-
公开(公告)号：CN106228566A
公开(公告)日：2016-12-14
申请号：CN201610669791.6
申请日：2016-08-15
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/30041
Abstract: 基于梯度响亮分析的视网膜微动脉瘤的自动检测与识别方法，视网膜微动脉瘤的自动检测与识别方法。所述的方法包括如下步骤：步骤一：候选微动脉瘤检测；先对微动脉瘤提取，所述的微动脉瘤提取主要包含血管去除、候选微动脉瘤定位与分割三个步骤；步骤二：候选微动脉瘤特征的提取；步骤三：微动脉瘤识别。本发明通过分析眼底视网膜图像中不同暗目标的梯度向量分布情况，并结合样本不均衡分类器，提出了新的视网膜微动脉瘤的自动检测与识别方法。
-
Patent Agency Ranking
公开(公告)号：CN106157319A
公开(公告)日：2016-11-23
申请号：CN201610604732.0
申请日：2016-07-28
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/6218 , G06K9/46 , G06N3/04 , G06T2207/20084 , G06T2207/20221
Abstract: 本发明公开了一种基于卷积神经网络的区域和像素级融合的显著性检测方法，该方法研究的对象是静态图像，其中图像的内容可以是任意的，研究的目标是从图像中找出吸引人眼注意力的目标，并为其赋予不同的显著性值。本发明主要提出了一种自适应的区域生成技术，并设计了两个CNN网络结构，分别用于像素级显著性预测和显著性融合。这两个CNN网络模型以图像作为输入，以图像的真实结果作为监督信号用于网络模型的训练，并最终输出与输入图像大小一致的显著性图。本发明能有效地进行区域级显著性估计和像素级显著性预测，得到两个显著性图，最后使用进行显著性融合的CNN将两个显著性图及原始图像进行融合得到最终的显著性图。
-
公开(公告)号：CN103400130B
公开(公告)日：2016-07-20
申请号：CN201310321375.3
申请日：2013-07-22
Applicant: 哈尔滨工业大学
IPC: G06K9/32
Abstract: 本发明提出了一种基于能量最小化框架的文档图像倾斜度检测和纠正方法，该方法的研究对象为机打文档图像，文档图像中的内容可以是文字、表格、图片等。本发明首先需要使用扫描仪将文档扫描成电子文档图像，然后估算前景像素状态信息，然后利用前景像素状态信息构建能量函数，然后利用图像处理技术和直线拟合技术计算初始的倾斜度，最后进行能量最小化过程得到最终的倾斜度并将文档图像进行纠正。本发明能适用于多种不同类型的文档，使得倾斜度检测更加精确，在保证精度的同时也提高了倾斜度检测的速度。
-
公开(公告)号：CN102622596B
公开(公告)日：2016-07-20
申请号：CN201210037532.3
申请日：2012-02-20
Applicant: 哈尔滨工业大学
Abstract: 一种面向生物特征识别的交互式定位方法，包括以下步骤：1、交互式定义虚拟关键点；2、根据虚拟关键点采集图像。该方法根据被采集部位的特点，在注册时用户自定义虚拟关键点所在的位置，然后系统保存用户定义的关键点的位置，为该用户在以后的每次图像采集中提供参考。在保证关键点定位准确性的同时，最大限度地保证了用户友好性。同时减少了对准的难度和时间，提高了系统性能。
-
公开(公告)号：CN103279770A
公开(公告)日：2013-09-04
申请号：CN201310225735.X
申请日：2013-06-06
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于笔画片段和轮廓特征的笔迹识别方法，首先需要将书写人书写的笔迹用扫描仪扫描成静态图像，然后利用图像处理技术将笔迹图像进行二值化和边缘提取得到相应的二值图像和轮廓图像，然后利用本发明提出的特征提取方法分别对二值图像和轮廓图像进行特征提取，最后利用模式识别技术对提取的特征进行身份识别。本发明提取了一种新的基于笔画片段和码书技术的特征提取方法和新的基于笔画轮廓的特征提取方法。并将两个提出的特征进行融合，进一步提高了识别精度。
-
公开(公告)号：CN102622596A
公开(公告)日：2012-08-01
申请号：CN201210037532.3
申请日：2012-02-20
Applicant: 哈尔滨工业大学
Abstract: 一种面向生物特征识别的交互式定位方法，包括以下步骤：1、交互式定义虚拟关键点；2、根据虚拟关键点采集图像。该方法根据被采集部位的特点，在注册时用户自定义虚拟关键点所在的位置，然后系统保存用户定义的关键点的位置，为该用户在以后的每次图像采集中提供参考。在保证关键点定位准确性的同时，最大限度地保证了用户友好性。同时减少了对准的难度和时间，提高了系统性能。
-
-
-
-
-
Search Results
66
records
(took 0.021 seconds)
