-
公开(公告)号：CN109191474B
公开(公告)日：2022-03-18
申请号：CN201811017253.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G06T7/11 , G06T7/194 , G06V10/762
Abstract: 一种基于虫洞行为粒子群优化算法的脑图像分割方法涉及图像处理技术领域，具体涉及一种基于虫洞行为粒子群优化算法的脑图像分割方法。一种基于虫洞行为粒子群优化算法的脑图像分割方法，包括以下步骤：(1)输入图像并初始化；(2)把粒子聚类为种子和像素；(3)检查第一粒子是否在第二粒子的邻域内，是则分组，否则进入步骤(6)；(4)检查粒子是否在种子粒子的邻域范围内，是则分组，否则进入步骤(6)；(5)两个种子颗粒相遇时计算距离，进行步骤(7)；(6)将粒子聚集到前景和背景区域；(7)将粒子聚类到前台和后台区域；(8)如果已完成聚类，则输出图像退出，否则进行步骤(3)。本发明操作效率高、分割精度。
-
公开(公告)号：CN108416801B
公开(公告)日：2022-02-22
申请号：CN201810165099.9
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向立体视觉三维重建的Har‑SURF‑RAN特征点匹配方法，属于数字图像处理领域，包含如下步骤：步骤(1)：对图像中的像素点进行高斯差分预处理，筛选出候选特征点，再利用权重系数筛选，获得特征点。步骤(2)：对特征点数据集进行处理，得到特征点的特征描述子；步骤(3)：利用最近邻特征匹配对检测到的特征点进行匹配；步骤(4)：对特征匹配点对中的误判点初步剔除，利用PROSAC的思想将数据集进行排序，对RANSAC选取模型及评价部分进行改进，利用局部最优化的思想对RANSAC进行改进，引入优化参数K对模型局部进行进一步优化。本发明减少了计算量，提高了速度，改进算法产生的冗余点较少，精确度较高。
-
公开(公告)号：CN109493312B
公开(公告)日：2021-10-26
申请号：CN201811028708.2
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于BEC预测模型的图像分割方法，通过建立应用于图像分割的SVM模型，然后基于BEC理论引入BEC公式以代替SVM的高斯核函数，简化BEC核函数中常数的值，得到大脑神经胶质瘤图像分割的预测模型，进行实际图像分割。本发明模型新颖，与传统的图像分割方法相比有较低的时间复杂度和更高的效率，BEC核函数基于量子力学中的BEC理论，较高斯核函数更为新颖，更符合自然规律，BEC核函数是n次幂指数的函数，高斯核函数是2n次幂指数的函数，计算上有着先天的低复杂度与高效率的优势。
-
公开(公告)号：CN106204706B
公开(公告)日：2018-10-26
申请号：CN201610532400.6
申请日：2016-07-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于虚拟现实应用领域，具体涉及一种漂移模型的海面三维可视化系统。本发明包括场景管理模块，数据管理模块，海面高度图模块，路径生成模块，天空盒模块：数据管理里模块统一处理来自不同输入途径的环境数据和模型数据，然后将处理后的数据分发至路径生成模块和海面高度图模块。本发明具有考虑信息全面，进而使场景模拟还原真实场景，从而提高搜救成功率的优点；是因为漂移模型的海面三维可视化系统需要对风属性，洋流属性，物体属性，随机事件，漂移起始类型和误差估计进行考虑，如此多因素的考虑使场景还原的更加真实，使搜救成功率可以保持的更高。
-
公开(公告)号：CN109300138B
公开(公告)日：2022-03-18
申请号：CN201810870209.1
申请日：2018-08-02
Applicant: 哈尔滨工程大学
IPC: G06T7/12
Abstract: 本发明提供一种基于两步纳什均衡改进C‑V模型的医学图像分割方法，建立数学模型，初始化轮廓曲线，输入目标集和背景集，读取节点的像素灰度，与目标集中的节点进行比较，如果修正的纳什均衡未出现平衡，将节点存储到背景集中，否则，修正后的负纳什均衡出现，将节点存储到目标集中，当图像中没有新节点时，输出对象和背景集合，计算和比较目标最大收益和背景最大收益，平滑轮廓，直到收敛。本发明将节点像素灰度的标准差作为参与者的收益来衡量图像中的簇；将熵节点像素灰度的标准差定义为熵，评估图像中灰度分布的概率；利用熵对纳什均衡进行修正，获得内外簇平衡；模型没有阈值，没有经验设置，分割医学图像效果优于现有方法。
-
Patent Agency Ranking
公开(公告)号：CN110937082B
公开(公告)日：2021-11-09
申请号：CN201911192235.4
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶倾覆仿真测试技术领域，具体涉及一种基于随机风场和海浪的船舶倾覆风险测试方法。本发明采用改进的随机风场和海浪的同频叠加模拟算法，该方法在选取频率区间时，将随机风与海浪同时考虑，忽略低频与高频，集中选取风谱与海浪谱的同频部分。为得到具有随机性的风和海浪模拟结果，在选取离散点时，采用两次随机过程选取离散区间与离散点，从而使算法输出具有随机性与准确性的模拟结果。本发明采用改进的恢复力臂计算模型，将时间与侧倾角引入恢复力臂的计算，使恢复力臂值随时间与侧倾角变化，大幅度提高力臂的精确度，从而精确计算船舶发生倾覆的时间。
-
公开(公告)号：CN109272508B
公开(公告)日：2021-10-26
申请号：CN201810869760.4
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像信息处理研究领域，具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法，包括以下步骤：找到图像的最大和最小灰度值，并把他们保存到变量max和min中；根据图像的宽和高将图像分割为点集；使用Monte Carlo方法从点集中随机的选择1000个点；计算点集的灰度最大和最小值分别为Pimax和Pimin；计算对象的下降和上升粗糙集分别保存到OT和计算背景的上升和下降粗糙集保存到和BT中；对子集进行排序，并根据阈值T来画出轮廓，如果子集的灰度值大于阈值T，则子集属于对象缓冲区，如果子集的灰度值低于阈值T，则子集属于背景缓冲区，得到图形的粗糙轮廓；对粗分割的第一阶段进行调整，得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。
-
公开(公告)号：CN109300138A
公开(公告)日：2019-02-01
申请号：CN201810870209.1
申请日：2018-08-02
Applicant: 哈尔滨工程大学
IPC: G06T7/12
Abstract: 本发明提供一种基于两步纳什均衡改进C-V模型的医学图像分割方法，建立数学模型，初始化轮廓曲线，输入目标集和背景集，读取节点的像素灰度，与目标集中的节点进行比较，如果修正的纳什均衡未出现平衡，将节点存储到背景集中，否则，修正后的负纳什均衡出现，将节点存储到目标集中，当图像中没有新节点时，输出对象和背景集合，计算和比较目标最大收益和背景最大收益，平滑轮廓，直到收敛。本发明将节点像素灰度的标准差作为参与者的收益来衡量图像中的簇；将熵节点像素灰度的标准差定义为熵，评估图像中灰度分布的概率；利用熵对纳什均衡进行修正，获得内外簇平衡；模型没有阈值，没有经验设置，分割医学图像效果优于现有方法。
-
公开(公告)号：CN109285159A
公开(公告)日：2019-01-29
申请号：CN201810870190.0
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 一种基于新型纳什均衡的医学图像分割方法，属于医学图像分割技术领域。本发明包括以下步骤：获取待分割图像的所有节点坐标和灰度值，初始化所有节点为两个节点集合，即对象集合和背景集合，按构建的近似熵和标准差双重约束下的纳什均衡确定每个节点实际所属集合，对于确定的两个节点集合给出每个节点的惩罚参数和核函数，使用新型纳什均衡修改后的SVM确定每个节点的决策函数，根据所有节点的决策函数对待分割图像进行分割。本发明在纳什均衡簇中引入双重分配约束，解决了决定节点簇的轮廓不明确的问题；基于所提出的纳什均衡来修改SVM，实现了更好的最大边缘，提高了医学图像分割的准确性。
-
公开(公告)号：CN109272508A
公开(公告)日：2019-01-25
申请号：CN201810869760.4
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像信息处理研究领域，具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法，包括以下步骤：找到图像的最大和最小灰度值，并把他们保存到变量max和min中；根据图像的宽和高将图像分割为点集；使用Monte Carlo方法从点集中随机的选择1000个点；计算点集的灰度最大和最小值分别为Pimax和Pimin；计算对象的下降和上升粗糙集分别保存到OT和 计算背景的上升和下降粗糙集保存到 和BT中；对子集进行排序，并根据阈值T来画出轮廓，如果子集的灰度值大于阈值T，则子集属于对象缓冲区，如果子集的灰度值低于阈值T，则子集属于背景缓冲区，得到图形的粗糙轮廓；对粗分割的第一阶段进行调整，得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.031 seconds)
