-
Patent Agency Ranking
公开(公告)号：CN116664467A
公开(公告)日：2023-08-29
申请号：CN202310677578.X
申请日：2023-06-09
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于交叉神经网络和ECA‑S的多模态医学图像融合方法，属于医学图像分析领域，该方法在融合网络模型中以两种单模态医学图像作为输入，通过结构功能模块和功能结构模块交叉提取图像特征信息，能够实现结构信息和功能信息之间的交互，从而很好地提取医学图像的纹理细节信息，将提取的特征信息采用ECA‑S注意力机制通过不断调整结构信息和功能信息权重来融合图像，在分解网络模型中，由残差网络组成的分解网络迫使融合图像包含更丰富的信息。本发明采用交叉网络、改进注意力机制和分解网络的结合实现多模态医学图像融合，融合后的图像纹理细节和对比度处理更为细致，算法复杂度更低，实现了已有方法的优化和已有技术的升级。
-
公开(公告)号：CN119445114A
公开(公告)日：2025-02-14
申请号：CN202411542440.X
申请日：2024-10-31
Applicant: 兰州交通大学
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及接触网吊弦的识别方法，具体涉及一种基于YOLOv10n的轻量化有遮挡接触网吊弦识别方法，解决现有的接触网吊弦识别方法难以识别复杂天气、不同光照条件下有遮挡接触网吊弦的技术问题。本发明基于YOLOv10n的轻量化有遮挡接触网吊弦识别方法，利用线性变换从现有特征中生成了更多的特征图，在不降低性能的情况下显著减少了运算成本，利用批归一化的通道注意力机制对各通道赋予权重系数，然后对各通道的特征进行合并，在提高运算效率的同时突出显著特征，能够在雨雪雾等恶劣天气或者树枝遮挡场景下很好地识别接触网吊弦，运算量小，识别效率和准确率高。
-
公开(公告)号：CN116664462A
公开(公告)日：2023-08-29
申请号：CN202310568133.8
申请日：2023-05-19
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于MS‑DSC和I_CBAM的红外和可见光图像融合方法，属于图像融合技术领域，该方法采用MS‑DSC对已配准的源图像进行特征提取，既克服单一尺度特征提取不足，又分别考虑了图像区域中的通道信息和空间信息，在减少参数的同时增强了网络表达能力，能更准确的提取目标对象的特征信息，将提取的特征信息采用I_CBAM从通道和空间两方面对图像的显著信息聚焦，抑制无用通道信息确保在融合时所有的显著特征都可以被利用，提升融合质量。本发明采用的I_CBAM算法是对原有算法的进一步改进，不仅展现了注意力机制在图像处理中的独特优势，而且在保留显著特征信息的同时降低了模型复杂度，通过与其他算法相结合，实现了纹理细节和场景信息清晰化，提升了融合质量。
-
公开(公告)号：CN116664467B
公开(公告)日：2025-04-29
申请号：CN202310677578.X
申请日：2023-06-09
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于交叉神经网络和ECA‑S的多模态医学图像融合方法，属于医学图像分析领域，该方法在融合网络模型中以两种单模态医学图像作为输入，通过结构功能模块和功能结构模块交叉提取图像特征信息，能够实现结构信息和功能信息之间的交互，从而很好地提取医学图像的纹理细节信息，将提取的特征信息采用ECA‑S注意力机制通过不断调整结构信息和功能信息权重来融合图像，在分解网络模型中，由残差网络组成的分解网络迫使融合图像包含更丰富的信息。本发明采用交叉网络、改进注意力机制和分解网络的结合实现多模态医学图像融合，融合后的图像纹理细节和对比度处理更为细致，算法复杂度更低，实现了已有方法的优化和已有技术的升级。
-
公开(公告)号：CN116664462B
公开(公告)日：2024-01-19
申请号：CN202310568133.8
申请日：2023-05-19
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于MS‑DSC和I_CBAM的红外和可见光图像融合方法，属于图像融合技术领域，该方法采用MS‑DSC对已配准的源图像进行特征提取，既克服单一尺度特征提取不足，又分别考虑了图像区域中的通道信息和空间信息，在减少参数的同时增强了网络表达能力，能更准确的提取目标对象的特征信息，将提取的特征信息采用I_CBAM从通道和空间两方面对图像的显著信息聚焦，抑制无用通道信息确保在融合时所有的显著特征都可以被利用，提升融合质量。本发明采用的I_CBAM算法是对原有算法的进一步改进，不仅展现了注意力机制在图像处理中的独特(56)对比文件CN 116071281 A,2023.05.05US 2019080431 A1,2019.03.14US 2022044374 A1,2022.02.10Zhishe Wang et al.Infrared andVisible Image Fusion via InteractiveCompensatory Attention AdversarialLearning.arXiv.2022,全文.Hui Li et al.Infrared and visibleimage fusion using a novel deepdecomposition method.arXiv.2018,全文.邵毅明;屈治华;邓天民;宋晓华.基于加权密集连接卷积网络的快速交通标志检测.交通运输系统工程与信息.2020,(第02期),全文.赵斌;王春平;付强.显著性背景感知的多尺度红外行人检测方法.电子与信息学报.2020,(第10期),全文.陈潮起;孟祥超;邵枫;符冉迪.一种基于多尺度低秩分解的红外与可见光图像融合方法.光学学报.2020,(第11期),全文.
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
