-
公开(公告)号：CN110889876A
公开(公告)日：2020-03-17
申请号：CN201911257606.2
申请日：2019-12-10
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于CA-SPCNN算法的的彩色图像量化方法，属于图像处理技术领域，用于解决在量化层数增加，提高图像丰富度的同时，如何降低计算复杂度和信息失真率，处理好视觉效果与数据存储空间平衡的技术问题。本发明包括彩色图像量化预处理、量化处理和量化后处理三个步骤，将原始图像处理成红、绿、蓝三个通道的归一化图像，通过CA-SPCNN算法对图像进行量化处理，通过量化后处理算法得到三个通道的量化图像，合并得到最终量化图像。本发明在CA-SPCNN算法的基础上加以改进，实现彩色图像的量化处理，简化操作步骤，降低计算复杂度，在保证较低失真率和较高量化准确率的前提下，彩色图像视觉效果好，减小了占用数据存储空间。
-
公开(公告)号：CN116664467B
公开(公告)日：2025-04-29
申请号：CN202310677578.X
申请日：2023-06-09
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于交叉神经网络和ECA‑S的多模态医学图像融合方法，属于医学图像分析领域，该方法在融合网络模型中以两种单模态医学图像作为输入，通过结构功能模块和功能结构模块交叉提取图像特征信息，能够实现结构信息和功能信息之间的交互，从而很好地提取医学图像的纹理细节信息，将提取的特征信息采用ECA‑S注意力机制通过不断调整结构信息和功能信息权重来融合图像，在分解网络模型中，由残差网络组成的分解网络迫使融合图像包含更丰富的信息。本发明采用交叉网络、改进注意力机制和分解网络的结合实现多模态医学图像融合，融合后的图像纹理细节和对比度处理更为细致，算法复杂度更低，实现了已有方法的优化和已有技术的升级。
-
公开(公告)号：CN119417780A
公开(公告)日：2025-02-11
申请号：CN202411462175.4
申请日：2024-10-18
Applicant: 兰州交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于CF‑HRnet的胰腺病灶CT图像分割方法。本发明使用导入预训练权重的HRNet在NIH Pancreas数据集上进行训练，采用RSTN算法中的由粗到精训练框架进行训练，并在原有RSTN粗分割和精分割步骤基础上，本发明添加了预处理和联合训练两个步骤，通过增加学习层次和训练批次，使得网络性能进一步提升，关键的优化点在于引入模型参数传递功能和对RSTN分割流程再细化，更加精准地引导神经网络对胰腺病灶的位置信息和细节信息进行识别。本发明在提升病灶区域分割精确度的同时，大幅降低模型参数数量，为胰腺疾病的诊断提供了强有力的支持。
-
公开(公告)号：CN118521510A
公开(公告)日：2024-08-20
申请号：CN202410440822.5
申请日：2024-04-12
Applicant: 兰州交通大学
IPC: G06T5/77 , G06V10/774 , G06V10/764 , G06T5/70 , G06N3/0455
Abstract: 本发明公开了一种基于条件隐扩散模型的敦煌壁画数字化修复方法，属于图像修复技术领域。本发明利用先进的图像修复算法，可以精确分析壁画上的缺损区域，并根据周围已有的图案和色彩信息，自动生成与原始壁画风格一致的新内容。修复后的壁画不仅填补了缺损部分，还能够保持与原始壁画相似的纹理、色彩和形态，有效消除修复过程中可能产生的伪影和不连贯现象，使得修复后的壁画与周围环境自然融合。此外，本发明还具有自动化的修复流程，用户只需提供原始壁画的图像，系统即可自动分析缺损并生成修复后的图像，大大节省了修复工作的时间和人力成本。
-
公开(公告)号：CN117828405B
公开(公告)日：2024-05-07
申请号：CN202410203537.1
申请日：2024-02-23
Applicant: 兰州交通大学
Abstract: 本发明公开了基于智能频谱感知的信号定位方法，涉及电磁信号检测技术领域。通过于信号采集点位置处实时采集变压器工作过程中的原始信号，将原始信号经带通滤波器，去工频且过滤频率小于#imgabs0#kHz的信号作为识别信号，构建判断模型，根据判断模型及识别信号的频率对局部放电信号是否存在进行判决，且当判定所述局部放电信号存在时，获取信号采集点接收到的识别信号的方位角，并计算接收到的识别信号的功率，根据获取的功率值及方位角信息对所述原始信号的位置进行定位，采用无源检测方法对放电信号进行检出，再综合考虑了环境因素对于电磁波传输过程中衰减程度的影响，能够提高放电信号的检出概率及放电信号位置定位的精确性。
-
Patent Agency Ranking
公开(公告)号：CN117792711A
公开(公告)日：2024-03-29
申请号：CN202311715133.2
申请日：2023-12-13
Applicant: 兰州交通大学 , 甘肃省计量研究院 , 丝绸之路信息港(甘肃)研究院有限责任公司 , 甘肃唐誉科技有限责任公司
Abstract: 本发明公开了一种基于深度学习算法的车联网入侵检测方法，属于网络信息安全技术领域，解决了现有技术中只是对接收消息的令牌号及时间戳进行认证，无法对车联网中受到入侵的具体部位进行判断，危害车联网安全性的技术问题；本发明根据历史运行数据与历史异常原因构建异常诊断库，将实时运行数据与异常诊断库中的数据进行对比，得到异常原因；对实时数据的分析提供了一定的数据支持；利用入侵检测模型对实时运行数据进行分析，得到入侵标签以及被侵标签；基于被侵标签匹配被侵部位，能够及时对被侵部位进行处理，避免造成更大的威胁；定期对车联网中的漏洞进行检测处理，避免他人通过漏洞入侵车联网，有利于提高车联网的安全性。
-
公开(公告)号：CN116664462B
公开(公告)日：2024-01-19
申请号：CN202310568133.8
申请日：2023-05-19
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于MS‑DSC和I_CBAM的红外和可见光图像融合方法，属于图像融合技术领域，该方法采用MS‑DSC对已配准的源图像进行特征提取，既克服单一尺度特征提取不足，又分别考虑了图像区域中的通道信息和空间信息，在减少参数的同时增强了网络表达能力，能更准确的提取目标对象的特征信息，将提取的特征信息采用I_CBAM从通道和空间两方面对图像的显著信息聚焦，抑制无用通道信息确保在融合时所有的显著特征都可以被利用，提升融合质量。本发明采用的I_CBAM算法是对原有算法的进一步改进，不仅展现了注意力机制在图像处理中的独特(56)对比文件CN 116071281 A,2023.05.05US 2019080431 A1,2019.03.14US 2022044374 A1,2022.02.10Zhishe Wang et al.Infrared andVisible Image Fusion via InteractiveCompensatory Attention AdversarialLearning.arXiv.2022,全文.Hui Li et al.Infrared and visibleimage fusion using a novel deepdecomposition method.arXiv.2018,全文.邵毅明;屈治华;邓天民;宋晓华.基于加权密集连接卷积网络的快速交通标志检测.交通运输系统工程与信息.2020,(第02期),全文.赵斌;王春平;付强.显著性背景感知的多尺度红外行人检测方法.电子与信息学报.2020,(第10期),全文.陈潮起;孟祥超;邵枫;符冉迪.一种基于多尺度低秩分解的红外与可见光图像融合方法.光学学报.2020,(第11期),全文.
-
公开(公告)号：CN116860919A
公开(公告)日：2023-10-10
申请号：CN202310887233.7
申请日：2023-07-19
Applicant: 兰州交通大学 , 甘肃唐誉科技有限责任公司
IPC: G06F16/33 , G06F16/338 , G06F16/35 , G06N3/045 , G06N3/08
Abstract: 本发明涉及写作学习技术领域，且公开了一种基于神经网络的协作频谱感知和预测方法，包括以下步骤：首先对神经网络检测器进行预训练，通过神经网络检测器在各个边缘节点进行欠采样、对多组具有标记的训练集进行二次处理，从而得出训练序列集合Y，提取出的词汇得到词汇序列集合X，通过对词汇序列集合X和训练序列集合Y进行不断的交替对抗，从而得出形成的特征向量与真实句子集合Z进行不断替换，并且通过不同任意词汇序列集合X的碰撞可以做到对特征向量进行润色，从而提高样本是真实序列对的概率p，从而提高装置的使用效率，这种自动化的方法，也避免了本发明对特定语料的依赖，使本发明可以用于不同语言和领域的写作辅助任务。
-
公开(公告)号：CN116527462A
公开(公告)日：2023-08-01
申请号：CN202310604282.5
申请日：2023-05-25
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于信道状态变化CSI值的无线定位方法，属于无线电定位领域，本发明从信道状态发生变化后测试点采集的CSI数据入手，通过信道均衡网络的均衡能力消除因信道状态发生变化后采集得到的CSI数据信息中的误差，所述信道均衡网络的均衡能力通过算法模型训练得到，为提升室内无线定位的准确性，将测试点原始采集的数据和测试点采集的数据经过信道均衡网络均衡后的数据进行合并增强处理，从而提取更加丰富的特征信息，本发明从传统方法未能关注到的信道状态变化入手，利用深度学习的模型学习能力优化丰富特征信息，从而能够有效提高最终定位的准确性。本发明在智慧大楼以及施工人员管理等方面具有重要的应用价值。
-
公开(公告)号：CN116246067A
公开(公告)日：2023-06-09
申请号：CN202310038986.0
申请日：2023-01-12
Applicant: 兰州交通大学
IPC: G06V10/26 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于CoAUnet的医学图像分割方法，包括以下步骤：在原有实验数据集基础上数据增强处理扩充肝脏分割数据集‑使用DTC‑FCMSPCNN对肝脏分割数据集中的图片进行预处理，确定任务目标区域，并将无用部分进行遮盖处理‑将DTC‑FCMSPCNN处理好的肝脏分割数据集用于CoAUnet的训练和测试‑将CoAUnet的分割结果作为最终分割结果。本发明采用上述一种基于CoAUnet的医学图像分割方法，结合DTC‑FCMSPCNN和CoA Unet的端到端的医学图像分割方法，能显著缩短深度学习模型训练时间，提高分割精度及医学图像诊断速度，给出综合有效的治疗方案，改进临床决策准确性。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.025 seconds)
