-
公开(公告)号：CN105957042B
公开(公告)日：2019-02-15
申请号：CN201610397007.0
申请日：2016-06-07
Applicant: 北京理工大学
Abstract: 本发明提供了一种内镜图像的高光区域消除方法，包括如下步骤：S10，对内镜图像进行预处理；S20，提供图像融合操作所需的最终权重模板；S30，提供内镜图像的细节弱化的无高光图像；S40，以最终权重模板作为融合修复的权重因子，将细节弱化的无高光图像和内镜图像的原图像进行融合修复，获得高光消除并保留图像主要细节的无高光图像。本发明的目的在于提供一种内镜图像的高光区域消除方法，能够在高光区域较大的时候实现内镜图像的自然修复。
-
公开(公告)号：CN106650794B
公开(公告)日：2019-10-01
申请号：CN201611061593.8
申请日：2016-11-24
Applicant: 北京理工大学
Abstract: 本发明提供一种受物体表面高光反射影响的图像高光消除方法及系统。所述方法包括：S1，基于SVM模型，对图像的高光像素进行分离；S2，利用图像具有结构相似性的临近区域对高光像素区域进行赋值修复。本发明利用统计学习的方法，基于SVM分类器，实现对内镜图像高光像素的自动分离，该方法充分利用样本学习的优势，经训练获得分离模型后，无需人工参与即可做出最优的分类结果；在图像修复方面，本发明为了充分利用全图范围内具有结构相似性邻域的有效信息，提出一种基于动态搜索及相似性测度的图像修复方法，实现高光区域的自然修复。
-
公开(公告)号：CN106650794A
公开(公告)日：2017-05-10
申请号：CN201611061593.8
申请日：2016-11-24
Applicant: 北京理工大学
Abstract: 本发明提供一种受物体表面高光反射影响的图像高光消除方法及系统。所述方法包括：S1，基于SVM模型，对图像的高光像素进行分离；S2，利用图像具有结构相似性的临近区域对高光像素区域进行赋值修复。本发明利用统计学习的方法，基于SVM分类器，实现对内镜图像高光像素的自动分离，该方法充分利用样本学习的优势，经训练获得分离模型后，无需人工参与即可做出最优的分类结果；在图像修复方面，本发明为了充分利用全图范围内具有结构相似性邻域的有效信息，提出一种基于动态搜索及相似性测度的图像修复方法，实现高光区域的自然修复。
-
公开(公告)号：CN105957042A
公开(公告)日：2016-09-21
申请号：CN201610397007.0
申请日：2016-06-07
Applicant: 北京理工大学
Abstract: 本发明提供了一种内镜图像的高光区域消除方法，包括如下步骤：S10，对内镜图像进行预处理；S20，提供图像融合操作所需的最终权重模板；S30，提供内镜图像的细节弱化的无高光图像；S40，以最终权重模板作为融合修复的权重因子，将细节弱化的无高光图像和内镜图像的原图像进行融合修复，获得高光消除并保留图像主要细节的无高光图像。本发明的目的在于提供一种内镜图像的高光区域消除方法，能够在高光区域较大的时候实现内镜图像的自然修复。
-
-
-
Search Results
4
records
(took 0.015 seconds)
