公开(公告)号：CN115471496A

公开(公告)日：2022-12-13

申请号：CN202211233905.4

申请日：2022-10-10

Applicant: 重庆邮电大学

Inventor： 郑佳 ,  唐川 ,  孙园喜 ,  萧红 ,  罗志勇

IPC: G06T7/00 ,  G06T7/136 ,  G06T7/13 ,  G06N3/12

Abstract: 本发明公开了一种基于标定信息的工业CT图像阈值分割方法，首先基于窗口能量值优化窗口尺寸，再利用优化的局部窗口尺寸与Phansalkar算法分割标定图对应的原图像，采用遗传算法求解Phansalkar算法参数最优值，最后用优化的局部窗口尺寸与Phansalkar算法参数分割CT图像。此算法对含伪影CT图像的分割精度较高，且抗噪性好。

公开(公告)号：CN117745747A

公开(公告)日：2024-03-22

申请号：CN202311634351.3

申请日：2023-12-01

Applicant: 重庆邮电大学

Inventor： 郑佳 ,  洪涛 ,  杨美美 ,  罗志勇 ,  唐川

IPC: G06T7/12 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0985 ,  G06N3/084

Abstract: 本发明请求保护一种基于改进U‑Net的航空发动机空心涡轮叶片的分割方法。该方法包括发明提供一种改进的U‑Net网络结构，主要改进为采用多尺度输入、在原有的连接中加入密集连接、并在跳跃连接中增加减法，将航空发动机空心涡轮叶片图像输入改进U‑Net网络进行特征提取和压缩，然后通过解码器网络进行特征重建和上采样，最终得到分割图像。该方法对航空空心涡轮叶片计算机断层扫描切片图像的分割精度优于传统U‑Net，改进的网络为航空发动机工程领域中工业无损检测问题提供了一种可行的解决方案。

公开(公告)号：CN117952884A

公开(公告)日：2024-04-30

申请号：CN202211266564.0

申请日：2022-10-17

Applicant: 重庆邮电大学

Inventor： 郑佳 ,  唐川 ,  孙园喜 ,  萧红 ,  罗志勇

IPC: G06T7/00 ,  G06T7/12 ,  G06T7/13 ,  G06T3/4038 ,  G06T17/00 ,  G06N3/126

Abstract: 本发明公开了一种基于三维信息的工业CT图像分割方法，首先创建三维图像信息，然后针对三维图像信息，利用遗传算法优化窗口尺寸和Phansalkar算法参数，再采用优化的局部窗口尺寸与Phansalkar算法参数，基于三维信息对CT图像分割。此算法对含伪影和噪声图像具有较好分割能力，且分割图像连续性好，适用性高。

公开(公告)号：CN117745738A

公开(公告)日：2024-03-22

申请号：CN202311639918.6

申请日：2023-12-01

Applicant: 重庆邮电大学

Inventor： 郑佳 ,  唐川 ,  罗蓉 ,  罗志勇

IPC: G06T7/11 ,  G06T7/136 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明请求保护一种基于超小型神经网络模型的工业CT图像分割方法，包括以下步骤：对输入工业CT图像进行阈值处理，生成二值图像；将二值图像优化处理，作为神经网络阈值分割特征；扩充阈值分割特征个数；利用网络特征提取模块生成CNN特征；将阈值分割特征和CNN特征融合到输入神经网络进行图像分割；训练整个超小型神经网络，最终用于工业CT图像分割。通过将传统阈值分割方法卷积化，提取阈值分割特征，并利用简化多尺度空洞卷积模块提取CNN特征，最后将两种特征融合进行神经网络学习并获得分割结果。由于阈值分割算法可学习参数少，效率高，能够提供大量的真实分割信息。因此该网络对工业CT图像的分割精度较高，且网络规模小，储存成本和训练成本低。