-
公开(公告)号：CN109493312A
公开(公告)日：2019-03-19
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：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：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。
-
-
Search Results
3
records
(took 0.022 seconds)
