-
公开(公告)号：CN103366376B
公开(公告)日：2016-02-24
申请号：CN201310302240.2
申请日：2013-07-19
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 一种基于邻域尺度变化的图像特征提取方法，依次包括：（1）在经典图像网格模板上取一点 作为中心点，设置邻域范围，中心点邻域内的点为采样点；（2）计算每个采样点的邻域尺度；（3）根据采样点的邻域尺度，对邻域内的采样点实施坐标变换；（4）对变换后的采样点进行裁剪，舍去坐标变换后超出邻域范围的采样点；（5）对保留下来的采样点，利用变换后的新坐标计算每个采样点新的邻域尺度，将每个以采样点为圆心邻域尺度为直径的圆作为邻域的子区域，这些子区域组合起来得到变尺度邻域模板；（6）将变尺度邻域模板对应到待处理的图像上获得中心点的特征。本发明可降低图像特征的维数，增强图像特征的鲁棒性，提高图像特征的区分度。
-
公开(公告)号：CN103745473A
公开(公告)日：2014-04-23
申请号：CN201410019012.9
申请日：2014-01-16
Applicant: 南方医科大学
Abstract: 一种脑组织提取方法，依次包括：对训练集图像和测试集图像进行预处理；提取训练集图像的图像特征组成训练集，提取测试集图像的图像特征组成测试集；根据训练集构建字典；依据训练集和字典计算训练集样本由字典中单词线性组合的权重系数向量；依据字典和测试集计算测试集样本由字典中单词线性组合的权重系数向量；计算字典中每个单词的分类评分；通过局部线性表示计算测试样本的分类评分，完成对测试样本的分类，得到初步分割结果；对初步分割结果进行后处理，得到分割处理后的脑组织图片。本发明能够高效、准确地提取脑组织图像。
-
公开(公告)号：CN103745473B
公开(公告)日：2016-08-24
申请号：CN201410019012.9
申请日：2014-01-16
Applicant: 南方医科大学
Abstract: 一种脑组织提取方法，依次包括：对训练集图像和测试集图像进行预处理；提取训练集图像的图像特征组成训练集，提取测试集图像的图像特征组成测试集；根据训练集构建字典；依据训练集和字典计算训练集样本由字典中单词线性组合的权重系数向量；依据字典和测试集计算测试集样本由字典中单词线性组合的权重系数向量；计算字典中每个单词的分类评分；通过局部线性表示计算测试样本的分类评分，完成对测试样本的分类，得到初步分割结果；对初步分割结果进行后处理，得到分割处理后的脑组织图片。本发明能够高效、准确地提取脑组织图像。
-
公开(公告)号：CN103366376A
公开(公告)日：2013-10-23
申请号：CN201310302240.2
申请日：2013-07-19
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 一种基于邻域尺度变化的图像特征提取方法，依次包括：（1）在经典图像网格模板上取一点作为中心点，设置邻域范围，中心点邻域内的点为采样点；（2）计算每个采样点的邻域尺度；（3）根据采样点的邻域尺度，对邻域内的采样点实施坐标变换；（4）对变换后的采样点进行裁剪，舍去坐标变换后超出邻域范围的采样点；（5）对保留下来的采样点，利用变换后的新坐标计算每个采样点新的邻域尺度，将每个以采样点为圆心邻域尺度为直径的圆作为邻域的子区域，这些子区域组合起来得到变尺度邻域模板；（6）将变尺度邻域模板对应到待处理的图像上获得中心点的特征。本发明可降低图像特征的维数，增强图像特征的鲁棒性，提高图像特征的区分度。
-
-
-
Search Results
4
records
(took 0.028 seconds)
