-
公开(公告)号：CN114937011B
公开(公告)日：2024-05-28
申请号：CN202210539170.1
申请日：2022-05-12
Applicant: 北京航空航天大学
IPC: G06T7/00 , G06T7/11 , G06T5/10 , G06T5/20 , G06V10/762 , G06V10/764
Abstract: 一种基于经验Garbor小波变换的光伏电池图像异常检测方法，其步骤如下：一、构建经验Gabor小波变换，首先需要在傅里叶频域中检测支撑从而获得对应的小波基函数构成滤波器组，然后使用这个滤波器组对输入信号进行滤波从而得到其变换分量。二、纹理结构分离。将输入图像分解为结构和纹理部分，其纹理部分有足够的可分离模态，再对结构部分进行分割，最终融合提取的信息，得到唯一的最终分割。三、小波特征提取。通过构建经验小波变换，利用特征提取方法对于每个像素点构建特征向量。四、小波系数预处理。五、纹理分类，提取异常缺陷。通过以上步骤，可对光伏电池图像中异常区域自动检测，有效提高工业生产中产品质量。
-
公开(公告)号：CN114255296B
公开(公告)日：2024-04-26
申请号：CN202111587397.5
申请日：2021-12-23
Applicant: 北京航空航天大学
IPC: G06T11/00 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于单幅X射线影像的CT影像重建方法及装置，该方法包括：训练数据预处理，获取N个患者的4D CT影像，对每个患者构建呼吸模型，对每个呼吸模型生成M个呼吸时相下的3D CT影像；对3D CT影像生成K个角度下的数字重建影像；模型训练，以数字重建影像为输入，以3D CT影像为学习目标，送入深度学习神经网络训练得到CT影像重建网络；CT影像重建，将单幅X射线影像送入CT影像重建网络，获取根据单幅X射线影像重建的3D CT影像。本发明提供的技术方案，根据人体解剖结构受到严格限制的特性，引入基于深度学习的方法学习单幅X射线影像到3D CT影像的映射，从而缓解了无法在手术中实时获取3D CT影像的技术问题。
-
公开(公告)号：CN116385409A
公开(公告)日：2023-07-04
申请号：CN202310376585.6
申请日：2023-04-11
Applicant: 北京航空航天大学
IPC: G06T7/00 , G06T7/11 , G06N3/045 , G06N3/0895
Abstract: 本申请公开了一种基于双路自监督分支的医学影像分割方法，该方法包括：提供样本影像序列；网络训练，将有标注的数据送入第一深度学习网络训练，根据有标注数据的标签，计算第一深度学习网络的第一损失函数；将无标注的数据送入第一深度学习网络，输出第一特征图,将无标注的数据送入第二深度学习网络，输出第二特征图；根据第一特征图与第二特征图计算伪标签；根据伪标签,计算第一深度学习网络及第二深度学习网络的第二损失函数；迭代训练,直至第一损失函数及第二损失函数的加权和小于预置值。本申请提出的技术方案，缓解了现有基于深度学习神经网络的训练对于有标注数据的依赖，提高了深度学习神经网络的训练效率。
-
公开(公告)号：CN109522813B
公开(公告)日：2023-06-06
申请号：CN201811241020.2
申请日：2018-10-24
Applicant: 北京航空航天大学
Abstract: 一种基于行人显著特征的改进随机游走算法，其步骤如下：一：图像预处理；二：基于全局对比度的亮度显著性计算；三：基于行人形状特征计算形状显著；四：改进随机游走；通过以上步骤，针对红外行人图像能得到很好的显著性检测结果，行人被完整地突出，而背景几乎被完全抑制，在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。
-
公开(公告)号：CN115006744A
公开(公告)日：2022-09-06
申请号：CN202210633853.3
申请日：2022-06-06
Applicant: 中国医学科学院肿瘤医院 , 陕西华明普泰医疗设备有限公司 , 清华大学 , 北京理工大学 , 北京航空航天大学 , 北京帕特斯科技有限公司 , 慧影医疗科技(北京)股份有限公司 , 北京信息科技大学
IPC: A61N5/10
Abstract: 本发明涉及一种图像引导的放射治疗装置及控制方法。根据一具体实施例，所述放射治疗装置包括：治疗单元，其包括治疗头，所述治疗头用于产生放射治疗的射线；成像单元，其用于对患者靶区进行成像，所述成像单元与所述治疗头一体安装；以及计划单元，其通过线缆与所述治疗单元和所述成像单元连接。本发明的放射治疗装置可适用于体外放疗和术中放疗，并且具有较高的放疗精度。
-
Patent Agency Ranking
公开(公告)号：CN112183330B
公开(公告)日：2022-06-28
申请号：CN202011036882.9
申请日：2020-09-28
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于点云的目标检测方法，方法包括：采用最远点取样FPS对点云采样得到点的集合A；采用第一PointSIFT网络提取集合A的特征集合B；根据特征集合B，将集合A中的点分为前景点和背景点；对每一个前景点回归一个三维候选框，组成第一候选框集合C1；采用NMS算法抑制噪声，合并置信度高的候选框，组成第二候选框集合C2；将集合C2中所有候选框内的点池化并转换到规范坐标，得到集合D；将集合D与集合B作为第二PointSIFT网络的输入，提取集合D中置信度高于第三阈值的候选框作为目标。相比于现有技术，本发明方案采用PointSIFT进行特征提取，以捕捉不同方向的局部特征，引入NMS算法来减少噪声点和离群点的影响，减少了目标检测的计算量，也提高了准确度。
-
公开(公告)号：CN112115864B
公开(公告)日：2022-05-17
申请号：CN202010987023.1
申请日：2020-09-18
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种红外图像及深度图像双模态目标分割方法及装置，方法包括：将红外图像及深度图像分别送入卷积神经网络，红外图像经过第i个卷积层后生成红外特征图序列Ri，深度图像经过第i个卷积层后生成深度特征图序列Di；将Di经过若干次卷积与线性修正后，与Ri相加得到Ti，将Ti经过池化操作或线性插值后得到分辨率相同的融合特征图序列Fi；将Di经过池化和卷积后进行softmax处理得到深度引导向量VF。相比于现有技术，本发明技术方案将深度图像进行HHA编码，更利于卷积神经网络特征的学习；将红外特征图序列和深度特征图序列进行逐级融合，并提出了采用分层累加多尺度特征融合方式，促进了目标特征提取，从而提升了目标分割的效能。
-
公开(公告)号：CN112587808B
公开(公告)日：2022-03-01
申请号：CN202011440439.8
申请日：2020-12-08
Applicant: 北京航空航天大学
IPC: G01T1/02
Abstract: 本发明公开了一种粒子支架剂量分布计算方法，包括：建立粒子支架的三维模型，在三维模型中预置若干放射性粒子的安装位置；利用蒙特卡罗仿真，计算单个放射性粒子在包含粒子支架三维模型时水模空间中的剂量分布；利用蒙特卡罗仿真，计算单个放射性粒子在无粒子支架三维模型时的水模空间中剂量分布；利用TG‑43方法计算单个放射性粒子在水模中剂量分布；计算单个放射性粒子在水模中的剂量分布修正值。相比于现有技术，本发明技术方案根据粒子支架三维模型进行蒙特卡罗仿真，比简化模型具有更高的精度；通过引入修正值，对TG‑43方法计算得到的剂量分布进行优化，得到了更为准确的粒子支架剂量分布。
-
公开(公告)号：CN113792761A
公开(公告)日：2021-12-14
申请号：CN202110957831.8
申请日：2021-08-20
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于Gabor特征与EMAP特征的遥感图像分类方法，包括步骤：从遥感图像中提取Gabor特征并构建Gabor特征核，同时从遥感图像中提取EMAP特征并构建EMAP特征核；利用特征复合核框架，融合构建的Gabor特征核和EMAP特征核，获得特征复合核；基于获得的特征复合核，通过多项逻辑回归模型对遥感图像中的样本进行分类。本发明通过融合Gabor特征与EMAP特征联合光谱信息与空间信息，避免了原始光谱数据的不利影响，克服了类别不均衡、样本数量少的问题，有效解决了由于光谱信息相关性较强导致的信息冗余问题，提高了分类精度。
-
公开(公告)号：CN111563903B
公开(公告)日：2021-05-28
申请号：CN202010337402.6
申请日：2020-04-26
Applicant: 北京航空航天大学
IPC: G06T7/11
Abstract: 本发明公开一种基于深度学习的MRI全脑组织分割系统，包括：图像数据预处理模块，用于对MR脑图像进行预处理；图像分块模块，用于将经过预处理后的图像分块；多先验特征网络模型构建模块，用于基于对称先验、边缘先验和邻域先验特征信息构建多先验特征网络模型；训练模块，用于利用训练集对多先验特征网络模型进行训练；标签融合模块，用于确定MR脑图像中每个像素的最终分割结果；逆仿射变换模块，用于在确定MR脑图像中每个像素的最终分割结果之后，完成MR脑图像从MNI空间到原始图像空间的变换操作。本发明通过引入多种先验特征，使得分割结果更加精准、脑组织间边缘更加清晰以及细节更加丰富。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.024 seconds)
