-
公开(公告)号：CN118154468B
公开(公告)日：2024-07-26
申请号：CN202410582588.X
申请日：2024-05-11
Applicant: 北京理工大学
IPC: G06T5/73 , G06V10/774 , G06V10/764 , G06T5/70 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种基于隐空间扩散模型的模糊图像通用增强方法，涉及图像增强领域，包括以下步骤：S1：构建重建训练集和重建测试集；S2：构建微调训练集和微调测试集；S3：构建隐空间扩散模型；S4：利用训练好的隐空间扩散模型对微调测试集中模糊图像进行增强，得到增强结果。本发明采用“重建+微调”的策略训练隐空间扩散模型，利用训练完成的模型直接对模糊图像进行增强，对比现有图像增强方法，增强结果有效实现对模糊图像的增强，并且很好地还原了图像细节，生成结果真实可靠；在重建过程中仅需要非成对图像，微调阶段所需成对图像数据规模小，很好地避免了成对数据获得成本高，难度大的问题。
-
公开(公告)号：CN115018855A
公开(公告)日：2022-09-06
申请号：CN202210624721.4
申请日：2022-06-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于血管特征引导的视盘和视杯分割方法，属于图像分割技术领域。建立了两个特征提取分支，使用基于cross‑transformer的融合模块计算两个分支提取的特征，进而获得基于两个分支的融合特征，使得提取的融合特征能够建立视盘/视杯与血管信息之间的长距离依赖关系，有利于提高视盘和视杯分割的准确度。预测最终视盘和视杯时，设计了一种加权融合卷积层的特征和基于cross‑transformer特征融合模块的特征的方法，在视盘和视杯特征提取中充分发挥了卷积层局部算子的性质和transformer算子建模长距离特征的性质。
-
公开(公告)号：CN114359104A
公开(公告)日：2022-04-15
申请号：CN202210019469.4
申请日：2022-01-10
Applicant: 北京理工大学
IPC: G06T5/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本发明涉及一种基于分级生成的白内障眼底图像增强方法，属于图像增强技术领域。针对现有的眼底图像增强方法存在的不足和缺陷，对于深度学习中配对数据的制约，本方法利用图像成像模型退化高质量图像生成相应的多模糊度数据集。对于过增强以及欠增强的问题，本方法根据生成的多模糊度数据集训练模糊度分类器以及多个模糊眼底增强器来增强不同模糊度的白内障图像。与现有技术相比，本方法有效解决了深度学习中配对数据数据获取困难的问题，并且有助于全参考质量评估的应用，可以有效增强不同模糊度的白内障图像，增强的结果对比度好，解决了过增强、欠增强的问题。同时本方法有效提升了增强图像的准确性，增强后细小血管的保真度更好。
-
公开(公告)号：CN108492285B
公开(公告)日：2021-11-09
申请号：CN201810202766.6
申请日：2018-03-13
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于灰度变化的径向线视盘萎缩弧分割方法，属于图像分割技术领域。该方法能够自动分割眼底图中的视盘萎缩弧，之后简称PPA；并且其分割结果为PPA和面积为主的指标计算提供了便利，该算法可以有效提高医生诊断的效率和准确率。具体步骤如下：首先通过灰度预处理将彩色眼底图像转化为灰度图；其次，采用径向线对视盘及其外侧区域的像素进行采样，选取灰度变化最大的两个点作为PPA和视盘的候选边界点；然后剔除受血管或噪声影响产生的异常点；最后对候选边界点进行椭圆拟合，拟合出的两个椭圆构成的最大闭合月牙形区域即为PPA的分割结果。
-
公开(公告)号：CN109754437A
公开(公告)日：2019-05-14
申请号：CN201910032771.1
申请日：2019-01-14
Applicant: 北京理工大学
Abstract: 本发明涉及一种调整图形采样频率的方法，属于图像采集技术领域。通过线阵相机采集某一密度物体的下落图像，再通过特征提取识别出当前图像的特征点，依据相同特征点在不同图像对应的位置偏差计算出物体运动速度与传感器采样率的比值，再根据此比值计算当前物体的运动速度；由此来调整传感器的采样频率来消除因物体下落速度与传感器采样率不匹配而产生的形变。本方法改善了色选图像采集系统中图像的畸变和伸缩，对还原成像物体形状具有良好的效果；提高了色选的色选图像采集系统的灵活性；增加了色选图像采集系统对图像进行校正的准确度；对于材质、密度不同的成像物体有较好的区分度，广泛地应用于各种材料在色选图像采集系统中的识别和筛选。
-
Patent Agency Ranking
公开(公告)号：CN106558031B
公开(公告)日：2018-12-28
申请号：CN201611100520.5
申请日：2016-12-02
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于成像模型的彩色眼底图的图像增强方法，能够同时改善亮度和低对比度问题，并且实现图像数据保真，能够有效地增强临床诊断感兴趣的区域；具体步骤如下：首先亮度的预处理，其次提取彩色眼底图像中前景像素与背景像素：在其次，估计成像模型参数—背景亮度和估计成像模型参数—传输系数，最后，根据成像模型进行图像增强：将背景亮度以及传输系数代入成像模型进行计算，获得增强图像。
-
公开(公告)号：CN106975617A
公开(公告)日：2017-07-25
申请号：CN201710234932.6
申请日：2017-04-12
Applicant: 北京理工大学
CPC classification number: B07C5/342 , G06K9/6256 , G06K9/6282
Abstract: 本发明公开了一种基于色选机的物料分类方法，首先，向色选机中分别投入有价值的一类物料样本和无价值的二类物料样本，利用阈值法和中值滤波的方法，对色选机采集的图像进行预处理，即消除背景和噪声，有利于提高后续分类筛选的正确率；利用C4.5决策树和代价敏感学习相结合的优化算法，构建决策树模型，能够高效、实时地实现物料的分类，并且能够在保证分类正确率不受到较大影响的前提下，尽可能的提高有价值的一类物料的纯度，即其精确度，也可以在人工模式下根据个人需求进行不同纯度品级的产品筛选。
-
公开(公告)号：CN106886991A
公开(公告)日：2017-06-23
申请号：CN201710041931.X
申请日：2017-01-20
Applicant: 北京理工大学
CPC classification number: G06T7/0012 , G06T2207/20081 , G06T2207/30041 , G06T2207/30101
Abstract: 本发明提供一种基于彩色眼底图的模糊度自动分级方法。本发明提取了多阈值血管像素点个数、增强平均值以及局部标准方差这三种特征来描述眼底模糊程度，并且基于特征的提取结果，设计了一种决策树对眼底图实现最终的分级。由于其它病变，如玻璃体混浊、渗出液等会同时存在于同一张眼底图中，这会严重影响眼底特征的提取从而影响白内障的最终诊断，产生较大的误差。因此，针对玻璃体混浊这类病变问题，本发明提出了一种消除玻璃体混浊的方法，此算法也适用于消除渗出液的影响，可应用与临床医学上非白内障病变对白内障诊断的干扰，有利于提高诊断的正确率，消除过大的误差，为大数据的筛查和远程医疗提供了可能，具有一定的商业价值和应用价值。
-
公开(公告)号：CN114359104B
公开(公告)日：2024-06-11
申请号：CN202210019469.4
申请日：2022-01-10
Applicant: 北京理工大学
IPC: G06T5/73 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于分级生成的白内障眼底图像增强方法，属于图像增强技术领域。针对现有的眼底图像增强方法存在的不足和缺陷，对于深度学习中配对数据的制约，本方法利用图像成像模型退化高质量图像生成相应的多模糊度数据集。对于过增强以及欠增强的问题，本方法根据生成的多模糊度数据集训练模糊度分类器以及多个模糊眼底增强器来增强不同模糊度的白内障图像。与现有技术相比，本方法有效解决了深度学习中配对数据数据获取困难的问题，并且有助于全参考质量评估的应用，可以有效增强不同模糊度的白内障图像，增强的结果对比度好，解决了过增强、欠增强的问题。同时本方法有效提升了增强图像的准确性，增强后细小血管的保真度更好。
-
公开(公告)号：CN107240128B
公开(公告)日：2020-09-11
申请号：CN201710322354.1
申请日：2017-05-09
Applicant: 北京理工大学
Abstract: 本发明提供一种基于轮廓曲线特征的X线片和彩色照片配准方法，由于综合利用了标志点特征和轮廓曲线特征，因此本发明方法相比于单一基于点特征的图像配准方法的配准精度要高；同时本发明由于建立在粗配准结果的基础之上，且将开曲线进行了粗匹配，因此相比于单一基于一致点漂移算法的图像配准方法的配准精度要高，且算法复杂度较低，本发明方法可适用于具有相似目标轮廓或开曲线特征的图像配准领域。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.023 seconds)
