-
公开(公告)号：CN115455609A
公开(公告)日：2022-12-09
申请号：CN202211218697.0
申请日：2022-10-06
Applicant: 哈尔滨工业大学
IPC: G06F30/17 , G06F30/27 , A61B5/055 , G06F111/08 , G06F111/04 , G06F119/10
Abstract: 一种基于深度学习的磁共振指纹序列参数优化设计方法，属于磁共振指纹成像领域，用以解决脉冲序列与定量成像精度关联关系不明，以及脉冲序列参数求解复杂的问题。本发明方法的技术要点包括构建脉冲序列与定量成像精度相关联的脉冲序列参数优化模型；基于磁共振脉冲激发物理原理构建脉冲序列参数生成网络；采用与脉冲序列尺度相同的高斯随机序列作为网络的输入；根据所提出的脉冲序列参数优化模型设置迭代收敛条件；将构建的输入序列输入网络，经构建的序列参数生成网络生成优化的脉冲序列参数；按照构建的脉冲序列参数优化模型对网络生成的脉冲序列参数进行评估；根据生成的优化后的序列参数评估结果，判断是否达到了所设置的迭代收敛条件，是则停止迭代并输出生成的脉冲序列参数。本发明可用于磁共振指纹脉冲序列参数的优化设计，能够在不增加其他开销的情况下，大幅提高磁共振指纹成像的参数估计精度。
-
公开(公告)号：CN104796704B
公开(公告)日：2017-12-08
申请号：CN201510191391.4
申请日：2015-04-22
Applicant: 哈尔滨工业大学
IPC: H04N19/147 , H04N19/30 , H04N19/103
Abstract: 一种用于可伸缩视频编码的宏块级码率控制方法，本发明涉及一种可伸缩视频编码的码率控制方法。本发明是为了解决现有码率控制技术中率失真关系模型不能准确描述SVC标准的率失真关系、未考虑基本层和增强层间的相互影响以及现有MAD预测模型的预测误差率高的问题。通过以下技术方案实现：一、初始化；将InitialQP分别赋值给QPinterly和QPintraly；二、进行可伸缩编码并存储编码结果；三、更新宏块的MAD预测模型的系数；四、计算宏块的MAD预测值MADel；五、更新率失真模型的系数；六、计算Rtxt；七、计算QPinterly和QPintraly；八、微调QPinterly和QPintraly；九、设置进行预测编码时所使用的量化参数；十、检查当前帧是否编码结束。本发明应用于视频编码技术领域。
-
公开(公告)号：CN106530258A
公开(公告)日：2017-03-22
申请号：CN201611034689.5
申请日：2016-11-22
Applicant: 哈尔滨工业大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/10088 , G06T2207/20056
Abstract: 一种基于高阶全变分正则化的快速迭代磁共振图像重建方法，涉及磁共振成像技术领域，为了提高重建图像质量及计算效率。包括以下步骤：(1)获取部分k空间数据；(2)建立磁共振图像重建模型；(3)对部分k空间数据直接进行傅里叶逆变换，得到空间域预估磁共振图像作为初始重建图像；(4)重建模型的快速迭代求解；(5)获得本次迭代得到的磁共振重建图像；(6)判断当前重建图像结果是否满足收敛条件；(7)增加迭代参数取值，以当前迭代步骤中更新的磁共振图像为初始重建图像，返回步骤(5)继续进行循环迭代操作。与全变分方法、图像高阶导数Laplacian方法、小波方法等相比，本发明能获得质量较高的重建图像，并提高重建速度。
-
公开(公告)号：CN104954785A
公开(公告)日：2015-09-30
申请号：CN201510333611.2
申请日：2015-06-16
Applicant: 哈尔滨工业大学
IPC: H04N19/103 , H04N19/147 , H04N19/30 , H04N19/176
Abstract: 一种用于可伸缩视频编码的分层式模式决策方法，本发明涉及视频编码技术领域。本发明解决现有可伸缩视频编码的快速编码技术存在的缺少层间和空间编码模式的相关性模型、关键帧信息未得到合理利用等问题。本发明通过1定义基本层和增强层编码模式相关性；2计算基本层和增强层编码模式相关性数据；3定义当前宏块与其空间相邻宏块间编码模式相关性；4计算空间相邻宏块间编码模式相关性数据；5检查基本层相应宏块的编码模式；6检查空间相邻宏块的编码模式；7测量当前宏块的同质性；8测量当前宏块的运动剧烈程度；9确定运动向量搜索范围和候选模式，并根据各模式的率失真代价，选择最优编码模式；本发明应用于可伸缩视频编码的快速编码领域。
-
公开(公告)号：CN120028858A
公开(公告)日：2025-05-23
申请号：CN202510203201.X
申请日：2025-02-24
Applicant: 哈尔滨工业大学
IPC: G01V1/36 , G06F30/27 , G06F17/16 , G06F17/11 , G06N3/0464 , G06N3/084 , G06N3/0895 , G01V1/28 , G01V1/30 , G06F111/04 , G06F111/10
Abstract: 一种基于物理约束自监督学习的地震数据匹配方法、电子设备及存储介质，属于地震数据处理技术领域。为提高地震数据的匹配性能，本发明包括将匹配函数与PP波与PS波的速度比的关系式利用一阶泰勒展开得到离散表达式，构建物理约束，得到匹配函数矩阵方程；对匹配函数矩阵方程，考虑PP波与PS波的速度比的边界条件，构建参数化后的匹配函数；构建目标函数，然后将参数化后的匹配函数带入到目标函数中，得到匹配的目标函数表达式；网络训练求解，利用神经网络U‑net和自适应矩估算Adam方法，进行基于物理约束下的匹配函数求解。本发明有效地解决了非平稳地震资料匹配的难题。
-
Patent Agency Ranking
公开(公告)号：CN116789106A
公开(公告)日：2023-09-22
申请号：CN202310537401.X
申请日：2023-05-12
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种三联吡啶钌掺杂的介孔碳纳米球及其制备方法和应用。先混合多巴胺、三嵌段聚合物Pluronic F127、1，3，5‑三甲基苯和三联吡啶钌依，充分反应，再催化F127/TMB/DA复合胶束中的多巴胺聚合，制备得到三联吡啶钌掺杂的介孔碳纳米球，增强了其电化学发光强度和稳定性将，三联吡啶钌掺杂的介孔碳纳米球的ECL强度提高了几十倍。在涂有三联吡啶钌掺杂介孔碳球的玻碳电极表面电镀一层用于对β‑羟丁酸检测识别的分子印迹聚合物，构建用于β‑羟丁酸灵敏检测的电化学发光传感器，检测范围宽，为0.1nM～10mM的，检测限为0.03nM。具有良好的稳定性、选择性、实用性和准确性。
-
公开(公告)号：CN110490832B
公开(公告)日：2023-05-05
申请号：CN201910787670.5
申请日：2019-08-23
Applicant: 哈尔滨工业大学
Abstract: 一种基于正则化深度图像先验方法的磁共振图像重建方法，本发明涉及磁共振成像技术领域。本发明为了解决目前基于深度学习的磁共振图像重建算法存在局限性问题，以及为了提高重建图像的质量并缩短重建时间。本发明包括以下步骤：(1)构建神经网络模型；(2)构建包含正则项的损失函数；(3)获取部分k空间数据；(4)获取重建参考图像；(5)构造网络输入；(6)设置最大迭代次数；(7)利用网络重建图像；(8)得到网络输出图像的退化图像，结合参考图像计算损失函数，对网络参数进行优化；(9)保存指标最高的输出图像；(10)判断迭代次数是否达到最大迭代次数，是则输出最佳的重建图像，否则返回步骤(7)。与卷积神经网络相比，本发明对数据依赖较小，且能获得高质量的重建图像，并提高重建速度。
-
公开(公告)号：CN104796703A
公开(公告)日：2015-07-22
申请号：CN201510191379.3
申请日：2015-04-22
Applicant: 哈尔滨工业大学
IPC: H04N19/147 , H04N19/30 , H04N19/103
Abstract: 基于预测模式率失真分析的可伸缩视频编码的码率控制方法，涉及可伸缩视频编码的码率控制方法。为了解决现有码率控制技术中率失真关系模型不能准确描述SVC标准的率失真关系的问题、现有的率失真模型未考虑基本层和增强层间的相互影响的问题以及缺乏联合基本层和增强层的率失真模型的问题。本发明对量化步长赋值后，选择最优编码模式对编码单元进行编码，存储增强层该编码单元的编码结果；计算基本层中第j帧中Γj＝B_MADactual,j-B_MADpredicted,j；更新E_MADj＝a1×E_MADj-1+a2+a3×Γj中的MAD预测模型的系数a1和a2；然后预测下一编码单元的E_MADj；更新RD模型系数后计算下一编码单元的目标编码比特数Rtxt；计算层间预测的量化步长和层内预测的量化步长直至完成所有编码单元的编码。本发明适用于可伸缩视频编码的码率控制领域。
-
公开(公告)号：CN119831965A
公开(公告)日：2025-04-15
申请号：CN202411916683.5
申请日：2024-12-24
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/10 , G06V10/26 , G06V10/82 , G06N3/0895
Abstract: 一种基于变换域时空张量低秩网络的超声心动图视频半监督分割方法及系统，本发明涉及超声视频数据处理技术领域。本发明为了解决超声视频中左心室分割的问题。技术要点：本发明包括以下步骤：(1)对采集的超声心动图视频数据预处理；(2)建立超声心动图视频半监督分割模型；(3)构建自适应时空张量语义感知模块；(4)构建记忆流模块；(5)利用已有数据训练网络，得到网络模型；(6)利用训练好的模型分割超声心动图视频。本发明可在视频数据部分标注的条件下，利用较少的标签训练模型来自动分割超声心动图视频中的左心室，并大幅缩短分割的处理时间。
-
公开(公告)号：CN119313708A
公开(公告)日：2025-01-14
申请号：CN202411422479.8
申请日：2024-10-12
Applicant: 哈尔滨工业大学
IPC: G06T7/246 , G06T5/94 , G06V10/764 , G06V10/774 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 一种基于图像局部增强和3D稀疏卷积网络的红外影像小目标追踪方法及系统，本发明涉及红外小目标追踪检测技术领域。本发明为了解决目前红外小目标目标特征不明显背景复杂难以检测的问题，以及为了提高追踪精度缩短追踪时间。本发明包括以下步骤：(1)将红外图像经过图像空间滤波器对红外目标进行增强同时对背景进行抑制；(2)将增强的红外图像进行稀疏采样生成稀疏数据；(3)将稀疏数据按照时间维度堆叠成三维张量；(4)对三维张量进行裁剪、叠加、旋转进行数据增强；(5)利用3D稀疏卷积网络对输入的稀疏数据进行分割提取轨迹。本发明可在无初始位置标记以及复杂背景下对存在轨迹遮挡的红外小目标进行高精度追踪。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.03 seconds)
