公开(公告)号：CN103093236B

公开(公告)日：2015-11-04

申请号：CN201310013947.1

申请日：2013-01-15

Applicant: 北京工业大学

Inventor： 段立娟 ,  谷继力 ,  吴春鹏 ,  杨震 ,  苗军 ,  李健 ,  马伟 ,  乔海涛 ,  张祺

IPC: G06K9/62

Abstract: 本发明公开了一种在移动设备上基于图像语义分析的敏感区域检测方法，实现了在训练分类器的预处理阶段加入自顶向下的视觉注意机制来增强分类器训练的性能和效果，用训练好的分类器对图像进行分类。包括：输入训练图像；提取输入训练图像的特征；将提取的特征训练多个弱分类器，并级联形成最终需要的强分类器；输入测试图像，对测试图像进行预处理，通过视觉注意机制对图像中敏感区域可能的位置进行标定；进行敏感图像检测；输出敏感图像检测结果。在敏感图像检测前进行自顶向下注意机制的显著图提取，可以提高运算效率，缩短运算时间，显著提高检测速度；也使正检率明显提高，误检率明显降低。

公开(公告)号：CN104361345A

公开(公告)日：2015-02-18

申请号：CN201410529244.9

申请日：2014-10-10

Applicant: 北京工业大学

Inventor： 段立娟 ,  续艳慧 ,  苗军 ,  马伟 ,  杨震 ,  葛卉

IPC: G06K9/62

CPC classification number: G06K9/00523 ,  G06K9/00536

Abstract: 本发明涉及一种基于约束极速学习机的脑电信号分类方法，包括采用固定的滑动时间窗将原始运动想象脑电信号平均分为S段子信号；对每一段子信号通过主成分分析方法进行降维；对降维后的特征向量通过线性判别分析方法再次降维，对于K种类别的脑电数据，得到K-1维的特征向量；对每一段子信号进行处理，得到S个K-1维的特征向量，组合后得到S*(K-1)维的特征；将S*(K-1)维特征送入约束极速学习机(CELM)进行分类。本发明应用CELM通过改变输入层节点与隐层节点之间的权重的选取方式，限制权重参数的随机性，从而既能提高运动想象脑电信号的分类准确率，又能保持ELM训练速度快的优势。

公开(公告)号：CN104166988A

公开(公告)日：2014-11-26

申请号：CN201410327865.9

申请日：2014-07-10

Applicant: 北京工业大学

Inventor： 马伟 ,  杨璐维 ,  段立娟

IPC: G06T7/00

Abstract: 本发明涉及一种融入稀疏匹配信息的立体图像同步分割方法。首先输入一组立体图像，通过提取特征点并匹配的方法得到立体图像之间的稀疏匹配对应点。然后，在其中一图中通过笔刷勾画的方式，指定部分前、背景。根据指定部分分别建立前、背景的颜色分布的先验统计模型。以此为基础，在图割理论框架下形式化对应关系约束以及颜色、梯度等约束，构造能量函数。最后，采用图的最大流/最小割算法求解最优化结果。若用户没有得到理想的效果，还可以继续对图中错误区域进行勾画，直到得到理想结果。与现有方法相比，在同样的交互量的前提下，本发明的分割效果更好。

公开(公告)号：CN103876734A

公开(公告)日：2014-06-25

申请号：CN201410112806.X

申请日：2014-03-24

Applicant: 北京工业大学

Inventor： 段立娟 ,  葛卉 ,  周海燕 ,  乔元华 ,  马伟 ,  苗军

IPC: A61B5/0476

CPC classification number: A61B5/0484 ,  A61B5/04012 ,  A61B5/0476 ,  A61B5/0478 ,  A61B5/04842 ,  A61B5/7267 ,  G06N99/005

Abstract: 本发明涉及一种基于决策树的脑电信号特征选择方法。首先将采集的多通道脑电信号进行预处理；然后利用主成分分析法对预处理后的脑电信号进行特征提取，得到特征向量；将特征提取后的特征向量输入到决策树中，进行优势特征选择；对决策树选出的优势特征进行重组；最后将重组后的优势特征向量输入到支持向量机中，进行脑电信号分类，得到分类正确率。本发明应用决策树进行优势特征选择，操作简单，无需人工参与，节省时间和人力。应用决策树进行优势特征选择，选择过程中避免了人的主观因素的影响，使选择更客观，分类正确率更高。实验表明，运用本发明方法进行脑电信号分类的平均正确率为89.1%，比运用传统的优势电极重组法提高了0.9%。

公开(公告)号：CN103247050A

公开(公告)日：2013-08-14

申请号：CN201310180243.3

申请日：2013-05-16

Applicant: 北京工业大学

Inventor： 马伟 ,  段立娟

IPC: G06T7/00

Abstract: 本发明属于计算机视觉、计算机图形学和图像处理交叉领域，公开了一种基于形状先验的渐进式图像分割方法。本发明是一个迭代的、渐进式的方法，用户每添加一条生曲线，将会触发一次基于形状先验的优化过程，每次优化都会实时反馈分割结果。每次迭代的方法包括：勾勒生曲线，拟合曲线，添加富余量，定义能量函数，定义数据项，定义形状先验项，定义梯度项，求解能量函数。本发明提出的基于形状先验的渐进式图像分割方法，每步操作能够有实时的结果反馈，能够保证得到用户想要的分割结果。另外，本发明所述方法可以便捷地从图像中分割目标物，即便在前、背景颜色重叠严重，边界不清晰的情况下，也可得到满意的分割结果。