-
公开(公告)号：CN102521595B
公开(公告)日：2014-01-15
申请号：CN201110403953.9
申请日：2011-12-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于眼动仪实验数据和底层特征的图像感兴趣区域提取方法，一方面通过眼动仪视点跟踪实验数据提取出反映人真实语义的图像感兴趣区域，即眼动ROI，另一方面通过底层特征带权组合的形式提取出一般意义上的图像感兴趣区域，即特征ROI，通过分析特征ROI与眼动ROI的相似度找出相似度最高时的权重组合，即最佳权重。利用此权重提取出的其他同类型图片的感兴趣区域能够更加符合用户的语义需求。
-
公开(公告)号：CN103258343A
公开(公告)日：2013-08-21
申请号：CN201310164343.7
申请日：2013-05-07
Applicant: 中南大学
IPC: G06T15/00
Abstract: 本发明公开了一种基于图像编辑的眼部图像处理方法，首先以参照图像的上眼睑边界为关键点，用薄板样条函数对单眼皮人脸输入图像进行映射调整眼睛形状和比例；然后用泊松图像编辑将参照图像的双眼皮褶皱区域无缝地融合到输入人脸图像中，模拟出综合了输入图像眼睛形状和参照图像双眼皮特征的优化效果。本发明不仅能够根据参照图像的不同，模拟出多种自然的双眼皮形态外观，而且实现过程简单。本发明对人脸照片娱乐、美容化妆设计以及整形术前预测有重要意义。
-
公开(公告)号：CN103236084A
公开(公告)日：2013-08-07
申请号：CN201310179492.0
申请日：2013-05-15
Applicant: 中南大学
IPC: G06T17/00
Abstract: 本发明公开了一种大规模轨道线路的动态建模方法，为了能根据不同的轨道线路数据动态进行三维轨道建模，在初始化阶段对使用专业建模软件构建的轨道模型基本单元段进行一次加载，并分解计算线路上各个轨道的位置、方向等参数，然后在仿真阶段直接根据当前视点位置对轨道及场景进行实时拼接和显示。本方法简单有效，能在普通个人计算机上进行大规模轨道线路的实时仿真；本发明可应用于大型轨道交通工程项目的设计、规划，基于车辆运行视景仿真的驾驶员培训、安全性分析等工程应用中。
-
公开(公告)号：CN102063623B
公开(公告)日：2012-11-07
申请号：CN201010609931.3
申请日：2010-12-28
Applicant: 中南大学
Abstract: 本发明提出一种结合自底向上和自顶向下的图像感兴趣区域提取方法。该方法采用交互式的方式，由用户将其携带的观察任务等自顶向下信息转换为输入图像底层特征的不同权重值，同时结合Itti-Koch模型和Stentiford模型，吸取两模型优点，实现用户任务与图像视觉刺激相结合的感兴趣区域提取方法。将用户的查询意图以及对图像的理解转换为显著图权重的方式，即通过对底层特征加以相应权重来影响显著图的求解，缩短了用户查询意图与图像底层特征间的鸿沟，提取出来的感兴趣区域更符合用户的要求。对多幅图像的处理结果表明使用该方法提取用户感兴趣区域具有较好的结果。
-
公开(公告)号：CN120070461A
公开(公告)日：2025-05-30
申请号：CN202510136110.9
申请日：2025-02-07
Applicant: 中南大学
IPC: G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种半监督OCTA血管分割方法，包括获取现有的OCTA眼部图像；选择若干图像进行血管标注，对剩余图像不进行标注，对图像进行随机数据增强以构建训练数据集；基于卷积模块和注意力机制构建半监督OCTA血管分割初级模型并训练得到半监督OCTA血管分割模型；采用得到的半监督OCTA血管分割模型进行实际的OCTA眼部图像的血管分割。本发明还公开了一种包括了所述半监督OCTA血管分割方法的成像方法。本发明不仅能够实现OCTA眼部图像的血管分割和成像，而且不需要大量的精确标注的OCTA眼部图像作为训练数据，可靠性更高，精确性更好。
-
Patent Agency Ranking
公开(公告)号：CN112418290B
公开(公告)日：2024-03-26
申请号：CN202011288531.7
申请日：2020-11-17
Applicant: 中南大学
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种实时OCT图像的ROI区域预测方法，包括构建OCT图像的ROI区域初始预测模型；获取历史OCT图像数据并标定；对构造的OCT图像的ROI区域初始预测模型进行训练得到实时OCT图像的ROI区域预测模型；采用得到的实时OCT图像的ROI区域预测模型对获取的实时OCT图像进行处理得到实时OCT图像的ROI区域预测结果。本发明还公开了包括所述实时OCT图像的ROI区域预测方法的显示方法。本发明通过分组卷积的应用，以及对传统模型的修正和优化，实现了实时OCT图像的ROI区域预测，而且可靠性高、准确性高、有效性好且实用性好。
-
公开(公告)号：CN117557868A
公开(公告)日：2024-02-13
申请号：CN202311824326.1
申请日：2023-12-28
Applicant: 中南大学
IPC: G06V10/764 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于少样本学习的图像分类方法，包括获取现有的训练数据集；构建分类任务模型；设定损失函数并训练分类任务模型，得到初始的教师模型；构建结构与当前教师模型相同的学生模型并随机初始化参数；训练学生模型并将训练后的学生模型作为当前的教师模型；重复上一步骤直至设定次数，获取特征提取器；再次获取训练数据集；构建图像分类初始模型并训练得到图像分类终端模型；修剪图像分类终端模型得到图像分类模型，并采用图像分类模型进行基于少样本学习的图像分类。本发明通过教师模型和学生模型的设计及训练，能够学习更多可迁移知识；通过图像分类模型对图像进行学习，解决了支持‑查询偏移问题；因此本发明可靠性高、精确性好。
-
公开(公告)号：CN117197166A
公开(公告)日：2023-12-08
申请号：CN202311461228.6
申请日：2023-11-06
Applicant: 中南大学
IPC: G06T7/12 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/00 , G06T7/187 , G06V10/40 , G06V10/80
Abstract: 本发明公开了一种基于边缘和邻域信息的息肉图像分割方法，包括获取息肉图像数据信息并标注；进行息肉边缘提取和息肉邻域提取得到息肉区域边缘标签和息肉区域邻域标签；进行随机数据增强得到训练数据集；构建得到息肉图像分割初始模型并采用训练数据集训练得到息肉图像分割模型；采用息肉图像分割模型进行实际的息肉图像分割。本发明还公开了一种包括所述基于边缘和邻域信息的息肉图像分割方法的系统。本发明不仅能够实现息肉图像的分割，而且分割准确性更好，分割边缘更加清晰，可靠性更高，精确性更好，分割效果更好。
-
公开(公告)号：CN116664602B
公开(公告)日：2023-11-03
申请号：CN202310919310.2
申请日：2023-07-26
Applicant: 中南大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06T7/00
Abstract: 本发明公开了一种基于少样本学习的OCTA血管分割方法，包括获取现有的OCTA血管图像并部分标注；随机抽取图像并数据增强；构建OCTA血管分割原始模型；采用增强后的数据图像训练模型；采用得到的模型进行实际的血管分割。本发明还提供了一种包括所述基于少样本学习的OCTA血管分割方法的成像方法。本发明采用构建的OCTA血管分割模型进行像素级分割预测，并基于不同的输入图像构建不同的损失函数对模型进行训练，从而完成基于少样本学习的OCTA血管分割；因此本发明能够在少样本的情况下完成OCTA图像的血管分割，而且可靠性更高，精确性更好，效率更高。
-
公开(公告)号：CN110390650B
公开(公告)日：2022-02-11
申请号：CN201910665387.5
申请日：2019-07-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于密集连接和生成对抗网络的OCT图像去噪方法，属于图像修复技术领域，本发明根据噪声随机性的特征，采用多帧配准方式合成参考图像，从而使网络可以学习噪声图像到参考图像之间的映射关系；合成噪声的步骤可以有效的扩充散斑噪声的多样性，合成新的样本数据；利用网络的多尺度特征进行密集融合，以较少的参数增强有效特征的重复利用和传递；采用对抗生成网络的方式保证图像的整体感知质量；训练完成的生成式模型可以直接处理任何分辨率的噪声OCT图像，有较高的速度和性能，在临床中有较高的使用价值。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.02 seconds)
