-
公开(公告)号：CN109978771A
公开(公告)日：2019-07-05
申请号：CN201910274841.4
申请日：2019-04-08
Applicant: 哈尔滨理工大学
Abstract: 一种细胞图像快速融合方法，本发明涉及基于内容分析的细胞图像快速融合方法。显微镜下的细胞由于不在同一个焦平面，需要图像融合才能获得清晰图像。传统方法对整张图像进行融合运算，效率低下。为解决这一问题，提出了基于内容分析的细胞图像快速融合方法。首先通过快速异步抓图并筛选出用于融合的图像；然后分割图像并把图像内容分为分散细胞、重叠细胞和垃圾三类后用不同的方法进行融合；最后将融合的各种细胞内容拼接成一张清晰图像作为最终结果。由于只对重叠细胞进行了复杂的融合运算，有效降低了运算的时间复杂度。实验表明，与传统方法相比，所提出的方法具有更高的融合效率。本发明应用于医学图像采集和融合领域。
-
公开(公告)号：CN108205798A
公开(公告)日：2018-06-26
申请号：CN201710173238.8
申请日：2017-03-22
Applicant: 哈尔滨理工大学
Abstract: 鲁棒的显微镜图像光照补偿，本发明涉及DNA倍体分析技术中，细胞在不同位置测量结果相差较大的问题。本发明的目的是为了解决现有DNA倍体分析技术中细胞IOD值测量在图像不同位置偏差较大的问题。具体过程为：一、打开摄像机；二、显微镜下图像采集；三、对采集到的图像进行分块阈值分割；四、将分割后的背景进行填充并进行平滑处理；五、进行偏差估计，得到偏差图片，将偏差图片与获得的新图像相加，进行补偿，得到最终结果。六、结束。本发明应用于显微镜下细胞IOD值的测量和图像增强领域。
-
公开(公告)号：CN104050242B
公开(公告)日：2018-03-27
申请号：CN201410228055.8
申请日：2014-05-27
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于最大信息系数的特征选择、分类方法及其装置，所述特征选择方法包括：S1，基于互信息准则将原始特征进行排序，将相关度低于阈值的特征删除，并将所述相关度高于阈值的特征形成初始特征子集；S2，计算在所述初始特征子集中的特征之间的最大信息系数；S3，根据所述最大信息系数，删除所述初始特征子集中的冗余特征，得到低维特征子集。本发明所述的特征选择方法通过使用互信息以及最大信息系数的方式进行特征选择，从而去除冗余特征，降低了数据的维度。
-
公开(公告)号：CN107492084A
公开(公告)日：2017-12-19
申请号：CN201710544900.6
申请日：2017-07-06
Applicant: 哈尔滨理工大学
CPC classification number: G06T5/50 , G06T7/13 , G06T7/136 , G06T2207/20221 , G06T2207/30004
Abstract: 基于随机性的成团细胞核图像合成方法，本发明涉及DNA倍体分析技术中，由于成团细胞核图像稀少导致细胞分类正确率急剧下降的问题。细胞DNA倍体分析技术是一种自动化的病理诊断技术，准确识别各类细胞图像是这一技术的关键。然而，重叠细胞核的训练样本稀少（训练集失衡）导致重叠细胞核图片的识别率较低。为解决这一问题，本发明提出了一种合成重叠细胞图像的方法。该方法采用样本选择使合成的样本更具有代表性；引入随机性控制合成源图像的随机旋转角度和随机重叠程度；根据朗伯比尔定律重构重叠部分的像素，使合成的样本更接近真实样本；最后将合成的样本用于模型训练。本发明应用于解决重叠细胞核的训练样本稀少（训练集失衡）问题。
-
公开(公告)号：CN114613369B
公开(公告)日：2024-08-09
申请号：CN202210221405.2
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于特征差异最大化的说话人识别方法，使得说话人特征差异最大化，增加区分性。降低说话人识别系统的错误率。首先将训练集集的全部音频文件进行预处理，生成语谱图特征。将语谱图特征作为VGG‑M的输入，生成嵌入特征(embedding)。然后使用NPLDA打分选取三元组语音对，使用NPLDA的目标函数训练NPLDA模型，使用互信息损失函数计算正负样本对的损失，与NPLDA共同训练VGG‑M网络。在测试阶段，使用训练好的网络提取测试说话人和目标说话人的嵌入特征。使用余弦打分计算两种嵌入特征的相似度，即相似度得分。将计算好的相似度得分与设置好的阈值进行比较，判断是否语音来自同一说话人。该方法通过NPLDA选取三元组对，使得不同说话人特征差异更明显，并利用互信息损失函数和NPLDA共同优化网络，降低识别的错误率。本发明可以应用于说话人识别领域。
-
Patent Agency Ranking
公开(公告)号：CN112365471B
公开(公告)日：2022-06-24
申请号：CN202011259420.3
申请日：2020-11-12
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T7/10 , G06K9/62 , G06V10/764
Abstract: 基于深度学习的宫颈癌细胞智能检测方法。本发明涉及深度学习方法对细胞核的分类。本发明的目的是为了解决现有传统诊断方式检测癌细胞准确率低、耗时长等问题。为解决此问题，本发明提出了一种基于深度学习的智能宫颈癌细胞筛查方法。方法的具体过程为：一、数据准备；二、细胞核分割；三、细胞核分类；四、筛选癌细胞。在细胞核分类部分，数据上利用主动学习的方法进行数据的扩充和类别的细分；模型上以ResNeSt为基础模型，引入医生诊断经验，提取诊断指标共同作用训练出更加准确的模型。实验表明，本文细胞核分类方法准确率比原模型准确率更高，另外，本发明还提供了一种更有效的扩充数据和类别细分的数据准备方法。本发明应用于医学图像分类领域。
-
公开(公告)号：CN114639387A
公开(公告)日：2022-06-17
申请号：CN202210221453.1
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种声纹欺诈检测方法，将能量谱经由Q‑DCT和Q‑IDCT平滑处理的重构群延迟‑常数Q变换(以下称为RGD‑CQT)语谱图特征进行检测语音欺诈攻击的方法，解决了欺诈语音特征区分性不强及欺诈语音检测系统错误率高的问题。在训练时，先对语音序列进行填充或截取操作，进而将语音序列的每一位与索引序号加一的值进行相乘，获得新的语音序列。将两个语音序列分别进行常数Q变换(CQT,constant Q transform)，获得两个语谱图X和Y。分别提取两张语谱图的实部和虚部，对语谱图X进行Q‑DCT和Q‑IDCT，之后进行修改的群延迟的计算，最后进行归一化和取对数得到最终的语谱图。将其作为resnet18+cbam网络的输入；然后通过交叉熵损失和Adam优化器训练出一个最优的网络模型作为用于测试的模型。最终根据网络模型的分数，如果分数大于0则认为是真实语音，反之，则判断为欺诈语音。
-
公开(公告)号：CN113537044A
公开(公告)日：2021-10-22
申请号：CN202110794610.3
申请日：2021-07-14
Applicant: 哈尔滨理工大学
Abstract: 基于STFT与改进DenseNet的航空发动机故障诊断方法，本发明涉及航空发动机故障诊断领域中，现有的方法对发动机变转速故障数据集诊断效果不好的问题。航空发动机在生产环境下的运行状况是复杂多变的，往往会经历变加速、变减速的变转速过程，现有的方法在单一转速数据集下虽然已经取得了不错的效果，但是在变转速数据集上的效果却很差；为解决这一问题，本发明提出了基于STFT与改进DenseNet的航空发动机故障诊断方法；该方法将原始信号经过STFT生成各类故障的时频图像，然后使用基于改进的DenseNet模型对故障图像进行分类；经过充分的实验验证得知，在航空发动机的故障诊断上取得了很好的效果。本发明应用于航空发动机等机械设备的故障诊断。
-
公开(公告)号：CN112419335A
公开(公告)日：2021-02-26
申请号：CN202011303854.9
申请日：2020-11-19
Applicant: 哈尔滨理工大学
Abstract: 一种细胞核分割网络的形状损失计算方法，本发明涉及智能病理诊断技术中，细胞核分割网络损失计算问题。智能病理诊断通过深度学习技术分割并识别细胞图像中的异常细胞。然而在细胞核分割网络中没有考虑细胞核的先验知识，导致部分细胞核轮廓不光滑、存在异形，影响后续分类的结果。为此，我们提出一种细胞核分割网络的形状损失计算方法。其主要思想是估计预测细胞核边缘区域对核形状特征影响的权重。通过最小化这个权重，使分割后的细胞核与实际细胞核形状上保持一致。实验表明：我们的损失计算方法可以有效解决细胞核轮廓不光滑、异形等问题。本发明应用于智能病理诊断中的细胞核分割网络损失计算。
-
公开(公告)号：CN105139855A
公开(公告)日：2015-12-09
申请号：CN201410231798.0
申请日：2014-05-29
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种两阶段稀疏分解的说话人识别方法，包括：S1：对输入的语音的离散时间信号进行分帧与加窗处理；S2：对每一帧信号作离散傅立叶变换并求幅度值，把幅度谱作为特征进行提取；S3：构建一个大字典；S4：进行第一阶段稀疏分解来获得待识别语音在大字典上的稀疏表示，并对输入语音作粗分类获得部分目标说话人的字典；S5：对部分目标说话人字典进行拼接，进行第二阶段稀疏分解，利用稀疏表示确认最终识别说话人。本发明可以对不同的说话人进行识别，具有识别说话人身份的高效性、准确性与易用性的有益效果。本发明还公开了一种两阶段稀疏分解的说话人识别装置。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.029 seconds)
