-
公开(公告)号：CN108596228B
公开(公告)日：2022-08-23
申请号：CN201810330707.7
申请日：2018-04-13
Applicant: 江南大学
IPC: G06V10/774 , G06V10/764 , G06V10/771 , G06K9/62
Abstract: 本发明公开了一种基于无监督模糊系统的脑功能磁共振图像分类方法，它涉及自闭症计算机辅助诊断技术领域。其步骤为：采集静息状态下的功能磁共振成像数据并进行预处理，选择AAL模板将大脑皮层分区，提取每个脑区的平均时间序列信号，使用皮尔逊相关系数计算得到低阶功能连接矩阵；基于低阶功能连接矩阵计算皮尔逊相关系数得到高阶功能连接矩阵，将每个对象的低阶和高阶脑功能连接矩阵分别拉直，使用基于流形正则化约束的无监督模糊系统进行降维，对降维后的低阶和高阶功能连接矩阵进行线性组合，使用SVM进行分类。本发明对静息态脑功能磁共振图像进行分类，将其应用于自闭症的计算机辅助诊断中，分类准确率高、泛化性能好、可解释性强。
-
-
公开(公告)号：CN107610165A
公开(公告)日：2018-01-19
申请号：CN201710815872.7
申请日：2017-09-12
Applicant: 江南大学
Abstract: 本发明公开了一种基于多特征的3-D剪切波域多模态医学序列图像融合方法，主要解决2-D分解工具无法处理3-D图像以及单特征融合方法易引入错误信息的问题。其实现步骤是：1)待融合序列图像进行3-D剪切波变换，得到高频、低频系数；2)低频子带系数采用基于区域能量取大的融合规则，高频子带系数采用综合多特征的融合规则；3)融合后的高、低频系数执行3-D剪切波逆变换获得融合后的序列图像。本发明能充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，从而能有效避免将错误信息引入融合图像中，提高视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN107316285A
公开(公告)日：2017-11-03
申请号：CN201710541159.8
申请日：2017-07-05
Applicant: 江南大学
IPC: G06T5/50
Abstract: 本发明公开了一种面向苹果品质检测的图像融合方法，主要解决传统的水果品质检测有效性不高的问题。其实现步骤是：1)对苹果的可见光图像和红外图像分别使用四元数小波变换得到低频子带与高频子带；2)对低频子带使用基于局部平均梯度与局部标准差的加权平均方法进行融合；3)对高频子带采用基于导向滤波的绝对值取大的融合规则实现融合；4)最后，将融合后的高频系数与低频系数使用逆四元数小波变换得到融合后图像。本发明能很好的保留可见光图像中表皮的细节纹理和红外图像中检测到的次表面损伤信息。因此，所提方法能够提高苹果品质检测的准确性。
-
公开(公告)号：CN106803242A
公开(公告)日：2017-06-06
申请号：CN201611216386.5
申请日：2016-12-26
Applicant: 江南大学
CPC classification number: G06T5/50 , G06T5/001 , G06T5/007 , G06T5/10 , G06T2207/10004 , G06T2207/20064 , G06T2207/20192 , G06T2207/20221
Abstract: 本发明公开了一种基于四元数小波变换的多聚焦图像融合方法，主要是为了更准确地将源图像中的信息融入融合图像中。其实现步骤是：1)对待融合的两幅多聚焦图像进行四元数小波变换，分解得到一个低频子带(LL)及每层三个高频子带(LH、HL、HH)，其中每个子带对应四个四元数系数子带，通过四元数代数运算，这四个系数子带可以转换为一个幅值子带和三个相位子带；2)低频子带采用基于改进的相位梯度特征值取大的融合规则进行融合，高频子带采用基于四元数矩阵综合多特征的融合方法；4)对融合后的高、低频子带系数进行四元数小波逆变换获得融合后的图像。本发明能充分提取源图像的特征，精确地表示源图像，从而能有效避免将错误信息引入融合图像中，改善视觉效果，相比传统的融合方法极大的提高了融合图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN104282022A
公开(公告)日：2015-01-14
申请号：CN201410525629.8
申请日：2014-09-29
Applicant: 江南大学
IPC: G06T7/00
CPC classification number: G06K9/6223 , G06T2207/20081
Abstract: 本发明公开了一种具备多视角学习能力的模糊聚类图像分割方法。该方法以经典的模糊C均值算法作为基础方法，针对经典模糊C均值算法对一个具体事物在多个视角下获取的图像进行分割最终获取最终分割结果时无法全面的利用图像信息而造成分割效果不佳的问题，提出了一种具备多视角学习能力的模糊聚类图像分割方法。该图像分割方法在处理某一事物的多视角图像分割任务时，能够有效地保有各视角图像的独立信息，同时挖掘出各视角下图像的共性信息。此外，还将引入一种视角加权技术增强分割效果。在上述机制的共同作用下首先可获取各个视角下的聚类结果，然后依靠上述获取的各视角下的聚类结果通过一个集成决策方法最终获取更为可靠的图像分割结果。
-
公开(公告)号：CN102903112A
公开(公告)日：2013-01-30
申请号：CN201210376033.7
申请日：2012-09-29
Applicant: 江南大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向小目标检测的快速核密度估计图像阈值分割方法，该方法包括：读入图像，在计算机中得到该图像的灰度矩阵，并设置参数gate值；将图像中相同灰度级的像素点作为一个集合，如果该集合中的像素点数目Ni>gate，则使用FRSDE进行压缩；否则使用RSDE进行压缩；构建关系矩阵M来表示图像上不同灰度级之间的相互关系。将目标函数的求极值问题转化为基于矩阵区域的元素最小化求和问题，从而得到最佳阈值。本发明与已有技术相比，具有过程简单、易于实现、具有鲁棒性好与求解效率高等优点。因此，本发明为高分辨率图像的小目标检测问题提供了一种可行的方案；同时，为复杂背景下小目标图像的检测提供了一种行之有效的技术基础。
-
-
公开(公告)号：CN201855263U
公开(公告)日：2011-06-08
申请号：CN201020220324.3
申请日：2010-06-09
Applicant: 江南大学
IPC: A61B5/103
Abstract: 本实用新型为肢体关节活动度测量工具，可以由一人操作，快速、准确的测量肢体关节的活动度。由量角器刻度盘(1)、固定臂(2)、移动臂(3)组成，通过转轴(4)相连，在转轴(4)轴心有一气球吸盘(5)，固定臂远1/3水平有一长条束带(6)，束带的毛面(61)可与固定臂外侧面的勾面(62)相固定。操作者先将量角器轴心上的吸盘(5)通过负压固定在测量关节的轴心相应位置上，然后将量角器的固定臂(2)通过长条束带(6)固定在所测量关节一侧的肢体上，活动关节另一侧的肢体，将量角器的移动臂(3)与其纵轴平行对齐，读取关节活动的度数。
-
公开(公告)号：CN201775631U
公开(公告)日：2011-03-30
申请号：CN201020220321.X
申请日：2010-06-09
Applicant: 江南大学
IPC: A61B5/11
Abstract: 本实用新型为关节活动度测量工具，可以快速、准确的测量手指关节的活动度。由扇形的量角器刻度盘(1)与移动臂(2)、指针(3)组成，通过转轴(4)相连。扇形刻度盘夹角为150°，其一侧为固定臂(5)，有一水平底座，便于在指节背侧放置和固定。移动臂(2)和指针(3)为一体，两者间形成150度夹角，移动臂(2)长度不超过3cm。操作者将扇形刻度盘(1)上的固定臂(5)放置在近侧指节的背侧，移动臂(2)则与远侧指节的背侧相贴合，读取指针(3)在扇形刻度盘(1)上所指示的刻度，即可得到关节的角度。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.063 seconds)
