-
公开(公告)号：CN116229062A
公开(公告)日：2023-06-06
申请号：CN202310026428.2
申请日：2023-01-09
Applicant: 西北大学
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种基于深度学习的新生儿大脑核磁共振图像分割方法，方法包括：将磁共振T1模态图像的第一切片和磁共振T2模态图像的第二切片输入到新生儿大脑核磁共振图像分割模型中，得到待分割核磁共振图像对应的最终图像分割结果；新生儿大脑核磁共振图像分割模型包括并行信息编码模块和特征解码模块。本申请针对新生儿的大脑磁共振图像进行组织分割，充分利用磁共振图像的多模态信息使得模型对于组织分布不规律，组织变化快的新生儿图像能实现精确分割；与现有技术相比，本申请对新生儿大脑磁共振图像进行组织分割更为精确，预测的组织分割结果与医生手工标签的误差较小，更有利于临床应用。
-
公开(公告)号：CN109977769B
公开(公告)日：2023-04-18
申请号：CN201910128712.4
申请日：2019-02-21
Applicant: 西北大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种低分辨率环境下微表情识别的方法，通过采集包含人脸信息的多个低分辨率视频片段，并通过建立对应关系模型，获得多个与第一帧姿态统一的视频片段，按照待识别人脸的瞳距进行背景分割，得到低分辨率人脸图像序列，对低分辨率人脸图像序列利用超分辨率重建方法重建为高分辨率人脸图像序列，对高分辨率人脸图像序列中的视频片段进行帧数统一，得到高分辨率人脸图像集，利用分块参数设置提取LBP‑TOP特征，并特征进行LSVM分类，融合得到MLBP‑TOP特征，对MLBP‑TOP特征分类，确定每个视频片段的微表情类别。该方法能够在低分辨率环境下提高微表情的识别率，与现有的对视频质量有严格要求的微表情识别方法相比更具实用性。
-
公开(公告)号：CN111461174B
公开(公告)日：2023-04-07
申请号：CN202010152922.X
申请日：2020-03-06
Applicant: 西北大学
IPC: G06V10/764 , G06F18/241 , G06V10/774 , G06F18/214 , G06V10/80 , G06F18/25 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种多层次注意力机制的多模态标签推荐模型构建方法及装置，提取图像的特征对图像特征使用外积，进行双线性融合后再通过一个注意力网络层，获取图像中每个区域的注意力因子，将注意力因子与原始特征进行逐元素乘积，得到最后的图像特征表达；对文本进行词嵌入并使用Bi‑LSTM网络对文本特征提取，然后通过一个注意力网络层与原始特征进行乘积，得到最后的文本信息表达。然后通过一个双线性融合层，将图像和文本特征进行融合，然后将融合后的特征输入到高层次注意力层，得到最后的联合特征表达，最后送入到分类层中，进行标签分类和推荐。在多模态信息处理的条件下，本发明联合层次注意力机制的方法提高了推荐的准确性。
-
公开(公告)号：CN109544488B
公开(公告)日：2021-06-01
申请号：CN201811166052.0
申请日：2018-10-08
Applicant: 西北大学
Abstract: 本发明公开了一种基于卷积神经网络的图像合成方法，包括以下步骤：步骤1，对3T‑7T训练图像对和测试3T磁共振图像进行预处理，得到预处理后的3T‑7T训练图像对和预处理后的测试3T磁共振图像；步骤2，构建双域卷积神经网络模型，将预处理后的3T‑7T训练图像对输入双域卷积神经网络模型中进行训练，得到训练后的双域卷积神经网络模型；步骤3，将预处理后的测试3T磁共振图像作为当前3T磁共振图像，将当前图像输入训练后的双域卷积神经网络模型中，得到与当前3T磁共振图像所对应的7T磁共振图像。
-
公开(公告)号：CN111222519A
公开(公告)日：2020-06-02
申请号：CN202010049526.4
申请日：2020-01-16
Applicant: 西北大学 , 陕西历史博物馆(陕西省文物交流中心)
Abstract: 本发明公开了一种层次化彩绘文物线稿提取模型构建、方法及装置，首先通过提出新的加权损失函数，在BDCN边缘检测神经网络中引入传统FDoG方法，从而得到更加完整的线稿粗提取结果；再通过提出新的多尺度U-Net网络，在粗提取的基础上抑制病害，得到更为细致、干净的线稿图像。该方法有效结合了BDCN神经网络和传统FDoG方法的优点，在学习明显边缘的同时能够同时学习细节，使得提取的线稿更加完整，甚至补充部分受病害影响断裂的线稿，进一步的，通过多尺度U-Net网络细化线稿，抑制病害。与现有方法相比，该方法在干净以及复杂背景下均能更有效提取文物线稿图像。
-
Patent Agency Ranking
公开(公告)号：CN109977769A
公开(公告)日：2019-07-05
申请号：CN201910128712.4
申请日：2019-02-21
Applicant: 西北大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种低分辨率环境下微表情识别的方法，通过采集包含人脸信息的多个低分辨率视频片段，并通过建立对应关系模型，获得多个与第一帧姿态统一的视频片段，按照待识别人脸的瞳距进行背景分割，得到低分辨率人脸图像序列，对低分辨率人脸图像序列利用超分辨率重建方法重建为高分辨率人脸图像序列，对高分辨率人脸图像序列中的视频片段进行帧数统一，得到高分辨率人脸图像集，利用分块参数设置提取LBP‑TOP特征，并特征进行LSVM分类，融合得到MLBP‑TOP特征，对MLBP‑TOP特征分类，确定每个视频片段的微表情类别。该方法能够在低分辨率环境下提高微表情的识别率，与现有的对视频质量有严格要求的微表情识别方法相比更具实用性。
-
公开(公告)号：CN109886870A
公开(公告)日：2019-06-14
申请号：CN201811635472.9
申请日：2018-12-29
Applicant: 西北大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于双通道神经网络的遥感图像融合方法，利用ARSIS思想，首先通过一个双通道网络联合学习，去提取全色图像高通滤波后的高频分量中的空间细节信息；然后使用细节注入模型将空间细节信息注入到多光谱图像的各个波段图像，得到所需的高分辨率多光谱图像；本发明有效利用深度学习的优点，通过双通道网络联合训练，学习得到全色图像不同于多光谱图像各波段图像的空间细节信息，充分利用图像内部和图像间的相关性，使得细节重构更为准确；同时，使用细节注入模型有效地控制注入细节的数量，显著提高融合算法的空间信息保存性能，并很好地保持原始多光谱图像的光谱特性。
-
公开(公告)号：CN106340027B
公开(公告)日：2019-02-01
申请号：CN201610748446.1
申请日：2016-08-26
Applicant: 西北大学
IPC: G06T7/13
Abstract: 本发明公开了一种基于图像超分辨率的书法背景重建方法，该方法首先在书法背景的彩色图像中选取包含噪声较少的部分背景进行背景重建，同时分割出书法作品中背景、文字和印章信息，并对背景、文字以及印章信息进行像素级的融合，得到最终的重建图像。本发明很好的解决了传统去噪方法导致艺术信息损失的问题，提高了书法作品的艺术信息的完整性；另外，本发明有效的解决了传统方法无法处理书法作品中墨迹扩散、自然风化等噪声的问题，得到了高质量的书法背景图像，提高了书法作品艺术信息的观赏价值。
-
公开(公告)号：CN108898568A
公开(公告)日：2018-11-27
申请号：CN201810378364.1
申请日：2018-04-25
Applicant: 西北大学
Abstract: 本发明提供了一种图像合成方法与装置，包括：步骤1，获取3T和7T磁共振图像样本集；步骤2，输入3T磁共振图像作为当前3T图像；步骤3，从当前3T图像中的多个图像片中任选一图像片作为当前3T图像片，并构建低分辨率字典和高分辨率字典；步骤4，在空间域中获取当前3T图像片合成的7T图像片 和高分辨率字典为 步骤5，在频域中获取当前3T图像片x合成的7T图像片 和高分辨率字典融合得到空间域中合成的7T图像片和高分辨率字典 频域中合成的7T图像片和高分辨率字典 步骤7，重复步骤4至步骤6，直至得到的7T图像片满足收敛条件时为止。本发明能够重建出高品质的7T磁共振图像，有效地合成出高保真的解剖结构，具有更好的主客观效果。
-
公开(公告)号：CN105373798B
公开(公告)日：2018-08-28
申请号：CN201510810577.3
申请日：2015-11-20
Applicant: 西北大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于K近邻抠图和数学形态学的书法字提取方法，通过K近邻抠图建立参考图像，根据书法图像墨浓淡变化复杂的特点，利用基于数学形态学的边缘提取方法，分别在字体内部和边缘做不同窗口大小的引导滤波，再利用图像融合技术寻找更多的形质和神采信息。本发明能更准确地提取书法作品本身所具有的书法家的情感和个性的神采信息，特别是针对中国古代书法作品中墨浓淡变化复杂，字体边缘模糊的贴图像能够更准确地提取汉字信息，尤其是对于汉字的神采信息的提取效果显著。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.021 seconds)
