-
公开(公告)号：CN113158746A
公开(公告)日：2021-07-23
申请号：CN202110143648.4
申请日：2021-02-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于神经元小世界网络随机共振的弱信号感知方法，本发明首先对FHN神经元计算模型的参数设置进行改进，改变传统上出于简便计算的考虑，将膜电位和恢复变量特征时间设置为相同数值的情况。改进后的参数设置方法将增强膜电位势函数势垒，从而提高势阱间的跃迁概率；然后构建包含弱信号输入与背景噪声在内的FHN神经元计算模型，将其设置为小世界网络节点，给出并实现了表征各节点之间关系的动态突触互连规则；对于小世界网络各节点的输出，采用基于互相关系数的均值融合方法，对网络各节点输出进行筛选和信息融合，以提高系统的性能和鲁棒性，从而获得小世界网络系统意义上的弱信号感知效果。
-
公开(公告)号：CN109558880B
公开(公告)日：2021-06-04
申请号：CN201811202617.6
申请日：2018-10-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于视觉整体和局部特征融合的轮廓检测方法。首先针对轮廓待检测图像，分别提取表征其整体特性的低分辨子图I1和表征其局部特征的边界响应子图I2。然后构建包含池化模块的卷积神经网络G，实现整体轮廓信息的快速提取。接着构建包含空洞卷积模块的卷积神经网络L，实现局部轮廓信息提取。其中L由四个单元、一个融合层和一个损失层构成；最后将I1和I2分别输入到网络G和网络L中，获得整体轮廓信息和局部轮廓信息。以L(i,j)的尺寸为基准，对G(i,j)进行双线性插值。根据L(i,j)各像素的对比度关系，对整体轮廓信息G(i,j)进行融合，从而获取精细轮廓。
-
公开(公告)号：CN112613427A
公开(公告)日：2021-04-06
申请号：CN202011578651.0
申请日：2020-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于视觉信息流分区投射编码模型的道路障碍物检测方法。本发明首先在V1拓扑投射轮廓全局感知单元中构建平行视通路模型，对道路交通图的亮度边缘和颜色边缘实现并行提取，获取表征障碍物全貌特征的拓扑投射轮廓图和最优方位索引矩阵；然后在V4稀疏编码精细特征提取单元中构建视觉信息差增强模型，利用位置响应差和方位响应差对拓扑投射轮廓图进行对比度增强，得到细化轮廓图；接着提出自适应尺寸稀疏编码模型，根据细化轮廓图的稀疏程度实现对障碍物轮廓特征的智能聚焦，获取表征障碍物局部特征的池化图；最后模拟视皮层不同脑区间的反馈调控机制，利用池化图对跨视区的拓扑投射轮廓图进行修正，融合得到最终的障碍物轮廓外形结果。
-
公开(公告)号：CN110929734A
公开(公告)日：2020-03-27
申请号：CN201910978372.4
申请日：2019-10-15
Applicant: 杭州电子科技大学
IPC: G06K9/46
Abstract: 本发明提出了一种基于双侧非对称感受野机制的显著轮廓提取方法。针对复杂图像轮廓提取时纹理信息处理不足的问题，首先提取图像初级轮廓响应；接着引入非对称感受野结构对于局部区域对比度差异度的凸显作用，同时考虑到单侧的非对称感受野会造成对图像初级轮廓的不均衡，提出基于双侧非对称感受野多尺度抑制的权重信息融合策略，得到融合后的抑制权重系数；最后对图像初级轮廓响应进行局部区域不同强度的纹理抑制，实现显著轮廓提取。本发明能够有效提高纹理边缘和主体轮廓区分的有效性，对后续图像目标的理解和分析具有重要的意义。
-
公开(公告)号：CN106127740B
公开(公告)日：2018-12-07
申请号：CN201610430684.8
申请日：2016-06-16
Applicant: 杭州电子科技大学
IPC: G06T7/13
Abstract: 本发明公开了一种基于视通路多感受野朝向性关联的轮廓检测方法，本发明从视通路中各层级的感受野空间尺度特性以及同一层级感受野的相互关联性出发，模拟视通路中视网膜神经元的经典感受野特性和LGN(外侧膝状体)细胞的非经典感受野特性，同时有朝向性地将多个LGN细胞的矩形感受野进行关联，用于模拟V1(初级视皮层)简单细胞的方向选择特性，提出一种基于视通路多感受野朝向性关联的轮廓检测方法，充分发挥上述视觉特性在轮廓检测中的重要作用。
-
Patent Agency Ranking
公开(公告)号：CN103345754B
公开(公告)日：2016-12-28
申请号：CN201310290419.0
申请日：2013-07-10
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于皮层神经元视觉方向响应的图像边缘检测方法。本发明首先对视野内图像进行多方向Log-Gabor滤波预处理；其次选择匹配上述预处理方向的图像降维方式，将四路二维图像信号分别降维为一维信号序列；然后将四路一维信号序列分别输入至皮层神经元模型，产生动作电位序列；接着将四路动作电位序列分别按图像降维逆扫描方式重构为对应的二维信号；最后将重构的四路二维信号经过判别器，融合为一路二维信号，并重新映射为二值图像，即为原图像边缘检测的结果。该发明有效的结合生物视觉系统的方向选择性和神经元的脉冲发放机制，使其更符合真实的视觉生理特性，因而具有较理想的边缘检测效果。
-
公开(公告)号：CN103440642B
公开(公告)日：2016-04-06
申请号：CN201310332517.6
申请日：2013-08-01
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于点阵神经元响应时空信息的图像强弱边缘检测方法。本发明首先利用视野内图像的多方向Log-Gabor滤波结果，重构图像的边缘信息；接着将重构结果作为点阵神经元的输入；记录各个神经元首次发放动作电位的时间，形成时间矩阵；然后构造感受野窗口在时间矩阵上滑动，根据各时间元素的时序计算改进后的方差，并赋值给窗口中心点，从而获得包含神经元响应时间和空间信息的方差矩阵；之后将前述感受野窗口继续在方差矩阵上滑动，实现神经元在空间上的侧向抑制特性，获得边缘矩阵；最后将边缘矩阵逆映射为结果图像。本发明考虑了点阵神经元响应的时空信息，不仅能够检测出图像边缘，而且能够有效反映出边缘的强弱关系。
-
公开(公告)号：CN113362356B
公开(公告)日：2024-02-02
申请号：CN202110616753.5
申请日：2021-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于双侧注意通路的显著轮廓提取方法。首先改进视皮层下单拮抗感受野模型，构建基于局部亮度特征的单拮抗动态调节模型，实现亮度和颜色边界的联合编码；接着模拟经典感受野的方向敏感特性，提出一种最佳方位区间多方向微动方法，实现方向选择的精细化；随后当初级视皮层信号传递至高级视皮层时，模拟背侧流和腹侧流之间的信息响应特性，构建双侧信息流交互模型，利用高斯金字塔和稀疏编码模型，分别获取背侧空间显著轮廓和腹侧神经元稀疏响应；最后通过加权融合策略将双侧注意通路的信息融合，以多视通路之间的信息互补来增强显著轮廓和抑制纹理背景。
-
公开(公告)号：CN111222518B
公开(公告)日：2023-02-03
申请号：CN202010049312.7
申请日：2020-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于分频视觉机制的轮廓特征提取方法。首先利用高斯函数模拟视通路中外侧膝状体经典感受野对视觉信息的分频作用；然后利用空间频率和朝向调谐之间的全局性抑制作用，并引入低对比度加强后的视觉特征，构建一种朝向敏感以及低对比度适应的感受野，通过外侧膝状体非经典感受野中心‑外周信息差异的检测，从而实现对外周纹理的选择性抑制；最后将纹理抑制后的轮廓信息并行传递至初级视皮层区，实现分频视觉信息流的快速融合编码，以达到轮廓特征提取的快速调节和完整性融合。
-
公开(公告)号：CN114330451A
公开(公告)日：2022-04-12
申请号：CN202111680626.8
申请日：2021-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于度量学习的源域选择方法，通过将源域和目标域脑电信号在欧式空间中进行对齐，使得不同被试之间的数据分布更加相似。考虑到脑电信号的维度通常比较高，故利用线性判别法降低对齐后数据的维度，同时减小样本的类内差异和增大样本的类间差异。最后设计度量函数计算样本的类内距离和类间距离，以此为标准来衡量源域和目标域之间相似性，从而选择出最适合迁移的源域。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.026 seconds)
