-
公开(公告)号：CN106548478B
公开(公告)日：2019-06-28
申请号：CN201610970558.1
申请日：2016-10-28
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/12
Abstract: 本发明公开一种局部拟合图像的活动轮廓图像分割方法，其实施步骤主要包括根据现有活动轮廓模型提出一种新的局部平方拟合图像，用以近似原始图像的平方和突出图像中的目标区域；然后平方拟合图像和来自LIF模型中的局部拟合图像一同用于构建一种新的基于两种不同局部拟合图像的能量泛函活动轮廓图像分割算法，同时为了保证分割结果曲线的光滑性和合理的曲线长度，两种不同的正则项被引入到能量泛函中，改善分割的准确性和时效性；最后，将该分割算法引入变分水平集求解框架中，实现目标轮廓的全自动提取。本发明能够在不同图像背景和灰度均匀性情况下较为准确地提取图像中的目标物体。
-
Patent Agency Ranking
公开(公告)号：CN106570882A
公开(公告)日：2017-04-19
申请号：CN201610970559.6
申请日：2016-10-28
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/149
Abstract: 本发明公开一种基于混合高斯分布模型的活动轮廓图像分割方法，其包括：根据现有活动轮廓模型LGDF提出一种新的同时考虑图像全局范围内灰度的高斯分布与局部范围内灰度的高斯分布特性，然后将两种不同范围内的高斯分布模型整合到一个能量泛函中，以有效利用图像的全局信息与局部信息在图像分割中的作用；此外，为了保证分割结果曲线的光滑性和不合理弯曲造成的曲线长度问题，距离偏移和曲线长度两种不同的惩罚约束项被引入到能量泛函中；最后，以变分水平集的方法执行能量泛函的求解，实现目标轮廓的全自动提取。本发明公开基于混合高斯分布模型的活动轮廓图像分割方法能够在不同图像背景和灰度均匀性情况下较为准确地提取图像中的目标物体。
-
公开(公告)号：CN105022010A
公开(公告)日：2015-11-04
申请号：CN201510396953.9
申请日：2015-07-08
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G01R33/561
Abstract: 本发明公开了一种基于正则化迭代的并行磁共振图像重建方法，该方法包括以下步骤：1.对全K空间数据进行模拟采样，得到多通道并行线圈K空间中心自标定ACS行数据和欠采样的K空间数据，分别计算出各线圈空间灵敏度分布以及各线圈混叠图像；2.在对线圈混叠图像展开的计算过程中，结合最小二乘法理论，基于图像域方法对重建图像进行方程描述，引入正则化方法，利用L-曲线法计算得到最优正则化参数，得到正则化后的矩阵方程；3.利用共轭梯度迭代法对正则化后的矩阵方程进行迭代重建，得到各线圈的重建图像。该方法能够较大限度地降低噪声对重建结果的干扰，具有信噪比更高、误差更小、成像效果更好等特征。
-
公开(公告)号：CN106570882B
公开(公告)日：2019-08-20
申请号：CN201610970559.6
申请日：2016-10-28
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/149
Abstract: 本发明公开一种基于混合高斯分布模型的活动轮廓图像分割方法，其包括：根据现有活动轮廓模型LGDF提出一种新的同时考虑图像全局范围内灰度的高斯分布与局部范围内灰度的高斯分布特性，然后将两种不同范围内的高斯分布模型整合到一个能量泛函中，以有效利用图像的全局信息与局部信息在图像分割中的作用；此外，为了保证分割结果曲线的光滑性和不合理弯曲造成的曲线长度问题，距离偏移和曲线长度两种不同的惩罚约束项被引入到能量泛函中；最后，以变分水平集的方法执行能量泛函的求解，实现目标轮廓的全自动提取。本发明公开基于混合高斯分布模型的活动轮廓图像分割方法能够在不同图像背景和灰度均匀性情况下较为准确地提取图像中的目标物体。
-
公开(公告)号：CN105160660B
公开(公告)日：2017-12-01
申请号：CN201510504854.8
申请日：2015-08-17
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/149
Abstract: 本发明公开了一种基于多特征高斯拟合的活动轮廓血管提取方法，同时还公开了一种相关的系统：使用局部相位血管增强算法对原始视网膜图像进行血管增强处理，以突出血管所在区域和降低图像灰度不均匀性；将血管增强结果图和原始灰度图中对应的像素值作为两个相互独立的随机变量，用于构建一种新的基于局部高斯拟合的能量泛函活动轮廓血管分割算法，同时引入一个正则项以惩罚血管轮廓的不平滑性和不合理的轮廓曲线的长度，并适当保持血管轮廓的局部细节；将该分割算法引入变分水平集求解框架中，实现血管轮廓的全自动提取。本发明能够较为准确全面地提取出视网膜图像中的血管组织，为眼部疾病的治疗提供有效的辅助。
-
公开(公告)号：CN105160660A
公开(公告)日：2015-12-16
申请号：CN201510504854.8
申请日：2015-08-17
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/00
CPC classification number: G06T2207/20116 , G06T2207/20192 , G06T2207/30041 , G06T2207/30101
Abstract: 本发明公开了一种基于多特征高斯拟合的活动轮廓血管提取方法，同时还公开了一种相关的系统：使用局部相位血管增强算法对原始视网膜图像进行血管增强处理，以突出血管所在区域和降低图像灰度不均匀性；将血管增强结果图和原始灰度图中对应的像素值作为两个相互独立的随机变量，用于构建一种新的基于局部高斯拟合的能量泛函活动轮廓血管分割算法，同时引入一个正则项以惩罚血管轮廓的不平滑性和不合理的轮廓曲线的长度，并适当保持血管轮廓的局部细节；将该分割算法引入变分水平集求解框架中，实现血管轮廓的全自动提取。本发明能够较为准确全面地提取出视网膜图像中的血管组织，为眼部疾病的治疗提供有效的辅助。
-
-
-
-
-
Search Results
6
records
(took 0.053 seconds)
