[发明专利]一种鱼类捕食行为分析的多模态脑影像融合方法在审
申请号: | 202211343348.1 | 申请日: | 2022-10-31 |
公开(公告)号: | CN115908994A | 公开(公告)日: | 2023-04-04 |
发明(设计)人: | 胡秋;蔡卫明;胡绍海;白杨;邹欢清;金婧;马新莉 | 申请(专利权)人: | 浙大宁波理工学院 |
主分类号: | G06V10/80 | 分类号: | G06V10/80;G06V10/772;G06V10/54;G06V10/40;G06V10/46;G06V10/77 |
代理公司: | 宁波甬致专利代理有限公司 33228 | 代理人: | 袁波 |
地址: | 315100 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 鱼类 捕食 行为 分析 多模态脑 影像 融合 方法 | ||
1.一种鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,包括步骤:
S1:基于分离字典学习通过关联稀疏系数构成的稀疏矩阵来表征结构纹理特征;
S2:通过正交匹配追踪法和黎曼流形上共轭梯度法经过循环迭代得到预训练字典;
S3:采用纹理对比度与稀疏显著性特征和构造活性测度以保留纹理信息,通过稀疏重构得到融合的脑影像。
2.根据权利要求1所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述步骤S1包括:
S11:建立初始字典原子与当前残差,利用初始字典原子和当前残差确定最相关字典原子的索引,并经多次迭代得到索引集,采用最小二乘法更新稀疏系数,并对稀疏系数求偏导,得到当前字典下的重构样本以及更新残差;
S12:将更新残差与字典原子重新确定最相关字典原子的索引,以完成迭代循环,得到正交匹配追踪法下的更新稀疏系数。
3.根据权利要求2所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述步骤S2包括:
S21:将分离字典构成的组变量投影到黎曼流形上,并通过测地线线性搜索移动步长,得到当前点在切空间上的黎曼梯度和修正搜索方向;
S22:利用黎曼梯度和修正搜索方向通过线性搜索确定步长,得到黎曼流形上共轭梯度法下的更新字典数组;
S23:结合正交匹配追踪法和黎曼流形上共轭梯度法进行循环迭代,经样本训练后,得到预训练字典。
4.根据权利要求3所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述字典学习的目标函数为:
其中,表示稀疏系数;N表示训练样本Y的个数;DA∈Rm×n(n>m)和DB∈Rm×n(n>m)表示子字典;
字典学习过程包括稀疏编码和分离字典更新两部分的循环迭代。
5.根据权利要求1所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述步骤S3包括:
S31:将多个已配准的多模态脑影像经滑动窗口技术得到对应的重叠块,并采用预训练字典对重叠块进行稀疏表示得到相应的稀疏系数图。
6.根据权利要求5所述的鱼类捕食行为分析的多模态脑影像融合方法,其特征在于,所述步骤S3还包括:
S32:基于重叠块,采用纹理对比度测度提取空间显著特征;
S33:基于稀疏系数图,采用稀疏显著性特征和测度提取变换显著特征;
S34:结合空间显著性和变换显著性构造融合活性测度,并利用活性测度指导多个多模态脑影像对应的稀疏系数融合;
S35:利用预训练字典通过稀疏重构得到融合的脑影像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙大宁波理工学院,未经浙大宁波理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211343348.1/1.html,转载请声明来源钻瓜专利网。