-
公开(公告)号：CN102521595A
公开(公告)日：2012-06-27
申请号：CN201110403953.9
申请日：2011-12-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于眼动仪实验数据和底层特征的图像感兴趣区域提取方法，一方面通过眼动仪视点跟踪实验数据提取出反映人真实语义的图像感兴趣区域，即眼动ROI，另一方面通过底层特征带权组合的形式提取出一般意义上的图像感兴趣区域，即特征ROI，通过分析特征ROI与眼动ROI的相似度找出相似度最高时的权重组合，即最佳权重。利用此权重提取出的其他同类型图片的感兴趣区域能够更加符合用户的语义需求。
-
公开(公告)号：CN114693914A
公开(公告)日：2022-07-01
申请号：CN202210303007.5
申请日：2022-03-24
Applicant: 中南大学
IPC: G06V10/25 , G06V20/56 , G06V10/774 , G06V10/776 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于增量学习的目标检测方法，包括获取原始目标检测初始模型；对原始目标检测初始模型的特征提取器部分参数进行预训练得到通用的目标检测特征提取器；采用检测头和参数掩码对目标检测特征提取器进行结构扩展得到扩展目标检测模型：采用扩展目标检测模型进行实际的目标检测。本发明还公开了一种包括所述基于增量学习的目标检测方法的自动驾驶方法。本发明提供的这种基于增量学习的目标检测方法及自动驾驶方法，创新性的提出了一种新的增量学习目标检测方法；通过检测头技术和掩码技术的创新性加入，不仅实现了增量学习目标检测，而且准确性高、可靠性高且实用性好。
-
公开(公告)号：CN108961261B
公开(公告)日：2022-02-15
申请号：CN201810209966.4
申请日：2018-03-14
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间连续性约束的视盘区域OCT图像层次分割方法，该方法首先使用BM3D算法去除OCT图像中的散斑噪声；之后使用基于模糊C均值和主动轮廓的ROI分割方法将图像中多个高反射区相互分离；然后使用ROI区域图像对血管阴影进行定位；使用A‑scan分割算法依次对所述ROI区域进行分割，利用血管阴影区域对每幅图像的初步分割结果进行修正；最后使用空间连续性约束优化修正后的分割结果，获得ILM、IS‑OS、BM的分割边界；该方法是一种行之有效的视盘区域OCT图像的层次分割方法，分割准确度较高，并对散斑噪声、血管阴影具有一定的鲁棒性。
-
公开(公告)号：CN107657605A
公开(公告)日：2018-02-02
申请号：CN201710810756.6
申请日：2017-09-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于主动轮廓和能量约束的筛板前表面深度测量方法，该方法采用基于k均值聚类和主动轮廓的Bruch膜开口点测定方法和基于能量约束的筛板前表面分割方法，首先将k均值聚类的聚类图作为C-V主动轮廓模型的初始轮廓，提取出轮廓中的Bruch膜开口点，再根据开口点的位置得到筛板前表面分割的感兴趣区域，使用能量约束方法分割出筛板前表面，最后根据两个步骤的结构测量出筛板前表面深度。该方法所得结果优于现有的方法，并与专家手工标定结果相一致，能够解决专家在临床诊断时需要手动标定测量筛板前表面深度的费时费力的问题，对青光眼的早期筛查和临床诊断具有积极意义。
-
公开(公告)号：CN106940791A
公开(公告)日：2017-07-11
申请号：CN201710147658.9
申请日：2017-03-13
Abstract: 本发明公开了一种基于低维方向梯度直方图的行人检测方法，包括以下步骤：步骤1：提取训练样本的低维方向梯度直方图ELHOG特征；步骤2：利用训练样本的低维方向梯度直方图ELHOG特征和线性核函数构造支持向量机SVM分类器；步骤3：计算每个候选样本的低维方向梯度直方图ELHOG特征；步骤4：利用步骤2构造的SVM分类器对每个候选样本的低维方向梯度直方图ELHOG特征进行识别以得到行人检测结果。该方法将特征提取中减弱区域量化走样的措施由块区域重叠替换为将块区域之外紧邻的细胞区域纳入位置线性插值范围。从而，本发明所述的行人检测方法相对于基于标准HOG的方法计算负荷大大降低，使检测速度大大提高了。
-
Patent Agency Ranking
公开(公告)号：CN102521595B
公开(公告)日：2014-01-15
申请号：CN201110403953.9
申请日：2011-12-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于眼动仪实验数据和底层特征的图像感兴趣区域提取方法，一方面通过眼动仪视点跟踪实验数据提取出反映人真实语义的图像感兴趣区域，即眼动ROI，另一方面通过底层特征带权组合的形式提取出一般意义上的图像感兴趣区域，即特征ROI，通过分析特征ROI与眼动ROI的相似度找出相似度最高时的权重组合，即最佳权重。利用此权重提取出的其他同类型图片的感兴趣区域能够更加符合用户的语义需求。
-
公开(公告)号：CN113077438B
公开(公告)日：2022-10-04
申请号：CN202110348852.X
申请日：2021-03-31
Applicant: 中南大学
Abstract: 本发明公开了一种针对多细胞核彩色图像的细胞核区域提取方法，包括获取训练数据集并得到单细胞核裁剪图像；处理单细胞核裁剪图像得到初步的粗糙像素级细胞核分割信息；构建针对多细胞核彩色图像的细胞核区域提取模型；对训练数据集中的图像数据进行特征提取并采用提取模型预测图像中细胞核的包围盒位置信息；对细胞核位置信息采用粗糙像素级分割信息进行监督优化；重复上述步骤并采用得到的结果更新训练数据集并得到最终的细胞核区域提取模型；采用细胞核区域提取模型对实际的多细胞核彩色图像进行细胞核区域。本发明还公开了包括所述针对多细胞核彩色图像的细胞核区域提取方法的成像方法。本发明精确度高、可靠性好且效果较好。
-
公开(公告)号：CN106934403A
公开(公告)日：2017-07-07
申请号：CN201710147660.6
申请日：2017-03-13
Abstract: 本发明公开了一种低维方向梯度直方图特征的提取方法，包括如下步骤：步骤1，计算整幅图像或者图像窗口中每个像素的梯度；步骤2，对图像窗口进行区域划分；步骤3，对块区域及其紧邻细胞区域中像素的梯度值在细胞区域之间进行位置线性插值；步骤4，计算细胞区域的方向梯度直方图；步骤5，计算块区域的方向梯度直方图；步骤6，计算图像窗口的方向梯度直方图特征。通过将减弱区域量化走样的措施由块区域重叠替换为将块区域之外紧邻的细胞区域纳入位置线性插值范围，该方法取消了块区域部分重叠，能提取出维度低得多的方向梯度直方图HOG特征。通过块内块外不同权重的高斯平滑，进一步减弱了区域量化走样。
-
公开(公告)号：CN103886308B
公开(公告)日：2017-03-29
申请号：CN201410150661.2
申请日：2014-04-15
Applicant: 中南大学
Abstract: 本发明公开了一种使用聚合通道特征和软级联分类器的行人检测方法，包括以下步骤：步骤1：获取图像，并对图像进行预处理构成图像金字塔；步骤2：从图像金字塔中提取聚合通道特征金字塔；步骤3：在聚合通道特征金字塔上按照设定的步长滑动检测窗口，获得检测块；步骤4：使用已训练好的多个软级联分类器将步骤3获得的检测块依次分类为含有行人或不含行人的检测块；步骤5：被分类为含有行人的检测块标记为行人候选窗口，并记录每个行人候选窗口的分类得分；步骤6：去除重叠行人候选窗口；步骤7：输出行人检测结果。聚合通道特征有效描述了行人类的外观共性。多个软级联分类器组成检测器的方式较好处理了训练数据不平衡问题，提高了检测能力。
-
公开(公告)号：CN104537355A
公开(公告)日：2015-04-22
申请号：CN201510013897.6
申请日：2015-01-12
Applicant: 中南大学
CPC classification number: G06T7/11
Abstract: 本发明提出了一种利用图像边界信息和区域连通性的显著对象检测方法，通过对待检测的图像进行超像素分割，利用超像素的平均Lab颜色特征向量和超像素的空间拓扑关系构建三个无向加权图，计算每个超像素到图像边界的最短路径，获取三个显著图，将三个显著图相乘得到最终的显著图，完成显著对象的检测；利用超像素的局部上下文信息对显著值进行修正，从而提高了显著对象检测的精度，进一步降低背景区域的显著性；此外，采用逻辑斯蒂回归器对根据不同连通性计算得到的修正后的显著图进行特征整合，得到最终的在显著对象区域均匀高亮的显著图。本方法能够快速的将显著对象区域高亮，并且能够降低背景中高对比度区域的误检率。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.021 seconds)
