-
公开(公告)号：CN117974632B
公开(公告)日：2024-06-07
申请号：CN202410361413.6
申请日：2024-03-28
Applicant: 大连理工大学
Abstract: 本发明属于工业CT和人工智能领域，公开一种基于分割大模型的锂电池CT阴阳极对齐度检测方法。在锂电池的生产过程中，锂电池阴极和阳极的对齐度检测是锂电池制造质量控制的关键环节之一。本发明基于分割大模型Segment Anything对锂电池CT图像的电极延伸区进行分割，接着利用电极延伸区的灰度信息去除原始CT图像中的背景干扰，然后基于滑窗灰度计算完成对锂电池阴极和阳极边缘像素提取，最后根据所得的锂电池电极边缘像素完成对锂电池阴阳极片对齐度的计算和判断。本发明可以实现锂电池阴阳极对齐度的自动化计算，同时不需要大量的标注数据进行训练，且比仅使用传统图像处理算法的检测方法更具稳定性和泛化性。
-
公开(公告)号：CN113052935A
公开(公告)日：2021-06-29
申请号：CN202110308254.X
申请日：2021-03-23
Applicant: 大连理工大学
Abstract: 本发明属于计算机断层图像重建(CT)领域，尤其涉及利用深度学习技术以渐进学习的方式从单张X射线图像重建出目标的CT图像，具体为渐进式学习的单视角CT重建方法。通过渐进式学习的方式训练本发明所设计的CT重建网络，一方面能够有效地提高重建的CT图像质量，为未来癌症病人的精准放疗提供有效的图像引导信息。另一方面能够极大降低X射线辐射的总量，减少病人在多次CT检查时受到的辐射损伤和潜在风险。
-
公开(公告)号：CN108765319B
公开(公告)日：2020-08-14
申请号：CN201810466330.8
申请日：2018-05-09
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于生成对抗网络的图像去噪方法，属于计算机视觉技术领域。步骤如下：(1)设计神经网络对于含噪图像噪声强度进行估计；(2)依据估计的噪声强度，采用图像库中图像块添加该强度噪声作为训练网络的样本；(3)在训练网络时，设计全新的生成网络与判别网络。采用固定生成网络训练判别网络，固定判别网络参数训练生成网络的形式，使网络进行对抗训练。(4)采用训练后的生成网络作为去噪网络，依据噪声识别网络得到的结果选择网络参数，对含噪图像进行去噪。本发明的效果和益处是提高了去噪图像的视觉效果，无需人工干预调整参数，并且可以更好的恢复图像的纹理细节。
-
公开(公告)号：CN106175669B
公开(公告)日：2018-11-09
申请号：CN201610494411.X
申请日：2016-06-29
Applicant: 大连理工大学
IPC: A61B5/00
Abstract: 本发明提供了基于改进的计算机层析成像的手部建模方法，属于图像处理领域中的三维成像技术领域。采用改进的计算机层析成像方法来实现对手的三维建模。首先在传统的计算机层析成像系统的基础上，采用了可见光来代替原来的X射线，避免了射线对人体辐射的同时降低了系统的成本。其次，由于可见光下投影值发生了改变，所以对原有的平行束重建算法进行了改进，从而实现了可见光下重建物体断层轮廓。本发明的效果和益处是通过对手部断层轮廓的重建就可以直接得到手部的完整三维信息，避免了已有三维测量方法在获取手部完整三维信息时的点云配准困难的问题。相对于传统的计算机层析成像方法，本发明克服了原有系统一般比较昂贵并且对人体有辐射的问题。
-
公开(公告)号：CN106898048A
公开(公告)日：2017-06-27
申请号：CN201710034517.6
申请日：2017-01-19
Applicant: 大连理工大学
Abstract: 本发明提出了一种适用于复杂场景下无畸变集成成像三维显示方法，该方法首先利用Kinect获取三维场景的彩色图像和深度图像，并针对深度图像与彩色图像边界不一致问题，结合边缘信息进行干扰消除；然后，进一步针对深度图像的黑洞区域提出联合三边滤波进行填充，并将联合三边滤波器中的值域滤波器进行自适应处理消除深度图像的伪影效应；最后利用光场数学模型得到复杂场景的基元图像阵列，实现无畸变的三维集成成像显示。本发明不仅可以有效克服记录复杂场景时微透镜阵列的物理局限性，而且可以实现对复杂场景的无畸变集成成像三维显示。
-
Patent Agency Ranking
公开(公告)号：CN106204676A
公开(公告)日：2016-12-07
申请号：CN201610545342.0
申请日：2016-07-12
Applicant: 大连理工大学
IPC: G06T11/00
CPC classification number: G06T11/006 , G06T2211/421
Abstract: 本发明提供了基于Mojette变换的CT重建方法，属于计算机层析成像技术领域。该方法建立了投影像元与当前待重建像素间的对应关系，根据投影像元的不同重建次序形成当前待重建像素不同的重建路径，分析了不同重建路径对应不同迭代次数和噪声累积量，找到了最少迭代次数的迭代重建算法，解决了迭代重建过程中噪声在重建路径上繁衍到一个很大数值的问题，使得基于最优重建路径的重建算法在小噪声条件下也能重构出效果最好的重建图像。本发明在有限投影集的情况下，提出了最少迭代次数的迭代重建算法，减少了投影更新次数，避免了重建路径上极小的噪声也会在求解的迭代过程中不断被放大，保证少量的噪声条件下也能重构出效果最好的重建图像。
-
公开(公告)号：CN104596486B
公开(公告)日：2016-08-17
申请号：CN201410787089.0
申请日：2014-12-15
Applicant: 大连理工大学
IPC: G01C11/08
Abstract: 基于目标旋转对称特征的位姿测量方法，属于计算机视觉测量技术领域。其特征是本发明所要测量的目标上的图案具有旋转对称性，拍摄一幅包含实际图案投影的目标图片，根据实际图案的旋转对称性通过径向展开变换和低秩特征恢复的方法由目标图片恢复出对正图片，根据实际图案上的点在目标图片和对正图片上投影点之间的关系解出目标的位姿参数。本发明的效果和益处是，利用一幅具有旋转对称特征的图案即可完成目标位姿的测量，将视觉测量问题与图像本身的对称性建立了联系，不需要提取图像的底层特征，减少了人工干预，易于实现自动化，能够保证测量精度。
-
公开(公告)号：CN103313255B
公开(公告)日：2016-05-04
申请号：CN201310248168.X
申请日：2013-06-20
Applicant: 大连理工大学
CPC classification number: Y02D70/00
Abstract: 本发明涉及通信领域，公开了一种蜂窝网中实现蜂窝间干扰控制和节能的分布式方法。首先，该方法在假设基站能够获取其服务的用户的信道信息的基础上，将整个网络的资源分配状态与基站工作状态列在一个优化方程中，以中心式的方式取得整个网络的最大能量有效性。然后，根据数学上的一些近似，将中心式算法转化成线性的优化问题。最后，采用原始分解法与投影次梯度法，将中心式算法转化成近似的分布式算法，使每个蜂窝只需其邻近蜂窝的信息就可动态的做出资源分配与基站工作状态的近似最优决策，以近似地达到整个网络的最大能量有效性。
-
公开(公告)号：CN104596486A
公开(公告)日：2015-05-06
申请号：CN201410787089.0
申请日：2014-12-15
Applicant: 大连理工大学
IPC: G01C11/08
Abstract: 基于目标旋转对称特征的位姿测量方法，属于计算机视觉测量技术领域。其特征是本发明所要测量的目标上的图案具有旋转对称性，拍摄一幅包含实际图案投影的目标图片，根据实际图案的旋转对称性通过径向展开变换和低秩特征恢复的方法由目标图片恢复出对正图片，根据实际图案上的点在目标图片和对正图片上投影点之间的关系解出目标的位姿参数。本发明的效果和益处是，利用一幅具有旋转对称特征的图案即可完成目标位姿的测量，将视觉测量问题与图像本身的对称性建立了联系，不需要提取图像的底层特征，减少了人工干预，易于实现自动化，能够保证测量精度。
-
公开(公告)号：CN103313255A
公开(公告)日：2013-09-18
申请号：CN201310248168.X
申请日：2013-06-20
Applicant: 大连理工大学
CPC classification number: Y02D70/00
Abstract: 本发明涉及通信领域，公开了一种蜂窝网中实现蜂窝间干扰控制和节能的分布式方法。首先，该方法在假设基站能够获取其服务的用户的信道信息的基础上，将整个网络的资源分配状态与基站工作状态列在一个优化方程中，以中心式的方式取得整个网络的最大能量有效性。然后，根据数学上的一些近似，将中心式算法转化成线性的优化问题。最后，采用原始分解法与投影次梯度法，将中心式算法转化成近似的分布式算法，使每个蜂窝只需其邻近蜂窝的信息就可动态的做出资源分配与基站工作状态的近似最优决策，以近似地达到整个网络的最大能量有效性。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.035 seconds)
