-
公开(公告)号：CN116542999A
公开(公告)日：2023-08-04
申请号：CN202310449875.9
申请日：2023-04-23
Applicant: 安徽大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明涉及一种基于DenseSIFT特征的脑区轮廓快速推荐方法，包括：获取2D序列生物脑图像，进行图像纹理增强；对图像进行脑区轮廓线标记，通过轮廓线采样轮廓点；计算脑区轮廓点法线方向上的多个像素点坐标；计算DenseSIFT特征；计算欧式距离，得到初始轮廓推荐点集S；进行初始轮廓推荐点筛选，得到矫正后的轮廓推荐点；通过贝塞尔曲线对矫正后的轮廓推荐点进行拟合得到推荐轮廓线。相较于目前流行的机器学习方法，本发明无需训练数据集即可对轮廓进行推荐，因此解决了新数据或者新脑区缺少人工标注数据集的问题，方法泛用性很强，极大降低了由于点密集导致的推荐轮廓不均匀以及速度慢的问题，准确率高，耗时短。
-
公开(公告)号：CN115588032A
公开(公告)日：2023-01-10
申请号：CN202210781602.X
申请日：2022-07-01
Applicant: 安徽大学
Abstract: 本发明提供了一种基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法，通过三维仿射变换处理三维的待配准特征点、模板特征点；利用经过仿射变换矩阵处理的待配准特征点与模板特征点，并基于CUDA架构中cublas和cusolver中的函数，计算得到薄板样条形变参数矩阵；通过获得的薄板样条形变参数矩阵进行待配准三维图像坐标逆变换，并进行三线性插值。通过利用GPU的并行架构对大矩阵代数运算、线性插值做了并行化，实现了薄板样条变换形变参数矩阵计算及线性插值的快速计算，有效提升了图像配准算法的运行效率。
-
Patent Agency Ranking
公开(公告)号：CN115063794A
公开(公告)日：2022-09-16
申请号：CN202210677321.X
申请日：2022-06-15
Applicant: 安徽大学
Abstract: 本发明提出了一种秀丽隐杆线虫全身细胞自动识别的方法，通过基于秀丽隐杆线虫数据集构建包含细胞位置信息和拓扑结构信息的统计学图谱；其中，图谱包含平均空间位置ASP、空间位置方差SLV、拓扑结构方差TSV；获得细胞中心位置，通过人工标注或者自动分割细胞获得测试样本线虫中细胞质心位置；基于点集配准获得细胞位置和图谱的初始匹配关系；并基于统计图谱迭代优化细胞位置与图谱的匹配关系；基于图谱中已知的细胞身份通过匹配关系自动识别细胞。通过构件秀丽隐杆线虫全身细胞统计学图谱，基于包含细胞位置和拓扑结构等多种先验信息的统计学图谱实现了线虫全身细胞的自动识别。
-
-
公开(公告)号：CN116152071A
公开(公告)日：2023-05-23
申请号：CN202310215727.0
申请日：2023-03-08
Applicant: 安徽大学
Abstract: 本发明涉及一种多视角各向异性三维图像的融合重建方法，包括：获取小型哺乳动物器官的三幅正交的MRI图像；使三幅正交的MRI图像的空间比例达到一致，得到图像I1、I2和I3；提取参考图像R1上的特征点；利用得出的参考图像和浮动图像对应的两组特征点对之间的对应关系计算参考图像和浮动图像的仿射变换矩阵；得到两幅生成图像R2、R3；得到过亮度调整后的三幅图像R1’、R2’和R3’；得到一幅三维各向同性图片即最终输出图像Io。本发明将不同视角的三幅图像进行精确的拼接对齐，通过对多幅正交的低层间分辨率图像的融合重建，使原本低分辨率的图像的清晰度得到很大提升，为小型哺乳动物的器官功能研究提供了高清图像数据支持。
-
公开(公告)号：CN115984098A
公开(公告)日：2023-04-18
申请号：CN202310015937.5
申请日：2023-01-06
Applicant: 安徽大学
Abstract: 本发明涉及一种基于CUDA加速的超大三维图像形变方法，包括：通过仿射变换计算两组配准特征点的仿射变换矩阵；对目标图像进行分块，对分块后得到的每个小块图像块进行图像形变：利用仿射变换矩阵，通过CUDA实现三维图像体素遍历并行化操作；读取形变后的3D图像块，拼接成原始图像尺寸的2D连续序列图像。本发明利用对目标图像进行分块的原理，并利用GPU的并行架构加速图像线性插值的计算过程，在解决可以针对超大三维图像进行形变的同时又有效的提升了图像配准的运行效率；实验证明本方法在CPU为i5‑10400F、GPU为RTX‑3060、内存为16G的平台下，可以处理大于计算机内存2倍的超大三维图像数据，并获得了大约11倍的加速比，极大的缩短了形变配准的时间。
-
公开(公告)号：CN114494225A
公开(公告)日：2022-05-13
申请号：CN202210127706.9
申请日：2022-02-11
Applicant: 安徽大学
Abstract: 本发明涉及一种基于形状特征的纸管破损缺陷检测方法，包括：获取纸管图像，图像降采样；图像灰度化；高斯滤波，像素变换操作；二值化处理；边缘轮廓绘制，获取所有轮廓的面积；根据迭代方法保留最大轮廓面积，最大轮廓面积所对应的轮廓为最大轮廓，绘制最大轮廓的最小外接圆，获取最小外接圆的圆心和半径；对最小外接圆进行图像掩膜分割，获取最终轮廓的圆形度；根据最终轮廓的圆形度进行判断。本发明综合考虑了工业生产所成像造成的纸管的各种背景干扰以及背景的特点与分布，从而完全去除背景的干扰而不影响原图像中有用的前景信息，成功对纸管的形状特征输出，并且对纸管破损缺陷检测的准确率高、耗时短。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
