-
公开(公告)号：CN102054273B
公开(公告)日：2013-02-27
申请号：CN201010539637.X
申请日：2010-11-11
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于单形体三角分解的高光谱遥感图像混合像元分解方法。本发明采用采用线性混合模型，具体步骤包括两部分：端元提取和丰度估计。该方法既是一种单形体类的几何方法，同时又建立在三角分解的代数原理之上。三角分解可采用Cholesky分解和QR分解，能够通过递归操作，在端元提取过程中提高端元的搜索效率。本发明可以有效地提取高光谱遥感数据中的端元，解决相应的混合像元分解问题。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
-
公开(公告)号：CN112101523A
公开(公告)日：2020-12-18
申请号：CN202010857268.2
申请日：2020-08-24
Applicant: 复旦大学附属华山医院
Inventor： 耿道颖 , 于泽宽 , 陈泓亦 , 张军 , 尹波 , 李郁欣 , 吴昊 , 曹鑫 , 张海燕 , 胡斌 , 潘嘉炜 , 鲍奕仿 , 周书怡 , 陆怡平 , 耿辰 , 夏威 , 杨丽琴
Abstract: 本发明提供了一种基于深度学习的CBCT图像跨模态预测CTA图像的卒中风险筛查方法和系统，包括：步骤1：构建循环对抗性生成网络模型；步骤2：通过CBCT图像及其对应的造影图像数据训练循环对抗性生成网络模型；步骤3：将测试图像输入至已训练好的循环对抗性生成网络模型，生成血管造影CT图像；步骤4：根据血管造影CT图像中颈动脉的形态、颈动脉狭窄程度及弯曲度预测卒中风险。本发明基于深度学习模型，将非增强CBCT图像转换为增强CT血管造影图像，进行颈动脉血管分割提取，量化计算颈动脉狭窄程度和弯曲度，进而预测脑卒中风险，为临床获取CTA图像及诊断提供了一种便捷、经济、高效的新途径。
-
公开(公告)号：CN101866424B
公开(公告)日：2013-04-10
申请号：CN201010179325.2
申请日：2010-05-20
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于独立分量分析的高光谱遥感图像混合像元分解方法。本发明根据高光谱图像的物理特性，在独立分量分析的目标函数中引入丰度和为一约束与丰度非负约束，并且提出一种自适应的丰度建模方法来描述数据的概率分布，从而对各种不同的遥感数据都表现出良好的适用性。本方法可以有效地解决高混合度和各种干扰下的遥感数据混合像元分解问题。在基于多光谱和高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111415324A
公开(公告)日：2020-07-14
申请号：CN201910737818.4
申请日：2019-08-09
Applicant: 复旦大学附属华山医院
Abstract: 本发明属图像处理及应用技术领域，具体涉及一种基于磁共振成像的脑病灶图像空间分布特征的分类鉴别方法。本发明方法主要包括病灶分割、个体图像配准、空间标准化、标准空间模板个体化、病灶空间分布特征提取、特征筛选及建模等步骤，核心是通过在个体空间和标准空间的病灶的多种特征分析，构建一套脑病灶图像空间分布特征集的分析方法、并在此基础上使用机器学习进行特征筛选和建模。本方法可用于使用脑磁共振影像进行不同抗体、不同基因等原因导致的不同脑疾病或脑状态的脑病灶图像分类鉴别，为临床及科研提供有效的指导。
-
公开(公告)号：CN111260700A
公开(公告)日：2020-06-09
申请号：CN202010023904.1
申请日：2020-01-09
Applicant: 复旦大学
Abstract: 本发明涉及一种多参数磁共振图像全自动配准与分割方法，包括配准模型与分割模型的联合训练：(1)以多参数磁共振图像中的一个序列为参考图像，其他序列为浮动图像，构建以参考图像为基准并对浮动图像进行配准的配准模型，建立基于图像灰度相似性测度的配准损失函数；(2)构建对参考图像和浮动图像进行目标分割的分割模型，建立关于参考图像与浮动图像的分割损失函数；(3)构建衡量分割模型对参考图像和浮动图像分割结果轮廓相似性的轮廓相似性损失函数以及融合灰度信息与轮廓信息的联合损失函数；(4)交替训练配准模型和分割模型直到满足收敛条件。与现有技术相比，本发明配准与分割可相互促进，有效提升配准与分割精度。
-
公开(公告)号：CN111415324B
公开(公告)日：2024-03-08
申请号：CN201910737818.4
申请日：2019-08-09
Applicant: 复旦大学附属华山医院
IPC: G06V10/764 , G06T7/136 , G06T7/00
-
公开(公告)号：CN102054273A
公开(公告)日：2011-05-11
申请号：CN201010539637.X
申请日：2010-11-11
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于单形体三角分解的高光谱遥感图像混合像元分解方法。本发明采用采用线性混合模型，具体步骤包括两部分：端元提取和丰度估计。该方法既是一种单形体类的几何方法，同时又建立在三角分解的代数原理之上。三角分解可采用Cholesky分解和QR分解，能够通过递归操作，在端元提取过程中提高端元的搜索效率。本发明可以有效地提取高光谱遥感数据中的端元，解决相应的混合像元分解问题。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号：CN101866424A
公开(公告)日：2010-10-20
申请号：CN201010179325.2
申请日：2010-05-20
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于独立分量分析的高光谱遥感图像混合像元分解方法。本发明根据高光谱图像的物理特性，在独立分量分析的目标函数中引入丰度和为一约束与丰度非负约束，并且提出一种自适应的丰度建模方法来描述数据的概率分布，从而对各种不同的遥感数据都表现出良好的适用性。本方法可以有效地解决高混合度和各种干扰下的遥感数据混合像元分解问题。在基于多光谱和高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有重要的应用价值。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
