“廉敬”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]一种基于CoA Unet的医学图像分割方法-CN202310038986.0有效
发明人：邸敬;马帅;廉敬;王国栋 -专利权人：兰州交通大学
申请日： 2023-01-12 - 公布日： 2023-10-27 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于CoAUnet的医学图像分割方法，包括以下步骤：在原有实验数据集基础上数据增强处理扩充肝脏分割数据集‑使用DTC‑FCMSPCNN对肝脏分割数据集中的图片进行预处理，确定任务目标区域，并将无用部分进行遮盖处理‑将DTC‑FCMSPCNN处理好的肝脏分割数据集用于CoAUnet的训练和测试‑将CoAUnet的分割结果作为最终分割结果。本发明采用上述一种基于CoAUnet的医学图像分割方法，结合DTC‑FCMSPCNN和CoA Unet的端到端的医学图像分割方法，能显著缩短深度学习模型训练时间，提高分割精度及医学图像诊断速度，给出综合有效的治疗方案，改进临床决策准确性。
一种基于 coa unet 医学图像分割方法

[发明专利]一种基于神经网络的协作频谱感知和预测方法-CN202310887233.7在审
发明人：郑礼;闫光辉;严天峰;廉敬;汤春阳;杨昕;李沛儒 -专利权人：兰州交通大学;甘肃唐誉科技有限责任公司
申请日： 2023-07-19 - 公布日： 2023-10-10 - 主分类号： G06F16/33 文献下载
摘要：本发明涉及写作学习技术领域，且公开了一种基于神经网络的协作频谱感知和预测方法，包括以下步骤：首先对神经网络检测器进行预训练，通过神经网络检测器在各个边缘节点进行欠采样、对多组具有标记的训练集进行二次处理，从而得出训练序列集合Y，提取出的词汇得到词汇序列集合X，通过对词汇序列集合X和训练序列集合Y进行不断的交替对抗，从而得出形成的特征向量与真实句子集合Z进行不断替换，并且通过不同任意词汇序列集合X的碰撞可以做到对特征向量进行润色，从而提高样本是真实序列对的概率p，从而提高装置的使用效率，这种自动化的方法，也避免了本发明对特定语料的依赖，使本发明可以用于不同语言和领域的写作辅助任务。
一种基于神经网络协作频谱感知预测方法

[发明专利]一种多模态网络互联融合的胸部影像诊断报告自动生成方法-CN202310710730.X在审
发明人：廉敬;董子龙;石斌;刘冀钊;张家骏;张怀堃 -专利权人：兰州交通大学
申请日： 2023-06-15 - 公布日： 2023-09-19 - 主分类号： G16H15/00 文献下载
摘要：本发明提供了一种多模态网络互联融合的胸部影像诊断报告自动生成方法，涉及医疗信息领域。本发明提出了一种基于残差网络(Resnet)、注意力机制(Transformer)模块的网络、跨模态强化记忆网络(DCTMN)的多模态网络互联融合医学报告自动生成方法，关照和融通上述两个发力点，促进跨模态(医学影像和对应报告文本)信息的交互与匹配，自动生成图像与文本信息有效融合的医学影像诊断报告。
一种多模态网络融合胸部影像诊断报告自动生成方法

[发明专利]一种基于交叉神经网络和ECA-S的多模态医学图像融合方法-CN202310677578.X在审
发明人：邸敬;郭文庆;梁婵;廉敬;刘冀钊;杨燕;任莉 -专利权人：兰州交通大学
申请日： 2023-06-09 - 公布日： 2023-08-29 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于交叉神经网络和ECA‑S的多模态医学图像融合方法，属于医学图像分析领域，该方法在融合网络模型中以两种单模态医学图像作为输入，通过结构功能模块和功能结构模块交叉提取图像特征信息，能够实现结构信息和功能信息之间的交互，从而很好地提取医学图像的纹理细节信息，将提取的特征信息采用ECA‑S注意力机制通过不断调整结构信息和功能信息权重来融合图像，在分解网络模型中，由残差网络组成的分解网络迫使融合图像包含更丰富的信息。本发明采用交叉网络、改进注意力机制和分解网络的结合实现多模态医学图像融合，融合后的图像纹理细节和对比度处理更为细致，算法复杂度更低，实现了已有方法的优化和已有技术的升级。
一种基于交叉神经网络 eca 多模态医学图像融合方法

[发明专利]一种基于MS-DSC和I_CBAM的红外和可见光图像融合方法-CN202310568133.8在审
发明人：邸敬;任莉;廉敬;杨燕;郭文庆;梁婵 -专利权人：兰州交通大学
申请日： 2023-05-19 - 公布日： 2023-08-29 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于MS‑DSC和I_CBAM的红外和可见光图像融合方法，属于图像融合技术领域，该方法采用MS‑DSC对已配准的源图像进行特征提取，既克服单一尺度特征提取不足，又分别考虑了图像区域中的通道信息和空间信息，在减少参数的同时增强了网络表达能力，能更准确的提取目标对象的特征信息，将提取的特征信息采用I_CBAM从通道和空间两方面对图像的显著信息聚焦，抑制无用通道信息确保在融合时所有的显著特征都可以被利用，提升融合质量。本发明采用的I_CBAM算法是对原有算法的进一步改进，不仅展现了注意力机制在图像处理中的独特优势，而且在保留显著特征信息的同时降低了模型复杂度，通过与其他算法相结合，实现了纹理细节和场景信息清晰化，提升了融合质量。
一种基于 ms dsc i_cbam 红外可见光图像融合方法

[发明专利]一种基于信道状态变化CSI值的无线定位方法-CN202310604282.5在审
发明人：汤春阳;廉敬;郑礼;严天峰;王鹏程 -专利权人：兰州交通大学
申请日： 2023-05-25 - 公布日： 2023-08-01 - 主分类号： H04L25/03 文献下载
摘要：本发明公开了一种基于信道状态变化CSI值的无线定位方法，属于无线电定位领域，本发明从信道状态发生变化后测试点采集的CSI数据入手，通过信道均衡网络的均衡能力消除因信道状态发生变化后采集得到的CSI数据信息中的误差，所述信道均衡网络的均衡能力通过算法模型训练得到，为提升室内无线定位的准确性，将测试点原始采集的数据和测试点采集的数据经过信道均衡网络均衡后的数据进行合并增强处理，从而提取更加丰富的特征信息，本发明从传统方法未能关注到的信道状态变化入手，利用深度学习的模型学习能力优化丰富特征信息，从而能够有效提高最终定位的准确性。本发明在智慧大楼以及施工人员管理等方面具有重要的应用价值。
一种基于信道状态变化 csi 无线定位方法

[发明专利]一种结构和纹理特征引导的双编码器图像修复方法-CN202310501736.6在审
发明人：张家骏;廉敬;刘津颖;刘冀钊;张怀堃;董子龙;郑礼;汤春阳 -专利权人：兰州交通大学
申请日： 2023-05-06 - 公布日： 2023-08-01 - 主分类号： G06T7/40 文献下载
摘要：本发明公开了一种结构和纹理特征引导的双编码器图像修复方法，属于图像修复技术领域，本发明提出一种由结构特征和纹理特征引导的双编码器粗修复网络和基于长短期注意力机制、多尺度感受野的细修复网络，实现了对视野缺损图像结构和纹理的联合修复。
一种结构纹理特征引导编码器图像修复方法

[发明专利]一种水面漂浮垃圾图像自适应分割提取方法-CN202211637478.6有效
发明人：马龙;邓建伟;吴佰靖;廉敬 -专利权人：兰州交通大学;甘肃省水利科学研究院
申请日： 2022-12-16 - 公布日： 2023-07-21 - 主分类号： G06T7/136 文献下载
摘要：本发明提供了一种水面漂浮垃圾图像自适应分割提取方法，属于环境治理技术领域，它解决了现有空间小目标水面漂浮垃圾目标提取准确率偏低、算法鲁棒性不强和图像背景复杂干扰多等问题。本水面漂浮垃圾图像自适应分割提取方法，包括以下步骤：将获取到的图像数据集进行处理；输入图像进行离散小波变换，将图像分为高频和低频分量，低频分量用结合侧抑制网络的低通高斯滤波，去噪的同时增强低频分量的边缘特征，最后通过小波逆变换对图像进行复原去噪；将去噪后的图像输入改进的PD‑FCMSPCNN模型；利用多尺度的形态学滤波对分割结果进行处理，完成整个分割流程。本发明具有对于不同类型的水面漂浮垃圾小目标图像可有效简化计算，提高分割精度的优点。
一种水面漂浮垃圾图像自适应分割提取方法

[发明专利]一种基于NSST域混合滤波与ED-PCNN的医学图像融合方法-CN202210940365.7有效
发明人：邸敬;任莉;郭文庆;廉敬 -专利权人：兰州交通大学
申请日： 2022-08-05 - 公布日： 2023-05-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于NSST域混合滤波与ED‑PCNN的医学图像融合方法，该方法将已配准好的彩色医学图像利用YUV空间转换分离出亮度通道Y、色度通道U、浓度通道V，对分离出的亮度通道的灰度图像和已配准好的MRI图像分别采用混合滤波进行增强，增强后的图像进行NSST分解，低频子带采用局部区域能量加权和与改进的拉普拉斯能量和，高频子带采用ED‑PCNN算法，最后经NSST重构得到最终融合图。本发明，混合滤波融合了两种图像增强算法，在保证图像对比度增强的同时不增加噪声和丢失细节信息。本发明，ED‑PCNN算法合并了多种图像融合相关算法，进一步发挥出PCNN模型较传统模型精确度高、复杂性低的优点，且能精确控制神经元的点火次数与点火频率，提高了模型对像素空间的描述能力。
一种基于 nsst 混合滤波 ed pcnn 医学图像融合方法

[发明专利]一种基于NSCT域PCRGF与双通道PCNN医学图像融合方法-CN202210940371.2有效
发明人：邸敬;郭文庆;任莉;廉敬 -专利权人：兰州交通大学
申请日： 2022-08-05 - 公布日： 2023-04-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于NSCT域PCRGF与双通道PCNN医学图像融合方法，该方法内容如下：采用PCRGF将已配准好的CT源图像进行图像增强，提高骨骼区域清晰度的同时删除小尺度结构，最大程度上提高中心坐标提取的鲁棒性，将PCRGF增强的CT图像与MRI源图像经NSCT变换分解为高频子带和低频子带，采用加权求和修正拉普拉斯算法计算图像CT和图像MRI的高频系数，采用参数自适应双通道PCNN计算图像CT和图像MRI低频子带，最后通过逆NSCT变换得到最终的融合图像。本发明，采用PCRGF算法与参数自适应双通道PCNN算法，对原有RGF算法和双通道PCNN加以改进，进一步显现出RGF的快速的收敛性，而且保留其他内容的同时删除小规模结构，并与其他算法相结合，实现了纹理细节和轮廓结构清晰化。
一种基于 nsct pcrgf 双通道 pcnn 医学图像融合方法

[发明专利]一种基于CA-SPCNN的图像增强算法-CN201911257028.2有效
发明人：廉敬;杨臻;漆云亮;孙文灏;马义德 -专利权人：兰州交通大学
申请日： 2019-12-10 - 公布日： 2022-05-27 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于CA‑SPCNN的图像增强算法，属于图像处理技术领域，用于解决现有图像增强算法计算量较大和计算过程复杂的技术问题。本发明通过对原始图像进行归一化图像处理，将原始图像分为红、绿、蓝三个通道的归一化图像，提取每个像素点三个通道的最大值，并将所有像素合并为一个矩阵，组成最大强度图像，通过CA‑SPCNN算法实现图像，再得到数值变换图像，将获得的归一化图像与数值变换图像整合获得最终增强图像。本发明所提出的算法在SPCNN算法的基础上，通过CA‑SPCNN算法与其他算法的结合并加以改进得以实现低亮度彩色图像增强，算法的计算复杂度低，计算量小，过程收敛，精确度高。
一种基于 ca spcnn 图像增强算法

[发明专利]一种基于CA-SPCNN算法的彩色图像量化方法-CN201911257606.2有效
发明人：廉敬;杨臻;孙文灏;刘冀钊;漆云亮;马义德 -专利权人：兰州交通大学
申请日： 2019-12-10 - 公布日： 2022-05-03 - 主分类号： G06T7/90 文献下载
摘要：本发明提供了一种基于CA‑SPCNN算法的的彩色图像量化方法，属于图像处理技术领域，用于解决在量化层数增加，提高图像丰富度的同时，如何降低计算复杂度和信息失真率，处理好视觉效果与数据存储空间平衡的技术问题。本发明包括彩色图像量化预处理、量化处理和量化后处理三个步骤，将原始图像处理成红、绿、蓝三个通道的归一化图像，通过CA‑SPCNN算法对图像进行量化处理，通过量化后处理算法得到三个通道的量化图像，合并得到最终量化图像。本发明在CA‑SPCNN算法的基础上加以改进，实现彩色图像的量化处理，简化操作步骤，降低计算复杂度，在保证较低失真率和较高量化准确率的前提下，彩色图像视觉效果好，减小了占用数据存储空间。
一种基于 ca spcnn 算法彩色图像量化方法

[发明专利]一种基于PNA-MSPCNN模型的低照度彩色图像增强方法-CN202110093625.7有效
发明人：廉敬;张怀堃;郝磊;杨臻;漆云亮;刘冀钊;孙文灏;郑礼;杜世强;张明轩;郭晨曦;黄瑞锋;张彩霞;康苑;石斌;马义德 -专利权人：兰州交通大学
申请日： 2021-01-22 - 公布日： 2022-03-11 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于PNA‑MSPCNN模型的低照度彩色图像增强方法。包括：获得原始图像的初始亮度谱；利用PNA‑MSPCNN算法获得突触权重矩阵；在PNA‑MSPCNN算法模式下，根据突触权重矩阵进一步获得梯度亮度谱；根据梯度亮度谱，利用Retinex算法计算得到最终权重矩阵；基于最终权重矩阵，对得到的初始亮度谱进行修正得到最终亮度映射谱；利用Retinex算法并结合最终亮度映射谱对原始图像进行修正得到低照度增强图像。本发明技术方案的关键算法为PNA‑MSPCNN算法，通过PNA‑MSPCNN算法与改进的LIME算法结合应用得以实现低亮度彩色图像增强，神经元点火次数和频率更易于控制，算法复杂度更低，图像增强效果更好。
一种基于 pna mspcnn 模型照度彩色图像增强方法

[发明专利]基于MSPCNN的胆囊结石超声图像全自动分割方法-CN201910001478.9有效
发明人：廉敬;石斌;杨臻;马义德;刘冀钊;孙文灏;杜晓刚 -专利权人：兰州交通大学
申请日： 2019-01-02 - 公布日： 2020-10-23 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于MSPCNN的胆囊结石超声图像全自动分割方法，包括：采用MSPCNN算法对超声图像进行分割，得到胆囊粗分割二值图像；采用形态学算法对所述胆囊粗分割二值图像进行分割，得到胆囊精确分割二值图像和结石精确分割二值图像；采用局部加权线性回归算法分别对所述胆囊精确分割二值图像和结石精确分割二值图像进行后处理，使胆囊结石边缘轮廓平滑，最终得到胆囊区域分割结果和结石区域分割结果。实现降低计算复杂度、减少分割步骤、提高图像分割速度与精度的优点。
基于 mspcnn 胆囊结石超声图像全自动分割方法

1
共 14 条