公开(公告)号：CN111598184B

公开(公告)日：2023-04-18

申请号：CN202010449396.3

申请日：2020-05-25

Applicant: 海南大学

Inventor： 张雨 ,  黄梦醒 ,  倪泽浩 ,  冯文龙

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于DenseNet的图像噪声识别方法和装置。本发明的基于DenseNet的图像噪声识别方法包括：获取无噪声图像，在无噪声图像中添加多个设定类型和设定强度的噪声，得到噪声图像训练集；提取噪声图像的灰度概率分布曲线，得到第一可视化统计特征图像；将第一可视化统计特征图像作为训练样本输入至图像噪声识别网络模型；提取待测噪声图像的灰度曲线，得到第二可视化统计特征图像；将第二可视化统计特征图像输入至训练好的图像噪声识别网络模型，得到待测噪声图像的噪声类型与强度估计值。本发明的方法解决了现有的图像噪声识别技术对低强度混合噪声的识别准确率低的问题，可以很好地对图像中存在的低强度混合噪声进行噪声类型与噪声强度的识别。

公开(公告)号：CN111598184A

公开(公告)日：2020-08-28

申请号：CN202010449396.3

申请日：2020-05-25

Applicant: 海南大学

Inventor： 张雨 ,  黄梦醒 ,  倪泽浩 ,  冯文龙

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于DenseNet的图像噪声识别方法和装置。本发明的基于DenseNet的图像噪声识别方法包括：获取无噪声图像，在无噪声图像中添加多个设定类型和设定强度的噪声，得到噪声图像训练集；提取噪声图像的灰度概率分布曲线，得到第一可视化统计特征图像；将第一可视化统计特征图像作为训练样本输入至图像噪声识别网络模型；提取待测噪声图像的灰度曲线，得到第二可视化统计特征图像；将第二可视化统计特征图像输入至训练好的图像噪声识别网络模型，得到待测噪声图像的噪声类型与强度估计值。本发明的方法解决了现有的图像噪声识别技术对低强度混合噪声的识别准确率低的问题，可以很好地对图像中存在的低强度混合噪声进行噪声类型与噪声强度的识别。

公开(公告)号：CN119963405A

公开(公告)日：2025-05-09

申请号：CN202510041537.0

申请日：2025-01-10

Applicant: 海南大学

Inventor： 张雨 ,  黄志豪 ,  黄梦醒 ,  冯文龙 ,  倪泽浩 ,  刘娜娜

IPC: G06T3/147 ,  G06V10/44 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0455 ,  G06T5/70 ,  G06T5/60 ,  G06T7/00

Abstract: 本发明提供一种基于密集卷积和门控特征提取网络的前列腺MRI配准方法，包括：获取每个目标用户的前列腺MRI图像序列，MRI图像序列包括固定图像和移动图像；对固定图像和移动图像进行预处理；将预处理后的固定图像和移动图像输入门控残差融合模块，通过不同的卷积网络分别提取固定图像和移动图像的粗特征；将粗特征与其对应的源图像进行切片交叉拼接后输入配准网络，输出变形场；配准网络包括密集卷积模块和Swin Transformer模块；根据变形场，通过空间变换网络得到配准后的图像。本发明有效提高了多模态医学图像配准的准确性和效率，为前列腺疾病的诊断和治疗提供了重要技术支持。