-
公开(公告)号：CN110223331B
公开(公告)日：2021-12-07
申请号：CN201910289162.4
申请日：2019-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开一种大脑MR医学图像配准方法，包括1采用BCFCM方法对参考图像和浮动图像进行分割；2采用MSR检测方法对原始参考图像和原始浮动图像进行对称轴检测并提取对称轴方程；3对步骤1处理后图像进行阈值分割；4根据步骤2所检测的对称轴方程对步骤3处理后图像进行近似对称性约束，所得图像记为待配准的参考图像和浮动图像；5初始化刚体变换矩阵配准参数；6通过SSD相似性度量准则配准图像，得最优变换矩阵配准参数。以BCFCM方法对参考图像、浮动图像分割；分割后的图像通过二值化阈值处理分离前背景，对二值化后处理的图像进行对称性约束并用于SSD框架下的多模态图像配准。使其配准效率、精度及鲁棒性都提升。
-
Patent Agency Ranking
公开(公告)号：CN110634141A
公开(公告)日：2019-12-31
申请号：CN201910887555.5
申请日：2019-09-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进直觉模糊c均值聚类的图像分割方法及存储介质，所述方法包括以下步骤：1)根据图像的局部像素灰度信息，计算其最大占优抑制相似度函数；2)计算像素的模糊集的隶属度；3)构建非线性的模糊补函数，计算模糊集的非隶属度和犹豫度；4)根据上述的隶属度、非隶属度和犹豫度，将图像数据直觉模糊化；5)根据图像像素的局部空间关系，构建直觉模糊因子；6)根据直觉模糊因子，在直觉模糊集中进行求解最优化；7)根据最优化求解利用聚类算法进行图像分割。本发明解决了现有方法对噪声敏感和数据的不确定性问题，有效的提高图像分割的质量，应用到MRI人脑图像中可以很好的抑制噪声，还能很好的表现图片细节。
-
公开(公告)号：CN109345563A
公开(公告)日：2019-02-15
申请号：CN201811072276.5
申请日：2018-09-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于低秩稀疏分解的运动目标检测方法，包括以下步骤：一是根据结构化分布的稀疏信号，构造具有重叠块结构的结构化稀疏诱导范数表达式；二是将上述的结构化稀疏诱导范数表达式扩展，得到应用于视频的最终结构化稀疏诱导范数表达式；三是将低秩稀疏分解算法中的稀疏部分S进一步分为动态背景E和前景运动目标F；四是结合上述结构化稀疏诱导范数表达式和稀疏部分的近一步划分，获得最终的低秩稀疏分解模型；五是对所获取的低秩稀疏分解模型求解，根据所求得解得到前景目标。本发明在前景目标检测上，特别是针对具有动态背景下的运动目标检测上，提取的前景目标无论是从视觉效果，还是从F-measure值都优于其他模型提取的前景目标。
-
公开(公告)号：CN110223331A
公开(公告)日：2019-09-10
申请号：CN201910289162.4
申请日：2019-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开一种大脑MR医学图像配准方法，包括1采用BCFCM方法对参考图像和浮动图像进行分割；2采用MSR检测方法对原始参考图像和原始浮动图像进行对称轴检测并提取对称轴方程；3对步骤1处理后图像进行阈值分割；4根据步骤2所检测的对称轴方程对步骤3处理后图像进行近似对称性约束，所得图像记为待配准的参考图像和浮动图像；5初始化刚体变换矩阵配准参数；6通过SSD相似性度量准则配准图像，得最优变换矩阵配准参数。以BCFCM方法对参考图像、浮动图像分割；分割后的图像通过二值化阈值处理分离前背景，对二值化后处理的图像进行对称性约束并用于SSD框架下的多模态图像配准。使其配准效率、精度及鲁棒性都提升。
-
公开(公告)号：CN109345563B
公开(公告)日：2022-05-10
申请号：CN201811072276.5
申请日：2018-09-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于低秩稀疏分解的运动目标检测方法，包括以下步骤：一是根据结构化分布的稀疏信号，构造具有重叠块结构的结构化稀疏诱导范数表达式；二是将上述的结构化稀疏诱导范数表达式扩展，得到应用于视频的最终结构化稀疏诱导范数表达式；三是将低秩稀疏分解算法中的稀疏部分S进一步分为动态背景E和前景运动目标F；四是结合上述结构化稀疏诱导范数表达式和稀疏部分的近一步划分，获得最终的低秩稀疏分解模型；五是对所获取的低秩稀疏分解模型求解，根据所求得解得到前景目标。本发明在前景目标检测上，特别是针对具有动态背景下的运动目标检测上，提取的前景目标无论是从视觉效果，还是从F‑measure值都优于其他模型提取的前景目标。
-
公开(公告)号：CN110634141B
公开(公告)日：2022-02-11
申请号：CN201910887555.5
申请日：2019-09-19
Applicant: 南京邮电大学
IPC: G06T7/10 , G06K9/62 , G06V10/762 , G06V10/764 , G06V10/26
Abstract: 本发明公开了一种基于改进直觉模糊c均值聚类的图像分割方法及存储介质，所述方法包括以下步骤：1)根据图像的局部像素灰度信息，计算其最大占优抑制相似度函数；2)计算像素的模糊集的隶属度；3)构建非线性的模糊补函数，计算模糊集的非隶属度和犹豫度；4)根据上述的隶属度、非隶属度和犹豫度，将图像数据直觉模糊化；5)根据图像像素的局部空间关系，构建直觉模糊因子；6)根据直觉模糊因子，在直觉模糊集中进行求解最优化；7)根据最优化求解利用聚类算法进行图像分割。本发明解决了现有方法对噪声敏感和数据的不确定性问题，有效的提高图像分割的质量，应用到MRI人脑图像中可以很好的抑制噪声，还能很好的表现图片细节。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
