-
公开(公告)号：CN106709465B
公开(公告)日：2019-08-02
申请号：CN201611249273.5
申请日：2016-12-29
Applicant: 武汉大学
IPC: G06K9/00
Abstract: 本发明提供一种基于条件随机场的极化SAR图像道路提取方法，构建一个条件随机场框架实现道路提取，包括以利用多尺度线状目标检测算子MLFD对输入SAR图像构建金字塔，获得多尺度的图像金字塔；通过CRF进行建模，引入上下文信息，其中单元势函数通过logistic函数建模，根据成对势函数设定采用Beamlet分解方式寻找最优划分；采用相关约束来对道路的基元进行编组和标记，描述成对势函数，合并从全局数据中得到的信息，对特征矩阵进行统一的归一化处理。应用本发明技术方案进行道路提取的效率高，精度好，适于推广使用。
-
公开(公告)号：CN105005047B
公开(公告)日：2017-06-09
申请号：CN201510420314.1
申请日：2015-07-17
Applicant: 武汉大学
IPC: G01S13/90
Abstract: 本发明提供后向散射优化的森林复杂地形校正及树高反演方法、系统，地形校正包括针对森林场景的极化干涉SAR图像，根据森林场景的两层散射特点，构造两层结构的相干模型，并对地形引起的参数变化进行校正；结合地形仿真和植被仿真，建立植被与地形之间的定量描述关系；最后结合距离多普勒几何校正方式和归一化辐射校正方式进行校正；树高反演包括针对不同树种之间的结构和分布的差异，提出树种多样性因子，对不同的树种的植被高度分别进行估计然后获得整个森林场景的树高反演结果。采用本发明可以有效的实现森林复杂场景的地形效应分析与补偿；此外，结合树种多样性因子，提高植被高度的反演精度。
-
公开(公告)号：CN106709463A
公开(公告)日：2017-05-24
申请号：CN201611245991.5
申请日：2016-12-29
Applicant: 武汉大学
Abstract: 一种基于分层语义的SAR图像分类方法，包括进行多尺度分割，得到不同精度的分割图；构建区域金字塔，将不同精度的分割图组合生成区域金字塔；CRF空间关联建模，包括对于区域金字塔，利用CRF建立该金字塔的每一层中区域间的空间关系；BN因果性建模，包括将区域金字塔相邻层间的因果联系通过BN进行建模，将区域金字塔层内的因果性通过BN进行建模，形成语义金字塔；统一推理，包括将联合概率表示为统一的因子图，将图像分类过程等价于推理最优状态，将推理结果作为图像分类结果。本发明联合BN和CRF建模SAR图像分类中的先验知识，其中BN构建因果关联，而CRF建模空间关系，实现分层语义分类，提高SAR图像分类性能。
-
公开(公告)号：CN104866869A
公开(公告)日：2015-08-26
申请号：CN201510292485.0
申请日：2015-05-29
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 一种基于分布差异与增量学习的时序SAR图像分类方法，包括增量样本的选取和增量样本的增量学习。首先采用基于分布差异的方法对时间序列SAR图像进行变化检测，利用Egdeworth逼近原理估计源域和目标域SAR图像的统计分布，计算图像分布的交叉熵差异指数，并根据CFAR方法获取的检测阈值得到变化检测图，将未变化的区域作为增量样本；然后利用源域图像的已知训练集初始化SVM分类器，并通过迭代过程完成整个增量样本集的增量学习和SVM分类模型的参数更新。分布差异变化检测方法和支持向量机增量学习相结合，能够完成从源域到目标域的域自适应，从而实现目标域图像的高精度分类。
-
公开(公告)号：CN102663436A
公开(公告)日：2012-09-12
申请号：CN201210134551.8
申请日：2012-05-03
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明涉及一种用于光学纹理图像和SAR图像的自适应特征提取方法，包括对训练集中多幅图像学习采样位置，进而不断学习出采样分布；对学习的采样分布利用自适应滤波对图像块进行采样编码，提取自适应特征；将该自适应特征与原始LBP特征串联组合，即为图像的自适应纹理特征描述。本发明融合了图像的分布特性、空间特性，利用了图像的先验知识学习，通过自适应采样的随机性，从而克服了普通LBP特征采样固定性的缺陷，提高光学纹理图像和SAR图像的分类正确率，进而提高基于纹理特征的分类、分割等图像处理应用的准确率。
-
Patent Agency Ranking
公开(公告)号：CN101853386A
公开(公告)日：2010-10-06
申请号：CN201010177899.6
申请日：2010-05-14
Applicant: 武汉大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于拓扑树的局部形状模式的图像纹理基元特征提取方法。本发明包括根据像素灰度值v对图像I进行水平集(Level Set)分层、构建拓扑树结构T、构建编码同心圆模板、将节点形状缩放到于同心圆模板大小相当、将缩放后的节点形状与同心圆模板重叠，与每个扇区fnm的重叠关系进行二进制编码、将每个节点形状在每个圆的所有M个扇区的编码值统计一个频数直方图，再将N个圆的频率直方图拼接、将图像拓扑树中所有参与编码的形状的纹理特征描述相加。本发明可以避免纹理信息在滤波或变换过程中丢失，更加全面完整地对图像纹理进行描述，可以提高基于纹理基元特征的检索、分类、分割等图像处理应用的准确率。
-
公开(公告)号：CN119889697A
公开(公告)日：2025-04-25
申请号：CN202510332811.X
申请日：2025-03-20
Applicant: 武汉大学中南医院
IPC: G16H50/30 , G16H50/20 , G16H50/70 , G16H20/70 , G16H30/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N5/04
Abstract: 本发明公开了一种智能化的认知功能评测方法、装置、电子设备及介质，方法包括获取评测者的评测数据，所述评测数据包括待测图像数据和待测语音数据；将待测图像数据输入到训练好的图像分类模型，得到图像题目的评测结果；将所述待测语音数据转化成待测文本数据，并将所述待测文本数据与文本题目的提示模板结合后输入到大语言模型中，得到文本题目的评测结果；基于图像题目的测评结果以及文本题目的评测结果输出评测者最终的评测评分。本发明可以高效、便捷、准确的完成测评者的认知测评，实现认知障碍疾病初步筛查。
-
公开(公告)号：CN119722576A
公开(公告)日：2025-03-28
申请号：CN202411621075.1
申请日：2024-11-14
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G16H50/20 , G16H50/70
Abstract: 本发明公开了一种基于三维Transformer的核磁影像阿兹海默症诊断方法和系统。首先采集数据进行诊断数据集构建，对数据进行预处理；构建并训练基于Transformer的阿兹海默症诊断网络模型，所述的基于Transformer的阿兹海默症诊断网络模型包括体素注意力模块、斑块注意力模块、全局‑局部特征提取模块、辅助分类模块、Transformer编码模块以及整体分类模块；将待诊断的阿兹海默症结构影像进行预处理后，利用训练好的阿兹海默症深度诊断模型进行诊断分类。本发明有益于快速准确地进行阿兹海默症识别，提高相关疾病识别准确率与效率，有益于早期预防与多维介入，为阿兹海默症患者创造便利，减轻公共医疗系统负担。
-
公开(公告)号：CN116958749A
公开(公告)日：2023-10-27
申请号：CN202310956240.8
申请日：2023-07-31
Applicant: 武汉大学
IPC: G06V10/774 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种基于自适应损失函数的弱小目标检测模型优化方法与装置，涉及计算机视觉图像目标检测技术领域，该方法包括以下步骤：获取弱小目标图像，通过特征提取，得到弱小目标图像的特征图；将所述特征图，通过检测头网络，获得中心度预测结果、分类预测结果和回归预测结果；计算中心度预测结果的损失、分类预测结果的损失，通过角点损失维度与交并比损失维度计算回归预测结果的损失；将所述中心度预测结果的损失、分类预测结果的损失和回归预测结果的损失相加得到整体损失，并根据所述整体损失对检测模型优化。本发明提供的方法可以在后处理及样本标签分配中使用，能够有效提升基础目标检测网络的检测精度。
-
公开(公告)号：CN116452593A
公开(公告)日：2023-07-18
申请号：CN202310718872.0
申请日：2023-06-16
Applicant: 武汉大学中南医院
Abstract: 本发明公开了一种血管性认知障碍的AI评估模型的构建方法、装置及系统。首先进行数据采集，并构建数据集；然后进行预处理；并划分出训练集和验证集；接着对预处理后的脑血管病患者临床症候文本数据进行特征筛选；然后构建VCI评估模型，该模型包括辅助诊断和预测两类模型，分别提取多模态脑MRI数据中的sMRI特征和rs‑fMRI特征，随后采用多模态图学习网络对sMRI特征、rs‑fMRI特征以及临床症候文本特征进行融合，并根据融合后的特征得到分类结果；通过对模型进行训练和验证，得到最优的VCI评估模型。本发明解决了现有技术中对于VCI的临床诊断与预测较为主观、难于定量、准确率不高和效率较低的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.02 seconds)
