公开(公告)号：CN108414734A

公开(公告)日：2018-08-17

申请号：CN201810018283.0

申请日：2018-01-09

Applicant: 东南大学

Inventor： 杨万扣 ,  孙启明 ,  孙长银

IPC: G01N33/493 ,  G06T7/90

CPC classification number: G01N33/493 ,  G06T7/90 ,  G06T2207/10024 ,  G06T2207/20081 ,  G06T2207/30024

Abstract: 本发明公开了一种基于ACF的尿沉渣检测方法，针对不同的尿沉渣有形成分训练不同的检测器，包括如下步骤：(1)训练阶段：首先对训练样本进行通道计算，包括LUV、梯度幅值以及六个方向的梯度方向直方图，然后对十个通道进行池化操作，再进行向量化得到特征向量，采用软级联的adaboost算法训练分类器，每个弱分类器是深度为2的决策树；(2)测试阶段：采用滑动窗口检测法，对采样窗口提取十个通道特征，向量化为特征向量，同时利用快速特征金字塔提高检测速度，利用训练好的模型进行测试，判断是否属于尿沉渣有形成分；本发明更好的利用的尿沉渣有形成分的特征信息，有效地降低了噪声的影响，准确率高、计算速度快，具有十分重要的实用价值。

公开(公告)号：CN110599462A

公开(公告)日：2019-12-20

申请号：CN201910782936.7

申请日：2019-08-23

Applicant: 东南大学

Inventor： 杨万扣 ,  李子煜 ,  孙启明

IPC: G06T7/00 ,  G06K9/62 ,  G01N15/10

Abstract: 本发明公开了一种基于不平衡局部Fisher判别分析的尿沉渣检测方法。首先，对输入尿沉渣有形成分图像提取聚合通道特征。其次，对每个通道使用Haar-like模板进行通道滤波提取中间层特征。接着，对单个通道的特征进行分组，随机选择若干组的特征进行线性加权组合成一个新的候选特征。然后，考虑到样本分布的不平衡性，提出一种不平衡局部Fisher判别分析方法来进行加权系数的学习。最后，将所有通道的候选特征串联起来形成最后的特征向量，结合基于决策树的Adaboost分类器进行训练，针对不同的尿沉渣有形成分训练不同的检测器。本发明考虑了尿沉渣有形图像的局部信息融合和样本分布的不平衡性，有效的降低了噪声的影响，准确率高，计算速度快，具有十分重要的实用价值。

公开(公告)号：CN110599462B

公开(公告)日：2023-04-07

申请号：CN201910782936.7

申请日：2019-08-23

Applicant: 东南大学

Inventor： 杨万扣 ,  李子煜 ,  孙启明

IPC: G06T7/00 ,  G06V10/764 ,  G01N15/10

Abstract: 本发明公开了一种基于不平衡局部Fisher判别分析的尿沉渣检测方法。首先，对输入尿沉渣有形成分图像提取聚合通道特征。其次，对每个通道使用Haar‑like模板进行通道滤波提取中间层特征。接着，对单个通道的特征进行分组，随机选择若干组的特征进行线性加权组合成一个新的候选特征。然后，考虑到样本分布的不平衡性，提出一种不平衡局部Fisher判别分析方法来进行加权系数的学习。最后，将所有通道的候选特征串联起来形成最后的特征向量，结合基于决策树的Adaboost分类器进行训练，针对不同的尿沉渣有形成分训练不同的检测器。本发明考虑了尿沉渣有形图像的局部信息融合和样本分布的不平衡性，有效的降低了噪声的影响，准确率高，计算速度快，具有十分重要的实用价值。