-
公开(公告)号：CN101976446B
公开(公告)日：2012-08-22
申请号：CN201010516768.6
申请日：2010-10-20
Applicant: 浙江工业大学
IPC: G06T7/20
Abstract: 一种显微序列图像的多特征点跟踪方法，包括以下步骤：1)初始化特征点跟踪模板中心坐标，跟踪窗口大小；2)状态的表示3)在李代数描述的指数函数空间中进行状态预测；4)计算样本协方差值中元素：协防差描述子的距离；5)状态更新，计算出量测函数，利用量测值yt(i)来计算t时刻的后验概率密度；6)估算出最优状态利用后验概率计算权值和归一化权值，判断是否重采样，并输出估算的粒子或者结束当前帧的多点跟踪；重复上述步骤，完成长序列显微图像的多点跟踪。本发明有效减少三维重建误差、提升跟踪效果。
-
公开(公告)号：CN102298387A
公开(公告)日：2011-12-28
申请号：CN201110183105.1
申请日：2011-06-30
Applicant: 浙江工业大学
IPC: G05D1/02
Abstract: 一种Pitch-Yaw结构的模块化机器人蜿蜒运动步态控制方法，包括：1)、设定所有的模块都在相同的周期内运动：Ti＝T；所有的模块分成两组：水平模块和垂直模块；2)、设置控制参数：AV，AH，ΔΦV，ΔΦH，ΔΦHV，OV，OH，T；3)、参数AV，ΔΦV，OV控制水平模块，参数AH，ΔΦH，OH控制垂直模块，参数ΔΦHV控制两组模块之间的关系，控制两组模块的数学模型如公式(1)和公式(2)。本发明提供一种方便应用于机器人实体、实用性良好的Pitch-Yaw结构的模块化机器人蜿蜒运动步态控制方法。
-
公开(公告)号：CN101639895B
公开(公告)日：2011-12-21
申请号：CN200910101609.7
申请日：2009-08-14
Applicant: 浙江工业大学
Abstract: 一种基于Similarity-Pictorial结构模型的计算机视觉图像特征提取和匹配方法，包括以下步骤：1)将待提取的计算机视觉图像建立PS模型，PS模型的代价函数包appearance代价函数和结构代价函数；2)在待提取的计算机视觉图像中，用顶点的绝对坐标li来表示顶点，并随机的选择其中的一个点作为原点，其他所有点和原点之间的相对关系是确定的；一旦m和D确定下来，PS模型中的结构代价函数tij(vi，vj)也就随之确定；3)将基于自相似描述子的模板匹配算法引入PS模型，4)找出代价函数L*的最小值，即确定计算机视觉图像的匹配点。本发明能够适应不同的光照变化、具有良好的提取效果。
-
公开(公告)号：CN101853508A
公开(公告)日：2010-10-06
申请号：CN201010193722.5
申请日：2010-06-08
Applicant: 浙江工业大学
IPC: G06T7/00
Abstract: 一种基于方向集的泛化置信度传播的双目立体视觉匹配方法，包括以下步骤：1)采集双目的左右两幅图像，建立马尔可夫随机场；2)产生多尺度马尔可夫随机场，第k层的大小是第k+1层大小的四分之一；3)设在多尺度马尔可夫随机场中共有n层，按从1到n的顺序分别对n个马尔可夫随机场进行求解，通过将一个在二维空间中搜索最小值的问题分解到多个一维空间中搜索最小值，将第i层的计算结果传递到第i+1层；4)在最底层马尔可夫随机场求解完成后，取代价值最小的那个状态作为该变量的最终状态，即为该变量所对应图像中点的视差值。本发明有效降低复杂度、减少计算量。
-
公开(公告)号：CN101639948A
公开(公告)日：2010-02-03
申请号：CN200910102187.5
申请日：2009-08-20
Applicant: 浙江工业大学
Abstract: 一种基于插值算法的柔性体点分布模型的特征值和特征向量计算方法，包括以下步骤：1)载入两个相邻时刻Ta和Tb的柔性体分布模型Ma和Mb，其中：Ma＝ ，Mb＝ ；2)通过所述柔性体分布模型Ma和Mb，分别计算平均形状ya和yb、特征矩阵Φa和Φb、以及特征值λa和λb，设定柔性体从Ta到Tb呈连续变化；2.1)中间模型的特征值的计算；2.2)中间模型的特征向量的估算。本发明能够形成实时分布的中间过渡模型、模型精度高、实用性良好。
-
Patent Agency Ranking
公开(公告)号：CN119478389A
公开(公告)日：2025-02-18
申请号：CN202411402269.2
申请日：2024-10-09
Applicant: 浙江工业大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455 , G06V10/44
Abstract: 一种基于mamba的胰腺CT图像分割方法和装置，其方法包括以下步骤：步骤S1:获取NIH、MSD、临床数据集图像；步骤S2:进行数据预处理和数据增强；步骤S3:设计多尺度mamba UNet分割模型；步骤S4:训练模型，将经过数据增强处理后的图片加载进模型开始训练；步骤S5:验证模型性能。本发明在模型中引入了边缘增强路径，使得模型对胰腺轮廓的分割效果提升。
-
公开(公告)号：CN113052824B
公开(公告)日：2024-10-29
申请号：CN202110333579.3
申请日：2021-03-29
Applicant: 浙江工业大学
IPC: G06T7/00 , G06T7/13 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于局部背景增广和多通道迁移学习的胰腺肿瘤分类方法，首先采用较先进的病理分类模型在胰腺囊性肿瘤ROI进行良/恶性分类预训练，以筛选易混淆的肿瘤图像；接着，对该类图像进行基于GAN的数据增广，以提高易混淆图像的训练集样本量；最后，预训练的分类器在增广后的训练集进行多通道、多阶段的迁移学习，以逐步提高分类器对良/恶性胰腺囊性肿瘤ROI图像的分类准确性。在来自合作医院的胰腺囊性肿瘤CT数据集上的实验证明，本发明的方法的良/恶肿瘤分类性能优于现有的分类方法。
-
公开(公告)号：CN118365950A
公开(公告)日：2024-07-19
申请号：CN202410562360.4
申请日：2024-05-08
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464
Abstract: 一种基于梯度粒度的卷积神经网络领域泛化分类方法，包括以下步骤：步骤1：使用卷积神经网络分别构建模型的特征提取器以及判别分类器；步骤2：设定网络的输入，将不同源域的图片输入至特征提取器中，将经过特征提取器出来的特征进一步输入至判别分类器中；步骤3：分层并切片不同特征在判别分类器中产生的梯度，并对这些分层切片后的梯度进一步进行自适应的主导梯度衰减的平滑操作；步骤4：通过梯度手术对梯度进行修改以去除梯度的冲突方向分量，使用修改完的梯度对模型进行参数更新；步骤5：最小化图片经过分类器产生的伪标签和真实标签之间的误差，对网络进行训练。本发明能够学习到通用的表征，能够应对各种复杂的情景。
-
公开(公告)号：CN117994216A
公开(公告)日：2024-05-07
申请号：CN202410119190.2
申请日：2024-01-29
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/776 , G06V10/25 , G06V10/42 , G06N3/045 , G06N3/0464 , G06N5/04 , G06N3/084
Abstract: 一种面向医学影像肿瘤生境分析的多尺度特征融合病变检测方法，提出了一种基于层内上下文增强模块和跨层特征加权模块的多尺度特征融合网络，从两个角度丰富了特征表示，对现有检测器进行了优化；上下文增强模块利用空洞注意力来捕获病变区域与背景的依赖性，跨层特征加权模块交互不同的特征层，以增强详细的特征表示，这样可以保留低级信息，而不混淆高级语义信息。本发明有利于提高病变检测性能，从而能更轻松的实现生境分析，为医生提供更为准确的预后评估工具。
-
公开(公告)号：CN113470054B
公开(公告)日：2024-04-16
申请号：CN202110670197.X
申请日：2021-06-17
Applicant: 浙江工业大学
IPC: G06V10/26 , G06V10/762 , G06V10/77
Abstract: 一种基于边缘概率的口腔CBCT超像素生成方法，包括以下步骤：1)CT值初始化；2)像素特征映射；3)计算像素密度；4)计算像素距离和决策值；5)生成超像素；6)合并不合理区域。本发明提出了一种鲁棒性强、边缘召回率高、可达分割精度高且自动化的口腔CBCT超像素生成方法，提高了CBCT图像预处理的便捷性和有效性，降低了预处理的图像损失率。
-
-
-
-
-
-
-
-
-
Search Results
191
records
(took 0.023 seconds)
