-
公开(公告)号：CN114398972B
公开(公告)日：2025-01-21
申请号：CN202210018929.1
申请日：2022-01-07
Applicant: 福建农林大学
IPC: G06V10/75 , G06N3/047 , G06N3/048 , G06N3/045 , G06N3/08 , G06V10/74 , G06V10/762 , G06V10/46 , G06V10/82
Abstract: 本发明涉及一种基于联合表示注意力机制的深度学习图像匹配方法。包括以下步骤：步骤1、使用SIFT算法和NN匹配算法建立初始匹配集；步骤2、利用改进的网络JRA‑Net进行误匹配剔除，得到匹配为内点的概率集；步骤3、将步骤2输出的概率集视为权重集，利用加权8点算法估计本质矩阵；步骤4、通过本质矩阵回归准确的相对姿态（旋转和平移）。本方法通过联合表示注意力机制的相关理论知识以及在室内外公开数据集上的大量实验说明了本方法具有高精度，高效率和高鲁棒性的特点，可广泛应用于三维重建，遥感图像拼接、即时定位与地图构建等计算机视觉任务中。
-
公开(公告)号：CN112085745B
公开(公告)日：2024-10-18
申请号：CN202010931829.9
申请日：2020-09-07
Applicant: 福建农林大学
IPC: G06T7/11 , G06T7/194 , G06T5/40 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种基于均衡采样拼接的多通道U型全卷积神经网络的视网膜血管图像分割方法，包括以下步骤：步骤S1：对原始彩色视网膜图像采用三通道直方图均衡化并结合特性值伽马矫正进行预处理；步骤S2：构建多尺度均衡化划分采样点后进行图像块随机拼接扩充数据样本；步骤S3：将图像数据归一化；步骤S4：将归一化后的图像数据输入视网膜血管分割模型进行视网膜血管网络分割；所述视网膜血管分割模型由训练集产生的归一化后的图像数据通过对色彩敏感的三通道U‑Net全卷积网络进行训练获得。其在精度，灵敏度，以及特异性以及AUC上有较大优势。
-
公开(公告)号：CN112529879A
公开(公告)日：2021-03-19
申请号：CN202011483383.4
申请日：2020-12-16
Applicant: 福建农林大学
Abstract: 本发明提出一种基于支持向量机的B‑COSFIRE滤波处理的多尺度采样视网膜血管图像分割方法，包括以下步骤：步骤S1：提取视网膜图像的绿色通道部分并对图像进行翻转处理；步骤S2：通过B‑COSFIRE滤波对翻转后的图像进行滤波增强处理；步骤S3：对滤波处理后的图像采用不同尺度的线检测算子进行血管特征的提取；步骤S4：构建基于提取多尺度的血管特征与滤波图像块的特征向量作为支持向量机模型训练的输入；步骤S5：利用支持向量机模型训练获得的分类器实现视网膜血管预测与分割。
-
公开(公告)号：CN112085745A
公开(公告)日：2020-12-15
申请号：CN202010931829.9
申请日：2020-09-07
Applicant: 福建农林大学
Abstract: 本发明提出一种基于均衡采样拼接的多通道U型全卷积神经网络的视网膜血管图像分割方法，包括以下步骤：步骤S1：对原始彩色视网膜图像采用三通道直方图均衡化并结合特性值伽马矫正进行预处理；步骤S2：构建多尺度均衡化划分采样点后进行图像块随机拼接扩充数据样本；步骤S3：将图像数据归一化；步骤S4：将归一化后的图像数据输入视网膜血管分割模型进行视网膜血管网络分割；所述视网膜血管分割模型由训练集产生的归一化后的图像数据通过对色彩敏感的三通道U‑Net全卷积网络进行训练获得。其在精度，灵敏度，以及特异性以及AUC上有较大优势。
-
公开(公告)号：CN109325944A
公开(公告)日：2019-02-12
申请号：CN201811066288.7
申请日：2018-09-13
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于支持度变换和线检测算子的视网膜血管分割方法。首先，采用对比度受限的自适应直方图均衡方法对彩色视网膜图像进行增强；而后，通过支持度变换进行视网膜粗血管图像提取；最后，对提取到的视网膜粗血管图像采用线检测算子提取特征，并将提取到的特征采用支持向量机进行血管检测。本发明方法采用的用于视网膜血管分割的支持度变换算法得到的是一系列的显著性特征图像，增强不同尺度的血管结构，同时抑制背景，为后续的血管精确提取奠定了基础，且本发明所采用的线检测算子技术简单有效，保留了匹配滤波器优点，且具有良好的边缘定位作用。所提取的特征维度少，仅需较小的训练样本就可以获得良好检测能力。
-
Patent Agency Ranking
公开(公告)号：CN105701385A
公开(公告)日：2016-06-22
申请号：CN201610038062.0
申请日：2016-01-21
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于指纹识别的USB信息安全设备，其特征在于：包括主体，主体包括USB接口单元、选择开关、安全控制单元、USB控制单元及USB存储单元，USB接口单元与所述选择开关连接，选择开关分别与安全控制单元及USB控制单元连接，USB接口单元通过选择开关选择地与USB控制单元或安全控制单元连接，为其供电，USB控制单元与USB存储单元连接；USB接口单元经过压保护电路与USB控制器连接，USB控制器与安全设备主机连接，安全设备主机分别与存储器、指示灯及指纹识别电路连接，指纹识别电路与指纹采集板连接。本发明确保只有通过指纹认证的人员才能使用设备，有效地保护了网络信息的安全。
-
公开(公告)号：CN112001432A
公开(公告)日：2020-11-27
申请号：CN202010806097.0
申请日：2020-08-12
Applicant: 福建农林大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于先进邻域拓扑一致性的鲁棒特征匹配的图像匹配方法。该方法根据贝叶斯原理，建立匹配图像A与B之间的引导匹配策略模型、建立图像A与B中所在邻域内向量长度比及其夹角之间的软指派表达式并依据邻域拓扑加权一致性进行平滑性判断以及根据两幅图像中所选择的向量的长度比和其夹角以及多尺度K邻域的方法构造寻求最小代价的数学模型。本发明的图像匹配方法在精度、召回和F值这三个指标方面表现较好，因此本发明图像匹配方法具有良好的应用前景，可应用于三维重建和快速地实现无人机遥感图像的拼接等领域中。
-
公开(公告)号：CN110111285A
公开(公告)日：2019-08-09
申请号：CN201910400460.6
申请日：2019-05-14
Applicant: 福建农林大学 , 福建医科大学附属第一医院
Abstract: 本发明涉及一种基于二阶锥规划的腔内动脉支架动力特性评价方法，包括以下步骤：步骤S1：进行动脉支架标记自动检测；步骤S2：进行动脉支架标记匹配；步骤S3：基于二阶锥规划方法对动脉支架标记进行三维重建；步骤S4：对动脉支架进行动力特性评价。本发明通过系统、严谨的分析来研究腔内支架三维运动特性，建立腔内支架机械动力特性模型，获取腔内支架动力特性评价，以期能早期发现支架本身的缺陷和故障。
-
-
公开(公告)号：CN112489098B
公开(公告)日：2024-04-09
申请号：CN202011461803.9
申请日：2020-12-09
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于空间通道注意力机制神经网络的图像匹配方法。该方法包括步骤：步骤1：根据SIFT方法得到初始匹配集合c；步骤2：通过改进的OANet网络对输入数据进行处理从而得到匹配对为正确匹配的概率；步骤3：对步骤2得到的结果通过加权8点算法进行计算得到本质矩阵；步骤4，根据本质矩阵信息得到准确的相机姿态（旋转和平移）。本发明的网络能够有效地剔除异常值（离群点），同时估计成图像对的相机姿态。本发明的一种基于空间通道注意力机制神经网络的图像匹配方法在mAP5°方法取得很大的提升。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.021 seconds)
