-
公开(公告)号：CN103595538B
公开(公告)日：2017-01-25
申请号：CN201310600675.5
申请日：2013-11-25
Applicant: 中南大学
Abstract: 本发明公开了一种基于手机加速度传感器的身份认证方法，包括以下步骤：首先用户使用手机根据自己习惯书写轨迹，手机加速度传感器采集轨迹的加速度值；然后对采集的原始加速度数据进行预处理；接着对预处理后的数据进行基于小波分解的特征提取，构造特征向量；训练阶段，采集数据并进行预处理和特征提取，将特征向量组成集合并用SVM训练分类器模型；身份认证阶段，用户书写待认证的手势轨迹，采集数据并预处理和特征提取，最后将该轨迹特征向量放入SVM模型中进行认证，进而判断用户是否为合法用户。本发明针对手机端的身份认证，不需要增加其它外设，同时由于每人的手势唯一，故能有效避免手机被盗用且交互简单。
-
公开(公告)号：CN103559488B
公开(公告)日：2017-01-04
申请号：CN201310574638.1
申请日：2013-11-13
Applicant: 中南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于定性空间关系的卡通人物的脸部特征提取方法，步骤1：读取卡通人物的脸部图像；步骤2：对边缘的提取、匹配处理以及确定镜像对称轴；步骤3：确定各边缘特征元素之间的“里/外”、“上/下”和“对称”定性空间关系；步骤4：对边缘特征元素进行筛选；步骤5：迭代式约束优化：即基于卡通脸的定性空间关系模型确定每个通过筛选的边缘特征元素在脸部五官中的类属性；将被检测到的脸部五官的元素数目作为附加约束条件进行迭代，步骤6：获得最优约束优化解，步骤7：根据最优解中标识为脸部五官的边缘特征元素确定脸部五官的位置和形状。该基于定性空间关系的卡通人物的脸部特征提取方法具有提取效率高和准确性高等优点。
-
公开(公告)号：CN105719294A
公开(公告)日：2016-06-29
申请号：CN201610040330.2
申请日：2016-01-21
Applicant: 中南大学
IPC: G06T7/00
CPC classification number: G06T2207/20081 , G06T2207/30096
Abstract: 本发明公开了一种乳腺癌病理学图像有丝分裂核自动分割方法，该方法首先根据BR图的不同尺度LoG滤波的最大响应初略估计出前景像素和背景像素。在此基础上对当前的前景像素和背景像素分别训练一个高斯混合模型GMM以描述前景像素和背景像素的颜色分布；并建立s?t图G＝{V,E}，通过计算图G的最大流实现了对前景和背景的新的估计，然后重复GMM训练和Graph?Cut分割，直到收敛或满足规定的迭代次数。最后对分割的结果进行形态学的开操作，完成最终的分割。该方法在分割时不仅考虑了单个像素颜色特征属于前景或背景的概率，还考虑了相邻像素间的关系，保证了分割结果的平滑性，提高了精度。
-
公开(公告)号：CN104715475A
公开(公告)日：2015-06-17
申请号：CN201510032895.1
申请日：2015-01-22
Applicant: 中南大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于调和场的牙颌三维模型自动分割全部牙冠的方法，包括：读入并可视化显示牙颌三维网格模型；对所述牙颌三维网格模型中牙颌上牙齿的解剖学特征点进行自动检测和分类，并自动识别咬合平面；切除牙颌模型底部代表非牙冠部分的无用数据；指定牙颌三维网格模型调和场的约束点；根据约束条件计算调和场，获取牙冠分割边界线；依照获取的牙冠分割边界线进行网格切割，得到牙冠模型。使用本发明公开的方法，可以一次处理准确得到所有牙齿分割边界，且自动化程度高。本发明对于牙齿正畸，牙颌虚拟手术模拟等有着重要的意义。
-
公开(公告)号：CN103559488A
公开(公告)日：2014-02-05
申请号：CN201310574638.1
申请日：2013-11-13
Applicant: 中南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于定性空间关系的卡通人物的脸部特征提取方法，步骤1：读取卡通人物的脸部图像；步骤2：对边缘的提取、匹配处理以及确定镜像对称轴；步骤3：确定各边缘特征元素之间的“里/外”、“上/下”和“对称”定性空间关系；步骤4：对边缘特征元素进行筛选；步骤5：迭代式约束优化：即基于卡通脸的定性空间关系模型确定每个通过筛选的边缘特征元素在脸部五官中的类属性；将被检测到的脸部五官的元素数目作为附加约束条件进行迭代；步骤6：获得最优约束优化解；步骤7：根据最优解中标识为脸部五官的边缘特征元素确定脸部五官的位置和形状。该基于定性空间关系的卡通人物的脸部特征提取方法具有提取效率高和准确性高等优点。
-
Patent Agency Ranking
公开(公告)号：CN118552626B
公开(公告)日：2024-11-26
申请号：CN202411002916.0
申请日：2024-07-25
Applicant: 中南大学
IPC: G06T7/80 , G06N3/0455
Abstract: 本发明公开了一种单视角图像相机标定方法，包括获取现有的图像数据集；基于图像的几何特征提取图像对应的特征向量并构建训练数据集；构建包括编码器网络和解码器网络的单视角图像相机标定初步模型并训练得到单视角图像相机标定模型；采用单视角图像相机标定模型完成目标单视角图像相机的参数标定。本发明还公开了一种实现所述单视角图像相机标定方法的系统。本发明能够在不预设标志物的场景中获得更精准的标定结果，而且可靠性更高，精确性更好，实用性更好。
-
公开(公告)号：CN114693928B
公开(公告)日：2024-11-26
申请号：CN202210303004.1
申请日：2022-03-24
Applicant: 中南大学
IPC: G06V10/26 , G06V40/10 , G06V10/774 , G06V10/52
Abstract: 本发明公开了一种OCTA图像的血管分割方法，包括获取视网膜OCTA图像数据集并分为带标签图像和无标签图像；构建编码器和双解码器；选出若干带标签图像和无标签图像；将带标签图像输入到编码器和主解码器得到血管分割结果，计算监督部分损失并反向传播更新编码器和主解码器的参数；将无标签图像输入到编码器、主解码器或辅解码器中得到血管分割结果，计算一致性损失并反向传播更新编码器和辅解码器的参数；重复以上步骤得到最终的OCTA图像的血管分割模型；采用OCTA图像的血管分割模型对实际的OCTA图像进行血管分割。本发明还公开了包括所述OCTA图像的血管分割方法的成像方法。本发明可靠性高、实用性好且分割效果较好。
-
公开(公告)号：CN116524178A
公开(公告)日：2023-08-01
申请号：CN202310224096.9
申请日：2023-03-10
Applicant: 中南大学
IPC: G06V10/26 , G06V20/70 , G06V10/774 , G06V10/82 , G06N3/088 , G06N3/0895
Abstract: 本发明公开了一种基于半监督的MRI图像组织分割方法，包括获取图像数据并标记得到带标签和无标签数据图像；构建图像组织分割初步模型；随机选取若干张图像并进行增广得到强增广图像和弱增广图像；选择带标签的图像输入到当前分割模型并得到监督部分损失和边界损失；选择无标签的图像输入到当前的分割模型中并得到无监督损失；综合所有损失构成总损失函数，通过梯度下降算法反向传播以更新当前的分割模型的参数；重复以上步骤直至得到最终的图像组织分割模型；采用图像组织分割模型进行实际的MRI图像的组织分割。本发名还公开了一种包括所述基于半监督的MRI图像组织分割方法的成像方法。本发明可靠性高、精确性好且分割效果好。
-
公开(公告)号：CN114691848A
公开(公告)日：2022-07-01
申请号：CN202210301448.1
申请日：2022-03-24
Applicant: 中南大学
IPC: G06F16/332 , G06F16/33 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种关系三元组联合提取方法，包括获取训练数据集并生成输入特征向量；将输入特征向量输入编码器生成上下文语义信息特征向量；解码上下文语义信息特征向量得到句子中所有可能的主体及对应的主体特征向量；将上下文语义信息特征向量和主体特征向量输入到关系注意力模块得到两个分支的注意力特征向量并相加，通过激活函数得到激活向量并进行乘法处理得到加权后的注意力特征向量；解码加权后的注意力特征向量并识别得到每个关系维度的客体；对主体与客体进行关系匹配得到最终的关系三元组。本发明还公开了包括所述关系三元组联合提取方法的自动问答系统构建方法。本发明能够全面提取关系三元组，而且可靠性高，准确性好且实施简单方便。
-
公开(公告)号：CN108961261B
公开(公告)日：2022-02-15
申请号：CN201810209966.4
申请日：2018-03-14
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间连续性约束的视盘区域OCT图像层次分割方法，该方法首先使用BM3D算法去除OCT图像中的散斑噪声；之后使用基于模糊C均值和主动轮廓的ROI分割方法将图像中多个高反射区相互分离；然后使用ROI区域图像对血管阴影进行定位；使用A‑scan分割算法依次对所述ROI区域进行分割，利用血管阴影区域对每幅图像的初步分割结果进行修正；最后使用空间连续性约束优化修正后的分割结果，获得ILM、IS‑OS、BM的分割边界；该方法是一种行之有效的视盘区域OCT图像的层次分割方法，分割准确度较高，并对散斑噪声、血管阴影具有一定的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.021 seconds)
