-
公开(公告)号：CN114332013A
公开(公告)日：2022-04-12
申请号：CN202111636037.X
申请日：2021-12-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于肺动脉树分级的CT图像靶肺段识别方法，包括以下步骤：步骤S1:获取CT图像数据，并重建出肺结构，包括肺结节、支气管、肺动脉树和肺叶；步骤S2:对肺动脉树提取初始中心线，并通过端点检测器和轨迹提取器构造完整且连续的拓扑树;步骤S3:根据拓扑树，结合肺叶、支气管先验知识进行约束，确定18个动脉节段子树；步骤S4:确定靶向动脉分支；步骤S5:对肺叶上的每个体素点计算最邻近动脉节段子树，并归属到相应的肺段；同样的，根据距离关系，计算靶向动脉分支在关联肺段中所支配区域，确定靶肺段。本发明充分考虑各肺解剖结构之间的关联性，实现动脉的分级标注，精准确定靶向动脉分支，进而划分肺段和确认靶肺段。
-
公开(公告)号：CN112801021A
公开(公告)日：2021-05-14
申请号：CN202110174971.8
申请日：2021-02-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于多级语义信息的车道线检测方法及系统，该方法包括以下步骤：S1、对车道场景图像中的车道线进行分割，提取图像的低级语义信息，输出基于低级语义信息的车道线掩膜图；S2、利用图像的消失点、车道线空间信息和长距离依赖信息，训练结合消失点的车道线语义分割网络，得到图像的高级语义信息，并输出基于高级语义信息的车道线掩模图；S3、将基于高、低级语义信息的车道线掩模图融合，得到基于多级语义信息的车道线分割结果。该方法及系统有利于提高车道线检测的准确性，能够应对复杂行车环境。
-
公开(公告)号：CN105825205B
公开(公告)日：2019-04-02
申请号：CN201610222169.0
申请日：2016-04-11
Applicant: 福州大学
Abstract: 本发明涉及一种协作稀疏表示自适应的快速人脸识别方法，包括不违反稀疏表示定义基本假设的局部稀疏表示分类器系统，如下：读入训练样本和测试样本的图像；对训练样本和测试样本进行初始化，使用双线性内插值将训练样本和测试样本缩放成固定尺寸的图像并整合成列向量并进行归一化处理；利用核诱导找出与测试样本最邻近的N*个训练样本，N*为最佳预测值；从N*个训练样本中挑出与测试样本相关的训练样本类来组成完备基；采用l2范数协作性求解稀疏系数并通过残差预测所述测试样本的类别。还包括能根据不同的训练样本库寻找到所述最佳预测值N*的系统。本发明解决了平衡识别率和计算速率的问题，同时使得整个识别系统能针对不同的训练库自动寻找一个合适的N值。
-
公开(公告)号：CN108334840A
公开(公告)日：2018-07-27
申请号：CN201810100461.4
申请日：2018-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种交通环境下基于深度神经网络的行人检测方法。该方法：首先，获取针对交通环境下行人检测的行人数据；其次，从行人数据中筛选出有误差的数据或者不完整数据；最后，将筛选后的行人数据进行数据格式转换，以满足设计的模型或者调整模型，从而更好的学习行人数据中的内在联系。本发明使用最新车载行人数据集，该数据集具有足够的多样性、更好的对齐性和更高的分辨率，提高模型的泛化能力；且本发明针对交通环境下提出两种数据增广策略，可有效解决复杂背景和视角变化等问题，提高模型稳定性。
-
公开(公告)号：CN108182428A
公开(公告)日：2018-06-19
申请号：CN201810094174.7
申请日：2018-01-31
Applicant: 福州大学
Abstract: 本发明提出一种前车状态识别和车辆跟随的方法，本发明使用深度卷积神经网络，自动学习出邻近同向行驶的汽车的行为，预测出该汽车的动作，使得当前汽车跟随着前一辆汽车的技术方案。本提案的过程就是使用深度卷积神经网络进行实时的车辆检测，同时分类出汽车的行驶行为，并且在加入激光雷达测量的深度数据后，学习出前方车辆的位置和相对距离，在得到了前方车辆的位置、相对距离、行驶行为之后控制当前车辆进行跟随。
-
Patent Agency Ranking
公开(公告)号：CN106955097A
公开(公告)日：2017-07-18
申请号：CN201710210181.4
申请日：2017-03-31
Applicant: 福州大学
IPC: A61B5/024
CPC classification number: A61B5/024 , A61B5/7264
Abstract: 本发明涉及一种胎儿心率状态分类方法，首先将随机森林分类器应用到从胎心率曲线中提取的特征中，获得两两样本间的相似性。然后提出t‑SNE流形学习算法，从得到的相似性矩阵中产生一个低维嵌入的流形，作为随机森林分类器的输入，最后输出分类结果。本发明不仅可以保证较高的分类准确性，还可以更直观地观察到不同种类的胎儿心率之间的差异，使结果具有一定的可解释性。
-
公开(公告)号：CN105913084A
公开(公告)日：2016-08-31
申请号：CN201610222205.3
申请日：2016-04-11
Applicant: 福州大学
CPC classification number: G06K9/6267 , G06T7/20 , G06T2207/10132 , G06T2207/30048 , G06T2207/30241
Abstract: 本发明涉及一种基于密集轨迹和DHOG的超声心动视频影像分类方法，对超声心动视频影像帧进行密集采样，以增加视频帧中特征点的覆盖面，采用轨迹追踪的方法对视频帧中的特征点在转换到三维空间中进行追踪，最后用DHOG、HOF和MBH相结合的方法对跟踪得到的轨迹进行描述得到特征向量，以克服当前的超声心动视频影像分类技术在分类的准确率上较低，无法达到计算机辅助心血管诊断技术的要求。
-
公开(公告)号：CN103177260B
公开(公告)日：2016-05-25
申请号：CN201310135708.3
申请日：2013-04-19
Applicant: 福州大学
IPC: G06K9/46
Abstract: 本发明涉及一种彩色图像边界提取方法，根据彩色图像主要包含的色彩信息和亮度信息，在边界提取的过程中同时考虑色彩信息和亮度信息的边界提取，并将两者融合起来，得到更加完善的边界图像。本发明设计了一种基于亮度信息和向量空间的彩色图像Canny边界提取方法，分别计算亮度信息和向量空间的梯度值及方向，然后对两组梯度值单独进行非极大值抑制，设定高低阈值，分别融合得到的高阈值图像和低阈值图像，最后利用形态学处理得到最终边界。
-
公开(公告)号：CN103167247A
公开(公告)日：2013-06-19
申请号：CN201310118005.X
申请日：2013-04-08
Applicant: 福州大学
Abstract: 本发明涉及一种视频序列彩色图像拼接方法，其特征在于：基于SURF算法，在对SURF描述特征点的向量中增加彩色信息，以增加特征点描述的准确性，然后采用双向二次特征点匹配，达到精确匹配的目的，最后利用双线性插值原理对待拼接的图像进行拼接，提高拼接的连续性和精确性。本发明解决适于彩色图像的配准方法，同时在匹配过程采用更加简单的实现方法。
-
公开(公告)号：CN119273574A
公开(公告)日：2025-01-07
申请号：CN202411300454.0
申请日：2024-09-18
Applicant: 福州大学
IPC: G06T5/70 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于混合注意力编码器的图像去雾方法，采用混合注意力编码器对输入的雾图进行特征提取；然后对提取的雾图特征与离散码本先验进行匹配；之后，对匹配后的特征进行解码；最后，对解码器特征进行特征嵌入，逐步解码获得无雾结果。其提出基于Transformer和通道注意力机制的混合注意力编码器，以增强网络对于局部信息的表达能力；同时，引入离散码本先验进一步增强去雾结果的纹理细节，提出二元调制机制BMM来引导先验的匹配过程。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.021 seconds)
