-
公开(公告)号：CN106508048B
公开(公告)日：2014-08-27
申请号：CN201110014846.7
申请日：2011-12-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及数字图像处理技术领域，公开了一种基于多尺度基本形式的相似尺度图像融合方法，包括：对全色图像进行离散小波变换，得到与多光谱图像具有相似尺度的全色图像的低频信息以及高频信息；基于多尺度基本形式将该全色图像的低频信息与多光谱图像进行融合，得到待融合结果的低频信息，并将该待融合结果的低频信息与该全色图像的高频信息进行结合，得到待融合结果；以及利用逆小波变换对该待融合结果进行重建。利用本发明，使融合的信息在尺度空间具有一致性，大大提高了高分率全色图像和低分辨率多光谱图像的融合效果。
-
公开(公告)号：CN112381718B
公开(公告)日：2021-07-30
申请号：CN202011328722.1
申请日：2020-11-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和图像处理技术领域，具体涉及了一种基于仿射变换的显微序列图像自动拼接方法、系统及装置，旨在解决现有技术无法有效解决显微图像拍摄过程中的图像变形对拼接的影响，拼接误差会出现累积和传播，因而拼接效果达不到预期的问题。本发明包括：提取显微序列图像重叠区域的特征并进行特征匹配；根据特征在图像上的位置信息，赋予每对特征点不同的权重；通过仿射变换模型拟合相邻图像间的变化，并设定全局优化的能量函数；最小化能量函数，获得各相邻图像的仿射变换关系；根据仿射变换关系进行拼接获得显微拼接图像。本发明通过全局拼接的方法，避免拼接过程中误差累积和图像边缘畸变对结果的影响，能够获得较高拼接精度的图像。
-
Patent Agency Ranking
公开(公告)号：CN112381718A
公开(公告)日：2021-02-19
申请号：CN202011328722.1
申请日：2020-11-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和图像处理技术领域，具体涉及了一种基于仿射变换的显微序列图像自动拼接方法、系统及装置，旨在解决现有技术无法有效解决显微图像拍摄过程中的图像变形对拼接的影响，拼接误差会出现累积和传播，因而拼接效果达不到预期的问题。本发明包括：提取显微序列图像重叠区域的特征并进行特征匹配；根据特征在图像上的位置信息，赋予每对特征点不同的权重；通过仿射变换模型拟合相邻图像间的变化，并设定全局优化的能量函数；最小化能量函数，获得各相邻图像的仿射变换关系；根据仿射变换关系进行拼接获得显微拼接图像。本发明通过全局拼接的方法，避免拼接过程中误差累积和图像边缘畸变对结果的影响，能够获得较高拼接精度的图像。
-
公开(公告)号：CN109584156A
公开(公告)日：2019-04-05
申请号：CN201811213303.6
申请日：2018-10-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种显微序列图像拼接方法及装置，所述方法包括：采用模板匹配算法匹配相邻图像的重叠区域，计算所述相邻图像的位置差异；根据图像间的邻接关系建立数学模型，结合BP算法计算图像的全局位置坐标，生成全局图像。本发明能够有效处理局部拼接过程中由于图像存在空白或重复区域等原因带来的误匹配，降低了局部拼接的错误匹配，具有较高的鲁棒性；而且计算速度快，自动化程度高，拼接效果好。
-
公开(公告)号：CN106373116A
公开(公告)日：2017-02-01
申请号：CN201610716189.3
申请日：2016-08-24
Applicant: 中国科学院自动化研究所
CPC classification number: G06T7/0012 , G06T5/20 , G06T2207/10061 , G06T2207/20172 , G06T2207/30024
Abstract: 本发明公开了一种基于双光子图像的突触检测方法，其涉及模式识别和神经学技术领域。其中，该方法包括获取所述双光子图像；将所述双光子图像分为轴突图像和树突图像；在所述轴突图像中进行轴突小结的2D检测；在所述树突图像中进行树突棘的2D检测；用检测到的轴突小结和树突棘进行2D突触检测；基于2D突触检测结果，进行3D突触检测。通过本发明，提高了检测突触的效率和精度，还具有普适性，且对图像类型不敏感。
-
公开(公告)号：CN106508045B
公开(公告)日：2014-08-27
申请号：CN201110014854.1
申请日：2011-12-05
Applicant: 中国科学院自动化研究所
IPC: G06T5/00
Abstract: 本发明公开了一种图像超分辨率重建方法。该方法包括两部分：1、图像的自适应分解。这里所谓的自适应是指图像数据自适应的驱动分解过程。2、在图像自适应分解的基础上进行超分辨率放大。把图像自适应分解为低频信息和高频的信息的基础上，在高频部分应用高斯混合模型作为先验模型进行超分辨率放大，低频部分采用样条插值，最后进行叠加。本发明可以实现图像的高品质放大。
-
公开(公告)号：CN106508110B
公开(公告)日：2014-07-23
申请号：CN201110014849.0
申请日：2011-12-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于带限二维经验模式分解(BEMD)和Gabor滤波器组的图像时频分析方法。该方法包括三部分：1、基于带限BEMD的图像信号分解；2、利用Gabor滤波器组提取图像的单方向成分；3、利用AM-FM图像模型得到图像信号精确的瞬时频率和瞬时振幅。本发明首先采用带宽作为IMF提取的标准，使得各个IMF的频率成分相对集中，然后利用Gabor滤波器组对拥有不同纹理方向的图像组成成分进行归纳，最终将图像信号表示为多个单方向成分的线性组合，解决了图像信号在时频分析时方向选择的难题。本发明可以用于人造图像和自然图像，都能快速实现图像的时频分析，同时对于具有水平竖直外其他显著方向性的图像也能很好的进行分析。
-
-
-
-
-
-
Search Results
27
records
(took 0.029 seconds)
