL结构纹理分解的图像融合质量评价方法，属于图像融合领域。其主要测试两幅源图像经过某种融合方法融合之后融合质量的好坏，以此来说明融合方法的优劣。其实现的主要步骤为：(1)选择恰当的系数利用TVL将图像一级分别分解为一级结构图像、一级纹理图像；(2)利用相同的系数将一级纹理图像继续分解为二级结构图像以及二级纹理图像，再根据相应的系数给每幅分解图像分配相应的系数；(3)利用边缘梯度指标QG来计算一级结构图像、二级结构图像、二级纹理图像的融合得分；(4)最后结合(2)中的权重以及(3)中的融合得分来得出每种融合方法的总得分，根据总得分来评价融合方法的好坏。
-
公开(公告)号：CN110084288A
公开(公告)日：2019-08-02
申请号：CN201910288070.4
申请日：2019-04-11
Applicant: 江南大学
Abstract: 本发明公开了一种基于自学习神经单元的图像融合方法，属于图像融合领域。其实现步骤是：1)将融合图像进入Mask R-CNN网络进行处理，得到相应的掩码图像，掩码矩阵，类别信息，得分信息；2)搭建自编码网络，利用卷积神经网络CNN进行图像特征的选取，融合，重构；3)对融合层的卷积权重进行稀疏赋值，加入最小/最大范数权值约束与L1正则项；4)分别计算融合图像与源图像的整体结构相似度SSIM，区域结构相似度SSIM与互信息MI；5)训练神经网络，调整参数。本发明能通过学习网络参数以最佳方式联合获得水平测量与权重分配，增强图像清晰度，改善视觉效果，提高融合图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
