-
公开(公告)号：CN108735269A
公开(公告)日：2018-11-02
申请号：CN201810485744.5
申请日：2018-05-21
Applicant: 浙江工业大学
Abstract: 一种基于连续聚类框架的脑纤维快速聚类算法，包括以下步骤：1)建立纤维集群参数模型，包含纤维集群中心、密度、群内距离和纤维数量4个参数；2)读入一定数量的纤维，通过密度峰值搜索算法初始化参数模型；3)读入新的纤维，与由参数模型表示的纤维集群进行相似度距离计算，根据相似度距离大小将新纤维分配到集群或者置于缓存容器中；4)重复步骤2)，同时通过缓存容器阈值判断是否更新参数模型，直至所有纤维都经过分类处理；5)最后对所有参数模型进行密度峰值搜索聚类，结束脑纤维聚类过程。本发明通过参数模型表示纤维集群，以参数模型的形式代表集群中的所有纤维进行纤维相似度计算，最终对所有参数模型进行聚类。
-
公开(公告)号：CN108664993A
公开(公告)日：2018-10-16
申请号：CN201810304695.0
申请日：2018-04-08
Applicant: 浙江工业大学
Abstract: 一种基于密集权重连接的卷积神经网络图像分类方法，包括以下步骤：1)模型的输入图像为经过预处理的原始图像，经过预处理的图像裁剪为一个固定尺寸；2)对图像进行较大尺寸的卷积操作和池化操作；3)将步骤2)中输出的特征送入第一个密集权重连接模块；4)加权组合处理；5)将步骤3)中密集权重连接块的输出继续送入下一个卷积层与池化层，此时的特征图像将近一步缩小；在经过多次密集权重连接块、卷积层、池化层的组合后，特征图像将不断组合并缩小为特征点；得到的特征点直接送入分类层进行分类或送入全连接层后再进行分类。本发明应用于更加复杂的图像分类任务，对多层特征的融合增加了更多的前向通道，近一步避免了梯度问题的发生。
-
公开(公告)号：CN108596961A
公开(公告)日：2018-09-28
申请号：CN201810342590.4
申请日：2018-04-17
Applicant: 浙江工业大学
Abstract: 一种基于三维卷积神经网络的点云配准方法，包括如下步骤：第一步：获取训练点云模型和待配准目标点云模型，计算其在观测方向上的深度图像；第二步：构建三维卷积神经网络模型，设定训练参数和损失函数，使用获取的数据集来训练网络，得到训练好的三维卷积神经网络模型；第三步：通过训练好的三维卷积神经网络模型来提取目标模型两视角下点云的特征点；第四步：根据提取到的特征点结合配准算法来计算两视角点云之间的配准参数。本发明具有良好的鲁棒性，可以在低分辨率、遮挡等条件不同的情况下准确的提取出点云的特征点。
-
-
公开(公告)号：CN101339670B
公开(公告)日：2010-06-09
申请号：CN200810063464.1
申请日：2008-08-07
Applicant: 浙江工业大学
IPC: G06T17/00
Abstract: 一种计算机辅助的三维颅面复原方法，包括以下步骤：1)、扫描头骨获得3D数字颅骨模型；2)、把存在孔洞的3D数字颅骨模型先进行颅骨孔洞的获取和孔洞区域离散点的插入，再采用空间多边形的三角剖分进行孔洞的填充，最后采用最小二乘法拟合和径向基函数插值来进行局部和全局优化进行曲面的平滑优化得到一个完整的数字颅骨模型；3)、采用手工标识特征点法和基于曲面的法线方向添加法向软组织厚度的计算方法获得颅面特征点，并对该离散的特征点进行基于径向基函数插值和三角剖分，获得颅骨的面部复原雏形；4)、把复原的面部雏形通过约束性纹理映射算法生成具有真实感的3D人脸模型。本发明快速性好、准确性高、可靠性强。
-
Patent Agency Ranking
公开(公告)号：CN113052072B
公开(公告)日：2024-05-10
申请号：CN202110318506.7
申请日：2021-03-25
Applicant: 浙江工业大学
Abstract: 一种基于昇腾处理器的指节纹和指静脉身份识别装置，包括昇腾处理器图像处理子系统以及指节纹和指静脉图像采集子系统，系统以搭载昇腾310处理器的Atlas200模块为核心设计嵌入式平台，构建了昇腾处理器图像处理子系统；以650nm和850nm光波长的LED阵列和摄像头为核心搭建指节纹和指静脉图像采集子系统，光强可调；同时，在图像采集过程中通过预处理和图像评估获得最佳质量图像，并使用Triplet Loss函数神经网络进行高效的特征匹配，实现身份识别。本发明有效地解决不同环境下指节纹和指静脉图像差异明显、手指图像识别算法难以实时实现以及低功耗和小型化条件下系统开发的难题。
-
公开(公告)号：CN111242168B
公开(公告)日：2023-07-21
申请号：CN201911409291.9
申请日：2019-12-31
Applicant: 浙江工业大学
IPC: G06V10/764 , G06T7/11 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于多尺度注意力特征的人体皮肤图像病变分类方法，包括以下步骤：将图像提取特征后根据注意力图像二值化结果进行裁剪，并作为第二层输入，再次提取特征重复相同的步骤，共得到三个不同尺度对应的类别输出；训练神经网络采用的损失函数为三个交叉熵加上成对损失，将三个输出取平均数后概率最大值对应的病变类别作为预测结果。本发明应用于复杂的皮肤病图像分类任务，提取多尺度注意力特征，有利于提高皮肤图像的病变分类准确率。
-
公开(公告)号：CN111666807B
公开(公告)日：2023-06-30
申请号：CN202010309929.8
申请日：2020-04-20
Applicant: 浙江工业大学
Abstract: 一种基于卷积稀疏表示的多源指纹图像融合方法，包括如下步骤：1)获取预先配准好内部和外部指纹图像，采用基于卷积稀疏的形态成分分析模型的稀疏编码得到指纹图像的卡通与纹理分量的稀疏系数图；2)根据指纹图像质量评价指标方向确定度的值，确定权重添加方式，将其添加至两种源指纹图像的卡通与纹理分量中；3)采用基于卷积稀疏表示的融合方法对两种源指纹图像的卡通与纹理分量分别进行融合，由加权平均规则获得卡通与纹理分量的融合系数图，对两种分量的融合系数图进行重建得到融合指纹图像。本发明算法能够保留更多的指纹细节、纹理、边缘信息，保存两种源指纹图像质量较好的区域，得到质量更高的融合指纹图像。
-
公开(公告)号：CN108596961B
公开(公告)日：2021-11-23
申请号：CN201810342590.4
申请日：2018-04-17
Applicant: 浙江工业大学
Abstract: 一种基于三维卷积神经网络的点云配准方法，包括如下步骤：第一步：获取训练点云模型和待配准目标点云模型，计算其在观测方向上的深度图像；第二步：构建三维卷积神经网络模型，设定训练参数和损失函数，使用获取的数据集来训练网络，得到训练好的三维卷积神经网络模型；第三步：通过训练好的三维卷积神经网络模型来提取目标模型两视角下点云的特征点；第四步：根据提取到的特征点结合配准算法来计算两视角点云之间的配准参数。本发明具有良好的鲁棒性，可以在低分辨率、遮挡等条件不同的情况下准确的提取出点云的特征点。
-
公开(公告)号：CN110309699B
公开(公告)日：2021-06-18
申请号：CN201910219874.9
申请日：2019-03-22
Applicant: 浙江工业大学
IPC: G06K9/00
Abstract: 一种基于OCT的皮下汗孔图提取方法，包括如下步骤：1)对每张OCT图像的每个像素进行灰度值差分运算，并选择结果大于阈值的点作为初始特征点集；2)应用霍夫变换，将角质层特征点集从初始特征点集中分离出来，并对其进行二次多项式拟合得到角质层轮廓，同时去除位于角质轮廓周围附近以及上方的特征点；3)由远及近地去除乳头层轮廓外的特征点，得到准确的乳头层特征点集，并对其进行三次插值拟合得到乳头层轮廓；4)据两条轮廓的位置获得汗腺切线，然后将所有OCT图像中获得的汗腺切线拼接成大小为W×N皮下汗孔图，再经过图像增强获得最后结果。本发明能够得到正确的汗腺切线，最后获得清晰的皮下汗孔图。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.024 seconds)
