-
公开(公告)号：CN106570860B
公开(公告)日：2019-11-05
申请号：CN201610926706.X
申请日：2016-10-31
Applicant: 浙江工业大学
Abstract: 一种改进的基于距离正则化水平集的核磁共振图像咬肌分割方法，该方法在距离正则化水平集的边缘停止函数构建中引入了相位一致性，利用相位一致性特征的梯度幅值能在咬肌内边缘取得局部最大值，结合原边缘停止函数构造新的分段边缘停止函数，使得边缘停止函数在整个咬肌边缘都能取到正确的局部最小值，解决了原距离正则化水平集在咬肌分割应用中的分割错误。本发明提供了一种简单，高效，具有相对较高的准确率的结合了相位一致性和距离正则化水平集(DRLSE)模型的咬肌分割方法。
-
公开(公告)号：CN110188788A
公开(公告)日：2019-08-30
申请号：CN201910297426.0
申请日：2019-04-15
Applicant: 浙江工业大学
Abstract: 一种基于放射组学特征的胰腺囊性肿瘤CT图像的分类方法，包括如下步骤：1)图像采集：采集胰腺囊性肿瘤患者的CT图像；2)感兴趣区域获取：通过手动标记对胰腺囊性肿瘤位置进行分割；3)特征提取；4)特征量化；5)用支持向量机进行分类：将新的多维特征向量放入支持向量机中进行分类。本发明降低图像处理的复杂度，提高运行速度，提高分类准确率。
-
公开(公告)号：CN108734138A
公开(公告)日：2018-11-02
申请号：CN201810505419.0
申请日：2018-05-24
Applicant: 浙江工业大学
CPC classification number: G06K9/00147 , G06K9/6256 , G06K9/6267 , G06N3/0454
Abstract: 一种基于集成学习的黑色素瘤皮肤病图像分类方法，包括以下步骤：步骤1，使用基于随机掩盖大小固定的区域的数据增强方式来扩充训练样本；步骤2，建立多个卷积神经网络模型，使用的训练集包含黑色素瘤皮肤图像和非黑色素瘤皮肤图像；使用卷积残差50层网络；使用交叉熵损失函数；步骤3，卷积神经网络模型的集成：假定由训练集1训练得到的模型为分类模型1，训练集2训练得到的模型为分类模型2，对分类模型1和分类模型2分别使用测试集来测试其效果，然后每个模型会各自给出测试样本属于黑色素瘤的概率值p1，p2，集成的时候对于测试样本属于黑色素瘤的概率p＝(p1+p2)/2。本发明分类精度较高、数据均衡，提高黑色素瘤自动识别分类的性能。
-
公开(公告)号：CN107451602A
公开(公告)日：2017-12-08
申请号：CN201710544590.8
申请日：2017-07-06
Applicant: 浙江工业大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 一种基于深度学习的果蔬检测方法，包括：步骤1，首先对数据进行预处理；对原始图片事先进行手工标定，获得分割标签。标定是指原始图片中目标框的左上角点与右下角点的坐标，标签是指判定每个标定框中目标是否为果蔬及确定果蔬的类别；步骤2，其次对数据进行训练；将所述原始图片和图片标签作为深度学习神经网络的训练集，结合区域建议网络RPN及Fast R-CNN卷积神经网络对数据进行训练，得到最终果蔬检测模型；步骤3，最后对测试数据进行测试；调用最终果蔬检测模型及测试程序，对测试图片进行果蔬的检测，通过观察测试结果，分析最终果蔬检测模型效果的好坏。
-
公开(公告)号：CN106127809A
公开(公告)日：2016-11-16
申请号：CN201610458726.9
申请日：2016-06-22
Applicant: 浙江工业大学
IPC: G06T7/20
CPC classification number: G06T2207/10016 , G06T2207/10061 , G06T2207/30004
Abstract: 一种显微图像序列中癌细胞细胞轨迹追踪与关联方法，包括如下步骤：1)基于最近邻法的癌细胞轨迹片段形成，将检测到的癌细胞区域前后帧关联，形成可信的轨迹片段；2)基于细胞动态特征的全局轨迹关联；3)基于分类检测的轨迹关联；4)基于轨迹关联的状态检测纠正，在癌细胞生命轨迹关联之后，即观测细胞都已形成连续的轨迹后，根据前后帧细胞的状态对于误检测的细胞状态进行修正。本发明既能实现对癌细胞细胞轨迹的关联，同时利用分类检测和轨迹关联的状态检测又能更好的关联轨迹片段及对其加以修正。
-
Patent Agency Ranking
公开(公告)号：CN103593874B
公开(公告)日：2016-07-27
申请号：CN201310551852.5
申请日：2013-11-08
Applicant: 浙江工业大学
IPC: G06T17/30
Abstract: 本发明公开了基于均匀网格局部聚焦的点云法向量重定向方法和装置，该方法首先将点云所在的最大区域栅格化为基于均匀网格的三维立方体，随后对于所述三维立方体的各个方向，进行逐层扫描和设定焦点；并对于设定了焦点的每一个有点网格内的点的法向量进行局部聚焦重定向，对被重定向的点作上标记；最后判断是否有未重定向的点，如果有则对点云进行一次随机旋转后，重新进行栅格化和局部聚焦重定向，否则结束重定向。本发明的装置包括栅格化模块，扫描模块，重定向模块，第一判断模块和第二判断模块。本发明的方法和装置，能够准确对点云中点的法向量进行重定向。
-
公开(公告)号：CN101625761B
公开(公告)日：2012-05-16
申请号：CN200910101515.X
申请日：2009-08-06
Applicant: 浙江工业大学
IPC: G06T7/00
Abstract: 一种基于全局和局部算法的计算机双目视觉匹配方法，包括以下步骤：(1)对双目立体视觉传感器获得的左右两幅图像使用图割法获得一个分层的匹配结果；(2)使用不同窗口大小的窗口匹配法在全局匹配结果的一个小的领域里获得多个不同的局部匹配结果；(3)将这多个局部匹配结果置于一个带有二阶光滑能量函数的马尔可夫随机场中进行迭代优化，得到匹配结果。本发明提供一种能够兼顾全局最优和局部特征、得到更精确的匹配结果的基于全局和局部算法的计算机双目视觉匹配方法。
-
公开(公告)号：CN101926648B
公开(公告)日：2012-01-25
申请号：CN200910101072.4
申请日：2009-08-03
Applicant: 浙江工业大学
IPC: A61B5/11
Abstract: 一种基于四维医学图像的心壁应力应变测量方法，包括以下步骤：1)将待检测的心脏建立B样条曲面模型P(u，v)，模型上存在n个位移已知标记点ai(i＝1，2，...n)，ai对应的规范化坐标为[ui，vi]，ai的位移为[rθirψirRi]，通过离散的n个位移建立一个连续的位移场；2)将位移场中的点与运动点的位置建立联系，对三个位移分别拟合；3)将步骤2)中心壁上任意点的位移向量，并根据得到全局坐标下d0的位置及对应位移，接着应用旋转矩阵T，即公式(9)，将位置及位移旋转至局部坐标下；再用公式(8)和(6)分别计算应变和应力。本发明形变匹配性良好、精度高、大大减少计算复杂度。
-
公开(公告)号：CN101667303A
公开(公告)日：2010-03-10
申请号：CN200910153603.4
申请日：2009-09-29
Applicant: 浙江工业大学
Abstract: 一种基于编码结构光的三维重建方法，包括以下步骤：1)向待测物投射结构光，摄像机捕捉经待测物调制的图像；2)进行光模板匹配，包括：(2.1)光条边界的定位，沿着图像的每个列扫描，确定灰度变化强烈的像素点为候选边缘点，并搜索局部领域；(2.2)光条匹配：采用颜色聚类的方法建立颜色匹配特征向量，对图像颜色和投射颜色进行比较，定义色彩特征向量与聚类中心的欧式距离来分配候选光条红绿蓝白颜色；3)利用已经标定好的系统参数进行待测物的三维重建，标定好的转换矩阵参数确定了空间点坐标和它的图像坐标点的关系，从特征点的图像坐标恢复空间三维坐标。本发明能简化计算过程、匹配精度高、重建精度高。
-
公开(公告)号：CN101320483A
公开(公告)日：2008-12-10
申请号：CN200810063692.9
申请日：2008-06-25
Applicant: 浙江工业大学
Abstract: 一种旋转立体视觉的三维重建方法，包括以下步骤：1)对摄像机进行手工标定，获取旋转平台未旋转时的摄像机投影矩阵；2)对旋转平台未旋转之前的摄像机投影矩阵进行分解，获取摄像机内参数矩阵及未旋转时的外参数矩阵；3)通过旋转角度及旋转前的摄像机内参数矩阵，获取旋转了任意角度的摄像机投影矩阵；4)通过两个角度或多个角度所拍摄物体的图片信息及此时的摄像机投影矩阵获取物体的空间三维信息。本发明提供一种能够大大降低标定次数、提高计算效率、降低成本的旋转立体视觉的三维重建方法。
-
-
-
-
-
-
-
-
-
Search Results
191
records
(took 0.029 seconds)
