张海波

作品数：20被引量：54H指数：5
导出分析报告
供职机构：西北大学信息科学与技术学院更多>>
发文主题：断层成像X射线发光图像重建生物光学锥束更多>>
发文领域：自动化与计算机技术生物学医药卫生机械工程更多>>
发文期刊：《中国激光》《计算机应用研究》《小型微型计算机系统》《中国科技论文》更多>>
所获基金：国家自然科学基金陕西省自然科学基金陕西省科学技术研究发展计划项目中国博士后科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
面向青花瓷碎片图像的U-Net++拼接网络
《计算机辅助设计与图形学学报》2024年第3期379-387,共9页张海波 寇姣姣 杨兴 海琳琦 周明全 耿国华 
国家自然科学基金(2019YFC1521102,2019YFC1521103,61731015,61902317);陕西省自然科学基金(2019JQ-166);陕西省重点产业链项目(2019ZDLSF07-02);青海省重点研发计划(2020-SF-142)。
针对现有图像拼接方法存在拼接处伪影以及非重叠区域内容失真,导致较低的准确性和鲁棒性的问题,提出一种基于U-Net++消除伪影的青花瓷碎片图像拼接方法.首先估计待拼接图像单应性矩阵;然后将单应性矩阵应用于结构拼接阶段,得到图像粗拼...
关键词：图像拼接 U-Net++ 单应性矩阵估计 内容校正 青花瓷碎片 
基于动态图注意力机制的秦俑点云鲁棒配准被引量：1
《光学精密工程》2022年第24期3210-3224,共15页海琳琦 耿国华 杨兴 李康 张海波 
国家自然科学基金资助项目(No.61902317,No.61731015);国家重点研发计划资助项目(No.2019YFC1521102,No.2019YFC1521103);陕西省重点产业链项目资助(No.2019ZDLSF07-02);陕西省自然科学基金资助项目(No.2019JQ-166);青海省重点研发计划资助项目(No.2020-SF-142,No.2020-SF-143)。
针对目前的点云配准方法在处理秦俑等文物模型时不能很好地解决分辨率不匹配、点云部分重叠、噪声点较多等问题,提出一种基于动态图注意力机制的ResUNet配准模型。该模型将残差模块融入U-Net网络中,使用三维稀疏体素卷积计算点云特征,...
关键词：点云配准 动态图注意力机制 低重叠点云 点密度变化 残差网络 
基于数据增强的秦俑碎片深度分类模型被引量：1
《激光与光电子学进展》2022年第18期101-110,共10页鱼跃华 张海波 李昕 寇姣姣 李康 耿国华 周明全 
国家重点研发计划(2019YFC1521103,2019YFC1521102);国家自然科学基金青年基金(61902317);国家自然科学基金重点项目(61731015);陕西省重点产业链项目(2019ZDLSF07-02);陕西省自然科学基金青年基金(2019JQ-166);青海省重点研发计划(2020-SF142)。
在秦俑保护领域,为了降低秦俑碎片匹配及拼接的工作难度,更多的计算机辅助技术应用在破碎秦俑复原工作核心环节的碎片分类中。针对传统的秦俑碎片分类方法对碎片特征提取不充分及秦俑碎片数据采集难度较高等导致的分类准确率低下的问题...
关键词：图像处理 破碎秦俑复原 碎片分类 条件生成式对抗网络 双通道注意力机制 增强策略 
基于无监督网络框架的文物点云模型去噪被引量：4
《激光与光电子学进展》2022年第12期362-371,共10页刘一萍 周明全 寇姣姣 鱼跃华 海琳琦 李康 张海波 
国家自然科学基金(61902317,61731015);国家重点研发计划(2019YFC1521102,2019YFC1521103)陕西省重点产业链项目(2019ZDLSF07-02);陕西省自然科学基金青年基金(2019JQ-166);青海省重点研发计划(2020-SF-142)。
数字化技术在文物保护工作中的应用极大促进了文化遗产领域的快速发展。三维激光扫描设备获得的文物点云数据不可避免包含大量噪声,直接影响点云数据的后续处理。为有效去除无序点云中的噪声点,较好恢复点云数据,基于无监督网络提出了...
关键词：机器视觉 点云去噪 神经网络 无监督 chamfer distance 
一种基于改进多光谱的稀疏角CB-XLCT成像方法
《计算机与现代化》2022年第5期96-101,共6页张文元 海琳琦 刘英杰 张海波 
国家自然科学基金资助项目(61902317);陕西省自然科学基础研究计划项目(2019JQ-166)。
稀疏角锥束X射线发光断层成像(Sparse-view Cone-Beam X-ray Luminescence Computed Tomography,Sparse-view CB-XLCT)是一种新型的多模光学断层成像技术,在早期肿瘤的实时检测方面展现出了良好的应用潜力。然而,受限于有限投影数据的限...
关键词：生物光学 X射线发光断层成像 三维重建 多光谱策略 
一种优化区域知识先验的稀疏角锥束X射线发光断层成像方法被引量：1
《光学学报》2022年第1期207-216,共10页张海波 寇姣姣 黄启辰 刘英杰 侯榆青 贺小伟 周明全 张瑞 
国家自然科学基金(61902317,61731015,61971350,2019YFC1521103);陕西省自然科学基金(2019JQ-166,2020SF-036,2019ZDLSF07-02);西安市科技计划(GXYD18.3)。
锥束X射线发光断层(CB-XLCT)成像是一种可在生物体外对早期肿瘤进行有效检测的新型医学成像技术。稀疏角CB-XLCT成像加速了CB-XLCT技术的实时成像转化进程。然而,相对于传统多角度成像,稀疏角CB-XLCT成像的逆问题病态性明显加剧,这对传...
关键词：医用光学 可行区域 知识先验 锥束X射线发光断层成像 逆问题 
面向文物稠密点云模型的压缩复原框架被引量：1
《激光与光电子学进展》2021年第22期391-397,共7页寇姣姣 陈小雪 鱼跃华 海琳琦 周蓬勃 张海波 耿国华 
国家重点研发计划(2019YFC1521103);国家自然科学基金重点项目(61731015);国家自然科学青年基金(61902317);陕西省重点产业链项目(2019ZDLSF07-02);2020年青海省重点研发与转化计划(2020-SF-140);陕西省自然科学基金青年项目(2019JQ-166)。
针对激光扫描仪获取的三维文物稠密点云模型在数据存储、远程传输与处理等环节导致的资源过度消耗问题,提出了一种基于贪婪算法的快速压缩与恢复框架。首先,将点云模型视为三维离散几何信号,用基于哈希函数的八叉树方法构建稠密点云的...
关键词：机器视觉 文物数字化保护 三维稠密点云 稀疏表示 压缩感知 贪婪算法 
层次优化的颅骨点云配准被引量：10
《光学精密工程》2019年第12期2730-2739,共10页杨稳 周明全 耿国华 刘晓宁 李康 张海波 
国家重点研发项目（No.2017YFB1402103）;国家自然科学基金项目（No.61731015,No.61673319）;陕西省产业创新链项目（No.2016TZC-G-3-5）;陕西省自然科学基础研究计划项目（No.2018JM6061,No.2019JQ-166）;陕西省重点研发计划一般项目（No.2019SF-272）;陕西省教育厅自然科学专项（No.18JK0795,No.19JK0842）
颅骨配准是颅面复原的重要步骤之一,其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率,本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去...
关键词：颅骨配准 特征点 K-MEANS算法 迭代最近点 几何特征约束 
结合平滑l_0范数和可行区域的有限投影荧光分子断层成像被引量：1
《中国激光》2018年第9期319-326,共8页贺小伟 王潇 张海波 易黄建 侯榆青 
国家自然科学基金(11571012;61601363);2017年陕西省教育厅服务地方专项(17JF027);中国博士后科学基金(2016M602851)
有限投影荧光分子断层成像(FMT)可以以较短的数据采集时间在动物体内快速重建出荧光目标的三维分布。然而,由于较少的投影数据使得有限投影FMT具有严重的病态性。为了降低FMT重建的病态性并提高重建速度,考虑到FMT中光源稀疏分布的特性...
关键词：生物光学 荧光分子断层成像 有限投影 l0范数 图像重建 
基于稀疏贝叶斯学习的单视图增强型切伦科夫发光断层成像被引量：4
《光学学报》2017年第12期290-300,共11页侯榆青 薛花 曹欣 张海波 曲璇 贺小伟 
国家自然科学基金(61640418;61372046;11571012;61701403);中国博士后科学基金面上资助(2016M602851);陕西省科技计划(2013K12-20-12;2015KW-002);陕西省自然科学基础研究计划(2017JQ6006)
为了增强切伦科夫荧光的强度,促进切伦科夫发光成像(CLI)技术的临床转化,在前期研究中提出了一种基于辐射发光颗粒(RLMPs)的增强型切伦科夫发光成像(ECLI)技术,并取得了显著的增强效果;为了将ECLI技术扩展到三维成像领域,提出一种新型...
关键词：成像系统 增强型切伦科夫发光断层成像 稀疏贝叶斯学习算法 单视图重建 切伦科夫发光成像 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部