-
公开(公告)号：CN114124554A
公开(公告)日：2022-03-01
申请号：CN202111435813.X
申请日：2021-11-29
Applicant: 燕山大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L9/40 , H04L43/0888
Abstract: 本发明公开了一种虚拟网络服务链吞吐量预测方法，属于网络通信技术领域，包括提取虚拟网络服务链承载硬件设施的状态参数，归一化、标准化处理、构建基于长短期记忆LSTM网络的编码器和解码器架构吞吐量预测模型输入时序序列，根据输入时序序列经由编码器提取其特征向量，解码器根据编码器获取的特征向量及监测值进行解码并输出预测值，预测值评估，利用预测模型进行在线预测。本发明通过对网络服务链吞吐量的实时预测，为灵活、高效的利用网络服务资源及为网络用户提供安全、快速、稳定并且满足特定网络吞吐量需求的网络服务提供基础。
-
公开(公告)号：CN104867133A
公开(公告)日：2015-08-26
申请号：CN201510216619.0
申请日：2015-04-30
Applicant: 燕山大学
IPC: G06T7/00
Abstract: 一种快速的分步立体匹配方法，包括基于局部纹理特性的灰度变换，基于彩色图像分割的视差约束以及基于固定窗口的匹配代价计算三个方面。首先根据图像的局部纹理特性对图像进行灰度变换以突出图像的结构特征和灰度特征。然后，利用均值漂移算法分割图像，并以任意大小和形状的分割区域为支持窗口获得分割区域的匹配代价，形成基于图像分割的视差约束。最后，对图像对进行基于固定窗口的立体匹配代价计算，获得初始视差图。本发明方法具有提高匹配精度与匹配效率、减小计算量、缩小视差搜索范围等优点。
-
公开(公告)号：CN117611895A
公开(公告)日：2024-02-27
申请号：CN202311578114.X
申请日：2023-11-24
Applicant: 河北医科大学第二医院 , 燕山大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/36 , G06T5/40 , G06N3/0464 , G06N3/045 , G06N3/08 , G16H50/20
Abstract: 本发明公开了一种融合医学先验知识的甲状腺结节超声图像辅助诊断方法，包括如下步骤：S1、建立甲状腺结节超声图像数据库，获取原始甲状腺结节超声图像具体分级类别；S2、对原始甲状腺结节超声图像进行人工伪影的去除；S3、获取甲状腺结节超声图像的感兴趣区域；S4、对TI‑RADS中提到的形状、边界、纵横比、回声、钙化特征进行量化；S5、训练引入自注意力机制的ShuffleNet网络，通过输出层提取出图像的整体特征；S6、将医学先验知识和深度特征融合得到最终的特征向量；S7、将最后得到的特征向量送入XGBoost分类器实现甲状腺结节超声图像的分级。本发明解决了甲状腺结节因缺乏量化指标而造成的分级困难问题。
-
公开(公告)号：CN113870194A
公开(公告)日：2021-12-31
申请号：CN202111045957.4
申请日：2021-09-07
Applicant: 燕山大学
Abstract: 本发明提供一种深层特征和浅层LBP特征融合的乳腺肿瘤超声图像处理装置，其包括图像数据库建立单元、图像预处理单元、兴趣区域提取单元、深层特征提取单元、浅层LBP特征提取提取单元、特征融合单元以及分类单元。图像数据库建立单元、图像预处理单元、兴趣区域提取单元、深层特征提取单元、浅层LBP特征提取提取单元、特征融合单元以及分类单元相互通讯连接。本发明基于深度学习网络对图像的深度特征提取可以描述肿瘤图像的高层复杂特征，基于旋转不变局部二值模式的特征提取可以描述肿瘤图像的低层简单特征，特征融合可以组合这些信息以获得更多区分特征，能够有效提高分类性能。
-
公开(公告)号：CN109034256A
公开(公告)日：2018-12-18
申请号：CN201810870328.7
申请日：2018-08-02
Applicant: 燕山大学
CPC classification number: G06K9/629 , G06K9/4671 , G06K9/6269 , G06K2209/053
Abstract: 本发明公开了一种LTP与HOG特征融合的乳腺肿瘤检测系统及方法，该检测方法包括：获取采集的乳腺肿瘤图像，建立图像训练样本库；对样本图像进行自适应二值化处理以及二维离散Haar小波变换，得到4个样本子图像；从样本子图像中的低频部分子图像提取HOG特征；从水平方向部分子图、垂直方向部分子图像以及对角线方向部分子图像中提取LTP特征；将提取到的特征进行归一化处理，形成HOG‑LTP特征；建立SVM模型；将样本图像作为输入量，HOG‑LTP特征作为期望输出量对SVM模型进行样本训练；计算得到待检测的乳腺肿瘤图像的HOG‑LTP特征；将计算得到的HOG‑LTP特征输入训练后的SVM模型中，检测输出的乳腺肿瘤图像。该发明能在保证检测精度的同时提高检测效率。
-
Patent Agency Ranking
公开(公告)号：CN104768161A
公开(公告)日：2015-07-08
申请号：CN201510108722.3
申请日：2015-03-12
Applicant: 燕山大学
IPC: H04W16/10
CPC classification number: H04W16/10
Abstract: 一种基于混沌搜索量子遗传算法的无线频谱分配方法，涉及无线通信网络领域中的频谱资源动态管理机制。本发明以实现高效的网络频谱资源分配为目标，结合量子遗传算法的特点，设计并实现了支持动态调整无线频谱资源分配的方法，采用混沌搜索初始化种群的染色体编码，在迭代过程设定变异阈值，根据阈值决定染色体是否产生变异，并将染色体映射为频谱分配矩阵，从而实现频谱优化分配。本发明具有网络控制负载小、频谱资源分配效率高、实时性高等特点，适用于无线认知网络中频谱的动态分配过程。
-
公开(公告)号：CN109034256B
公开(公告)日：2021-03-30
申请号：CN201810870328.7
申请日：2018-08-02
Applicant: 燕山大学
Abstract: 本发明公开了一种LTP与HOG特征融合的乳腺肿瘤检测系统及方法，该检测方法包括：获取采集的乳腺肿瘤图像，建立图像训练样本库；对样本图像进行自适应二值化处理以及二维离散Haar小波变换，得到4个样本子图像；从样本子图像中的低频部分子图像提取HOG特征；从水平方向部分子图、垂直方向部分子图像以及对角线方向部分子图像中提取LTP特征；将提取到的特征进行归一化处理，形成HOG‑LTP特征；建立SVM模型；将样本图像作为输入量，HOG‑LTP特征作为期望输出量对SVM模型进行样本训练；计算得到待检测的乳腺肿瘤图像的HOG‑LTP特征；将计算得到的HOG‑LTP特征输入训练后的SVM模型中，检测输出的乳腺肿瘤图像。该发明能在保证检测精度的同时提高检测效率。
-
公开(公告)号：CN104867133B
公开(公告)日：2017-10-20
申请号：CN201510216619.0
申请日：2015-04-30
Applicant: 燕山大学
Abstract: 一种快速的分步立体匹配方法，包括基于局部纹理特性的灰度变换，基于彩色图像分割的视差约束以及基于固定窗口的匹配代价计算三个方面。首先根据图像的局部纹理特性对图像进行灰度变换以突出图像的结构特征和灰度特征。然后，利用均值漂移算法分割图像，并以任意大小和形状的分割区域为支持窗口获得分割区域的匹配代价，形成基于图像分割的视差约束。最后，对图像对进行基于固定窗口的立体匹配代价计算，获得初始视差图。本发明方法具有提高匹配精度与匹配效率、减小计算量、缩小视差搜索范围等优点。
-
公开(公告)号：CN105469105A
公开(公告)日：2016-04-06
申请号：CN201510776381.7
申请日：2015-11-13
Applicant: 燕山大学
CPC classification number: G06K9/6227 , G06K9/00771
Abstract: 一种基于视频监控的香烟烟雾检测方法，所述方法分为分类器训练阶段和香烟烟雾的检测阶段。分类器训练阶段提取所有准备的正、负样本集的几何特征和Hog特征，利用支持向量机训练所提取的特征向量，生成分类器；香烟烟雾的检测阶段，首先将监控摄像头获取的视频图像，采用混合高斯模型算法获取前景运动区域，然后采用形态学滤波去除噪点和空洞，再通过香烟烟雾的特性统计X、Y方向投影直方图，得到精确的感兴趣区域，最后提取感兴趣区域的特征并组合成特征向量输入分类器，判断感兴趣区域是否存在香烟烟雾。本发明方法具有抗干扰能力强、检测灵敏度高、误报率低等优点，能够实时的识别吸烟烟雾并确认烟雾的位置，有助于室内公共场所的控烟工作。
-
公开(公告)号：CN117746119A
公开(公告)日：2024-03-22
申请号：CN202311745703.2
申请日：2023-12-19
Applicant: 燕山大学 , 河北医科大学第二医院
IPC: G06V10/764 , G06T7/00 , G06V10/80 , G06V10/82 , G06V10/26 , G06V10/30 , G06V10/36 , G06T7/11 , G06T7/13 , G06T7/194 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于特征融合和注意力机制的超声图像乳腺肿瘤分类方法，属于计算机辅助诊断乳腺肿瘤领域，建立乳腺超声图像数据集，基于MobileNet主干和特征融合的编码‑解码病灶分割网络，对乳腺肿瘤病变区域分割；利用肿瘤分割的先验信息，对乳腺超声图像进行分割增强预处理。利用形态学操作、双边滤波和CLAHE等方法，对原始实现去除噪声、细节和边缘增强，生成RGB图像用于肿瘤分类；改进设计轻量级视觉注意力网络VAN用于肿瘤分类，引入混合前馈神经网络模块，利用大核注意力机制提取图像局部和细节信息，并采用Softmax分类器对图像特征进行分类。采用本发明方法可更准确地实现对乳腺肿瘤超声图像的自动多分类。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
