-
公开(公告)号：CN106780465A
公开(公告)日：2017-05-31
申请号：CN201611174057.9
申请日：2016-12-16
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/0012 , G06K9/54 , G06T2207/10004 , G06T2207/20081 , G06T2207/30096 , G06T2207/30101
Abstract: 基于梯度向量分析的视网膜图像微动脉瘤自动检测与识别方法。所述的方法包括如下步骤：步骤一：候选微动脉瘤检测；先对微动脉瘤提取，所述的微动脉瘤提取主要包含血管去除、候选微动脉瘤定位与分割三个步骤；步骤二：候选微动脉瘤特征的提取；步骤三：微动脉瘤识别。本发明通过分析眼底视网膜图像中不同暗目标的梯度向量分布情况，并结合样本不均衡分类器，提出了新的基于梯度向量分析的视网膜图像微动脉瘤自动检测与识别方法。该方法还可有效应用于输液图像中微小异物目标检测、遥感图像中微小红外目标检测以及工件表面图像中的微小缺陷目标检测。
-
公开(公告)号：CN106599804B
公开(公告)日：2019-07-05
申请号：CN201611086625.X
申请日：2016-11-30
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多特征模型的视网膜中央凹检测方法，所述视网膜中央凹检测方法包括以下步骤：一、全局先验特征提取，二、局部先验特征提取，三、深度特征提取，四、建立融合多特征的中央凹检测模型，通过提取中央凹的全局、局部以及深度特征信息并进行有效融合，完成对视网膜中央凹的精确检测。本发明可以有效克服眼底光照噪声、眼底病变以及异常血管分布对中央凹自动检测的影响，提高中央凹检测的精度和鲁棒性，从而为基于视网膜图像的身份识别提供更加稳健的身份特征信息。
-
公开(公告)号：CN106599804A
公开(公告)日：2017-04-26
申请号：CN201611086625.X
申请日：2016-11-30
Applicant: 哈尔滨工业大学
IPC: G06K9/00
CPC classification number: G06K9/0061
Abstract: 本发明公开了一种基于多特征模型的视网膜中央凹检测方法，所述视网膜中央凹检测方法包括以下步骤：一、全局先验特征提取，二、局部先验特征提取，三、深度特征提取，四、建立融合多特征的中央凹检测模型，通过提取中央凹的全局、局部以及深度特征信息并进行有效融合，完成对视网膜中央凹的精确检测。本发明可以有效克服眼底光照噪声、眼底病变以及异常血管分布对中央凹自动检测的影响，提高中央凹检测的精度和鲁棒性，从而为基于视网膜图像的身份识别提供更加稳健的身份特征信息。
-
公开(公告)号：CN106228566A
公开(公告)日：2016-12-14
申请号：CN201610669791.6
申请日：2016-08-15
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/30041
Abstract: 基于梯度响亮分析的视网膜微动脉瘤的自动检测与识别方法，视网膜微动脉瘤的自动检测与识别方法。所述的方法包括如下步骤：步骤一：候选微动脉瘤检测；先对微动脉瘤提取，所述的微动脉瘤提取主要包含血管去除、候选微动脉瘤定位与分割三个步骤；步骤二：候选微动脉瘤特征的提取；步骤三：微动脉瘤识别。本发明通过分析眼底视网膜图像中不同暗目标的梯度向量分布情况，并结合样本不均衡分类器，提出了新的视网膜微动脉瘤的自动检测与识别方法。
-
-
-
Search Results
4
records
(took 0.034 seconds)
