公开(公告)号：CN106056579A

公开(公告)日：2016-10-26

申请号：CN201610339693.6

申请日：2016-05-20

Applicant: 南京邮电大学

Inventor： 周全 ,  周安琪 ,  张一弛 ,  丁媛 ,  高广谓 ,  周亮

IPC: G06T7/00 ,  G06K9/62

CPC classification number: G06T7/0002 ,  G06K9/6223 ,  G06T2207/10016 ,  G06T2207/20081

Abstract: 本发明涉及一种基于背景对比的显著性检测方法。包含六个步骤：输入图像I、对图像I进行过度分割、计算背景显著性、计算图像颜色对比显著性、计算图像紧凑度显著性、得到最终的显著性。其中步骤2中的过度分割又包括将输入图像I转换成视觉上均匀的CIELAB颜色空间、用一个17维滤波器对上述转换结果进行卷积，这个滤波器由高斯滤波器，高斯导数滤波器，拉普拉斯算子的高斯滤波器组成、采用欧氏距离K‑均值聚类算法对图像进行无监督聚类、每个像素被分配到最近的群集中心，最终产生过分割图像。本发明的方法相比对整个图像的计算对比度的方法更加稳健，生成的显著图与人眼标识的结果最接近，在自然场景图像处理上十分有效。

公开(公告)号：CN117218052A

公开(公告)日：2023-12-12

申请号：CN202310471345.4

申请日：2023-04-27

Applicant: 南京邮电大学

Inventor： 周安琪 ,  黄茗 ,  李炳衡 ,  戴修斌 ,  蒋昕

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于端到端回归卷积神经网络的多生牙自动检测方法，包括以下步骤：S1、对训练数据库和验证数据库中的医学影像标注存在多生牙的病灶区位置信息和类别信息；S2、建一个能同时实现定位和分类功能、进行端到端优化的回归卷积神经网络；S3、训练端到端回归卷积神经网络学习从医学影像中自动提取的特征与多生牙之间的非线性映射关系；S4、获得存在多生牙的病灶区位置以及出现多生牙概率的预测结果。本发明通过一个回归卷积神经网络模型即可同时实现端到端的多生牙病灶区位置和出现多生牙概率的实时全自动快速预测，避免了临床医生精力和个人经验等主观因素对多生牙检测精度的影响，提高了口腔临床对多生牙的检测效率。