-
公开(公告)号：CN104794708A
公开(公告)日：2015-07-22
申请号：CN201510170489.1
申请日：2015-04-10
Applicant: 浙江工业大学
Abstract: 一种基于多特征学习的动脉粥样硬化斑块成分分割方法，包括以下步骤：1)获取多序列动脉血管斑块图像；2)图像预处理；3)斑块特征提取及描述；4)分类器训练：分类器模型是支持向量机SVM；最后四种序列MRI动脉斑块图像共生成4个特征集，每一个特征集训练生成一个分类器，最终得到4个分类器，即lipid分类器，fibrous分类器，calcium分类器，hemorrhage分类器；5)训练器优化；6)对于斑块组织的某一个像素分别用四个分类器计算其隶属于不同组织的程度，根据得到的隶属度竞争排序，把隶属度最高的成分作为最终结果。本发明精确性良好、鲁棒性较高。
-
公开(公告)号：CN104392434A
公开(公告)日：2015-03-04
申请号：CN201410618143.9
申请日：2014-11-05
Applicant: 浙江工业大学
IPC: G06T7/00
CPC classification number: G06T7/30
Abstract: 一种基于三角形约束的图像匹配扩散方法，包括以下步骤：1)采用SFIT算法来提取和匹配初始种子点对，匹配过程中加入了交叉一致性检验；2)利用Delaunay三角化算法来组织目标图中的初始种子点，判断是否存在待扩散的三角形匹配区域对，如果有，则进行匹配三角形区域对，并更新种子点结合与匹配区域集合；如果否，RANSAC去除外点并计算基础矩阵F，得到扩散后的种子点集合与匹配区域集合；3)在种子点周围邻域中扩散出更多的匹配点对，直到没有可靠种子点，进入步骤4)；4)进行重采样，并输入扩散匹配结果。本发明提供一种正确匹配率较高、鲁棒性良好的基于三角形约束的图形匹配扩散方法。
-
Patent Agency Ranking
公开(公告)号：CN108280845A
公开(公告)日：2018-07-13
申请号：CN201711431595.6
申请日：2017-12-26
Applicant: 浙江工业大学
Abstract: 一种针对复杂背景的尺度自适应目标跟踪方法，包括以下步骤：1)给定初始帧待跟踪的目标前景区域Rt，在目标周围选择一定大小区域作为目标的背景区域；2)在目标背景区域采用随机扰动的方法选择一定量的目标背景候选区域Rb；3)计算目标背景候选区域的距离矩阵S，该矩阵的任一元素S(i,k)表示第i个背景候选区域和第k个背景候选区域的距离，然后通过AP聚类算法选择n背景候选区域的中心作为目标的背景区域；4)将步骤3)选的目标背景候选区域和目标前景特征提取；5)构建训练样本；6)构建相关滤波器；7)目标跟踪，利用6)中求解的w实现目标跟踪。本发明精确度较高且鲁棒性较好。
-
公开(公告)号：CN104766304B
公开(公告)日：2017-12-05
申请号：CN201510088135.2
申请日：2015-02-26
Applicant: 浙江工业大学
IPC: G06T7/33
Abstract: 一种基于多序列医学图像的血管配准方法，包括以下步骤：1)获取多序列医学血管图像，选定一个序列图像为配准的参考图像，其他序列图像作为浮动图像；2)对所述多序列医学血管图像进行去噪处理；3)血管边缘的shape context描述；4)边缘点匹配；5)滤除误匹配；6)边缘校正与插值：根据匹配点对血管壁做迭代演化，使形变后的参考图像与浮动图像血管轮廓能量函数E(pi,qj)达到最小，根据边缘校正后的结果，采用样条插值的方法对浮动图像的局部血管区域做插值，最终得到配准后的结果。本发明提供一种精度较高的基于多序列医学图像的血管配准方法。
-
公开(公告)号：CN104239434A
公开(公告)日：2014-12-24
申请号：CN201410431949.7
申请日：2014-08-28
Applicant: 浙江工业大学
CPC classification number: G06F17/30598 , G06F17/30705 , G06N3/12
Abstract: 一种基于带有多样化半径技术的小生境遗传算法的聚类方法，所述聚类方法包括以下步骤：1)染色体编码和种群初始化；2)计算个体适应度；3)采用动态识别方法识别群体中的小生境位置、内容和数目；4)执行多样化半径机制调整各个小生境的半径信息；5)应用适应度共享函数重新计算个体的新适应度；6)执行选择、交叉和变异操作；7)执行精英策略替换群体中最差的个体；8)若满足终止条件，则终止运行；否则，跳转至步骤5)。本发明提供一种具有很好的聚类效果、稳定性良好的基于带有多样化半径技术的小生境遗传算法的聚类方法。
-
公开(公告)号：CN108288282A
公开(公告)日：2018-07-17
申请号：CN201711434884.1
申请日：2017-12-26
Applicant: 浙江工业大学
Abstract: 一种面向卷积神经网络的自适应特征选择视频目标跟踪方法，包括以下步骤：1)多层CNN特征提取；2)训练相关滤波器；3)特征选择；4)目标跟踪过程如下：利用conv3-2，conv3-4，conv3-8，conv3-12，conv3-16五层的卷积特征作为目标特征观测，经过特征选择之后分别训练五个相关滤波器wk，k∈[1，5]，然后通过加权投票最终决定目标位置(x*,y*)，权重参数wk根据学习率ρ在线更新。本发明显著降低特征维度，并在不损失特征判别能力的情况下降低运算量。
-
公开(公告)号：CN104794708B
公开(公告)日：2018-07-06
申请号：CN201510170489.1
申请日：2015-04-10
Applicant: 浙江工业大学
Abstract: 一种基于多特征学习的动脉粥样硬化斑块成分分割方法，包括以下步骤：1)获取多序列动脉血管斑块图像；2)图像预处理；3)斑块特征提取及描述；4)分类器训练：分类器模型是支持向量机SVM；最后四种序列MRI动脉斑块图像共生成4个特征集，每一个特征集训练生成一个分类器，最终得到4个分类器，即lipid分类器，fibrous分类器，calcium分类器，hemorrhage分类器；5)训练器优化；6)对于斑块组织的某一个像素分别用四个分类器计算其隶属于不同组织的程度，根据得到的隶属度竞争排序，把隶属度最高的成分作为最终结果。本发明精确性良好、鲁棒性较高。
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
