-
Patent Agency Ranking
公开(公告)号：CN105741299A
公开(公告)日：2016-07-06
申请号：CN201610074357.3
申请日：2016-02-02
Applicant: 河北大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10081 , G06T2207/30101
Abstract: 本发明提供了一种冠状动脉CT血管造影图像分割方法。该方法包括如下步骤：首先对CTA图像进行预处理，包括中值滤波和阈值分割，预处理后得到二值图像；之后标记二值图像中所有的连通区域，并求各连通区域的特征信息；再利用特征匹配机制判断冠脉是否分裂；在初始的十几帧图像中利用特征匹配机制对目标进行追踪，之后利用卡尔曼对目标进行追踪。通过特征匹配机制和卡尔曼滤波器相结合对目标进行追踪，可以解决部分特殊形态下目标区域的追踪，提高了目标区域的追踪准确率。而且，整个追踪过程由特征匹配机制来判断图像中的冠脉是否发生了分裂，准确地判断出冠脉是否发生了分裂及分裂为哪几部分，可进一步保证追踪的精确性。
-
公开(公告)号：CN105726018A
公开(公告)日：2016-07-06
申请号：CN201610083983.9
申请日：2016-02-06
Applicant: 河北大学
IPC: A61B5/0402
CPC classification number: A61B5/0402 , A61B5/7235
Abstract: 本发明涉及一种与RR间期无关的房颤自动检测方法，该方法先对所获取的人体ECG信号进行滤波处理，检测其QRS波群，然后将检测出的QRS波群从小波阈值法滤波后的ECG信号中去除，得到若干分离的数据段，采用傅立叶插值算法将每个数据段归一化为一个128字节的向量，然后分别计算相邻向量所对应心拍的相干谱及每个心拍内的分段频率特征，并采用卷积神经网络进行处理，得分类结果，然后对两个卷积神经网络的分类结果进行投票，实现对房颤信号的识别。本发明的方法真正实现与RR间期特征无关；不需要进行P波检测，具有较高的鲁棒性。
-
公开(公告)号：CN105550677B
公开(公告)日：2018-08-24
申请号：CN201610074161.4
申请日：2016-02-02
Applicant: 河北大学
IPC: G06K9/00
Abstract: 本发明公开了一种3D掌纹认证方法，该方法是先对3D掌纹进行预处理，变为一维图像，然后计算类内图相对和类间图相对的相干系数并作为新样本，使用新样本对堆栈式降噪自动编码机进行训练，提取到新样本特征，并得到训练好的降噪自动编码机；然后基于real adaboost算法和前一步骤提取到的新样本特征训练若干弱分类器，这些弱分类器的组合构成强分类器；然后用户输入一幅新的3D掌纹图像，与样本库预存的该用户的3D掌纹图像进行比对，判断它们属于同类还是异类。本发明方法实现简单、快速，采用相干算法来计算图像间的一致性，判别他们是否为同一用户的数据样本，解决了掌纹图像较小的平移问题及配准算法需要寻找定位信息的难题，具有较好的鲁棒性。
-
公开(公告)号：CN105741299B
公开(公告)日：2018-06-29
申请号：CN201610074357.3
申请日：2016-02-02
Applicant: 河北大学
Abstract: 本发明提供了一种冠状动脉CT血管造影图像分割方法。该方法包括如下步骤：首先对CTA图像进行预处理，包括中值滤波和阈值分割，预处理后得到二值图像；之后标记二值图像中所有的连通区域，并求各连通区域的特征信息；再利用特征匹配机制判断冠脉是否分裂；在初始的十几帧图像中利用特征匹配机制对目标进行追踪，之后利用卡尔曼对目标进行追踪。通过特征匹配机制和卡尔曼滤波器相结合对目标进行追踪，可以解决部分特殊形态下目标区域的追踪，提高了目标区域的追踪准确率。而且，整个追踪过程由特征匹配机制来判断图像中的冠脉是否发生了分裂，准确地判断出冠脉是否发生了分裂及分裂为哪几部分，可进一步保证追踪的精确性。
-
公开(公告)号：CN105550677A
公开(公告)日：2016-05-04
申请号：CN201610074161.4
申请日：2016-02-02
Applicant: 河北大学
IPC: G06K9/00
CPC classification number: G06K9/00087 , G06K9/00067
Abstract: 本发明公开了一种3D掌纹认证方法，该方法是先对3D掌纹进行预处理，变为一维图像，然后计算类内图相对和类间图相对的相干系数并作为新样本，使用新样本对堆栈式降噪自动编码机进行训练，提取到新样本特征，并得到训练好的降噪自动编码机；然后基于real adaboost算法和前一步骤提取到的新样本特征训练若干弱分类器，这些弱分类器的组合构成强分类器；然后用户输入一幅新的3D掌纹图像，与样本库预存的该用户的3D掌纹图像进行比对，判断它们属于同类还是异类。本发明方法实现简单、快速，采用相干算法来计算图像间的一致性，判别他们是否为同一用户的数据样本，解决了掌纹图像较小的平移问题及配准算法需要寻找定位信息的难题，具有较好的鲁棒性。
-
-
-
-
Search Results
5
records
(took 0.106 seconds)
