-
公开(公告)号：CN112532965B
公开(公告)日：2021-08-20
申请号：CN202011243751.8
申请日：2020-11-10
Applicant: 华中科技大学
IPC: H04N13/317 , H04N13/125 , H04N13/106
Abstract: 本发明公开了一种基于匹配加权的斜纹光栅立体原图填充方法，属于裸眼3D显示技术领域。本发明方法在立体原图合成过程中，对分数子像素的填充进行了改进，具体地，通过像素匹配对位于分数视点图像编号处的子像素所在的全像素所属对象与其临近视点像素所属对象之间的关系进行判断，进而选择使用反距离加权填充，或就近取整的方法获取子像素的值，对比现有方法，本发明方法所产生的立体原图在斜纹光栅的作用下，其图像粗糙感明显得到改善，画面更显细腻、细节更良好，抑制了串扰现象，减少了由于视差较小时串扰过多导致的假3D效果出现。
-
公开(公告)号：CN112669209A
公开(公告)日：2021-04-16
申请号：CN202011546695.5
申请日：2020-12-24
Applicant: 华中科技大学
Abstract: 本发明公开了一种三维医学图像超分辨率重建方法和系统，属于医学图像处理领域。本发明将三维超分辨率问题分解为单张切片超分辨率重建及相邻切片间内容相关性两个问题的组合，通过多通道二维卷积神经网络对三维医学图像数据进行超分辨率重建，多通道网络结构充分考虑了相邻切片的高相关性。图像超分辨率重建部分的参数通过大量二维高分辨率医学图像进行训练，之后冻结重建部分参数，利用少量三维数据训练多通道输出层的权重参数。由于多通道网络仅需训练新输出层的序列图像的权重等参数，这样仅需要少量的三维高分辨率图像即可完成网络训练。本质上为二维网络，相比于三维网络，需要的三维数据大大减少，训练难度也大大降低。
-
公开(公告)号：CN109242953B
公开(公告)日：2020-10-02
申请号：CN201810929289.3
申请日：2018-08-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种实现空中显示和虚拟交互的三维数据体绘制的方法，属于虚拟显示与医学图像绘制领域。该方法含有以下步骤：将三维图像镜像扩展到显示屏上；将显示屏放置于暗箱中，将空中成像玻璃板放置于暗箱开口处；将显示屏上的图像通过空中成像玻璃板进行反射，在空中聚焦后显像。需要虚拟交互时，利用传感器获取人的手势信息，将该手势信息映射为空间平移量、旋转量或缩放倍数对三维数据进行变换，得到在空中聚焦而成的交互后的图像。本发明能将三维的数据在空中显示，不依赖于任何的显示载体，同时，通过手势的非接触式交互进一步提高了交互的有趣性。该方法成像效果好，交互方式灵活，对观测者限制小。
-
公开(公告)号：CN108289221B
公开(公告)日：2019-08-30
申请号：CN201810044673.5
申请日：2018-01-17
Applicant: 华中科技大学
IPC: H04N17/00 , H04N19/154
Abstract: 本发明公开了一种异常值检测的无参考图像质量评价模型及构建方法。该模型的构建包括以下步骤：(1)利用图像数据库中的图像和其主观分数值进行卷积神经网络训练，得到图像质量评价模型；(2)运用该模型对图像数据库中的图像进行质量分数测试；(3)将测试分数与主观分数值进行线性回归分析，将异常图像样本从图像数据库中剔除，得到更新的数据库；(4)将更新数据库中的图像样本进行步骤(1)操作后进行测试，达到预期效果的即为最终的质量评价模型；若没有达到预期效果，那么重复步骤(2)‑(3)，直至达到预期效果。本发明提供的图像质量评价方法，适用的图像范围广、主观一致性好，且评价所需的时间少。
-
公开(公告)号：CN106846445B
公开(公告)日：2019-08-27
申请号：CN201611120924.0
申请日：2016-12-08
Applicant: 华中科技大学
IPC: G06T15/00
Abstract: 本发明公开了一种基于CPU的三维超声图像体绘制方法，以下步骤：(1)读取原始超声三维数据；(2)对原始超声三维数据进行插值，得到放大的体数据；(3)以正对投影面为观测方向，获取体绘制旋转矩阵；(4)从放大的体数据中得到旋转后体素点的灰度值，并将旋转后的体数据填补成与原始体数据一样大小；(5)对步骤(4)所获得的体数据直接进行平行投影叠加；(6)根据投影叠加得到的图像数据进行成像；本发明提供的三维超声图像体绘制方法，算法简洁，容易实现，能够有效减少传统光线投射算法在投射采样过程中的时间消耗，对于深度方向数据量较少的三维超声数据成像速度快，并更容易进行并行计算的优化操作。
-
Patent Agency Ranking
公开(公告)号：CN109242953A
公开(公告)日：2019-01-18
申请号：CN201810929289.3
申请日：2018-08-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种实现空中显示和虚拟交互的三维数据体绘制的方法，属于虚拟显示与医学图像绘制领域。该方法含有以下步骤：将三维图像镜像扩展到显示屏上；将显示屏放置于暗箱中，将空中成像玻璃板放置于暗箱开口处；将显示屏上的图像通过空中成像玻璃板进行反射，在空中聚焦后显像。需要虚拟交互时，利用传感器获取人的手势信息，将该手势信息映射为空间平移量、旋转量或缩放倍数对三维数据进行变换，得到在空中聚焦而成的交互后的图像。本发明能将三维的数据在空中显示，不依赖于任何的显示载体，同时，通过手势的非接触式交互进一步提高了交互的有趣性。该方法成像效果好，交互方式灵活，对观测者限制小。
-
公开(公告)号：CN106447707B
公开(公告)日：2018-11-16
申请号：CN201610811327.6
申请日：2016-09-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种图像实时配准方法及系统。所述方法，包括以下步骤：(1)采集待配准的2D图像数据；(2)输入根据目标3D图像训练得到的配准用神经网络，获得所述2D图像在所述目标3D图像中位置信息；所述位置信息包括待配准2D图像在目标3D图像坐标系中的特征向量及与坐标系原点的距离；所述特征向量为经过坐标系原点且垂直于所述2D图像平面的向量，包括仰角和方位角两个参数。所述系统包括：图像采集模块、以及配准。本发明将深度学习引入到2D‑3D配准的问题中，将2D与3D的对应关系表达为一个深度卷积神经网络，从理论上探索一种解决穷举计算问题的策略，以达到实时配准的目的。
-
公开(公告)号：CN106846445A
公开(公告)日：2017-06-13
申请号：CN201611120924.0
申请日：2016-12-08
Applicant: 华中科技大学
IPC: G06T15/00
Abstract: 本发明公开了一种基于CPU的三维超声图像体绘制方法，以下步骤：(1)读取原始超声三维数据；(2)对原始超声三维数据进行插值，得到放大的体数据；(3)以正对投影面为观测方向，获取体绘制旋转矩阵；(4)从放大的体数据中得到旋转后体素点的灰度值，并将旋转后的体数据填补成与原始体数据一样大小；(5)对步骤(4)所获得的体数据直接进行平行投影叠加；(6)根据投影叠加得到的图像数据进行成像；本发明提供的三维超声图像体绘制方法，算法简洁，容易实现，能够有效减少传统光线投射算法在投射采样过程中的时间消耗，对于深度方向数据量较少的三维超声数据成像速度快，并更容易进行并行计算的优化操作。
-
公开(公告)号：CN106600553A
公开(公告)日：2017-04-26
申请号：CN201611159517.0
申请日：2016-12-15
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于卷积神经网络的DEM超分辨率方法，包括以下步骤：(1)根据预先相互对应的低分辨率图像数据、以及高分辨率图像数据，训练得到的超分辨率用卷积神经网络；(2)利用插值方法将待处理的低分辨率DEM数据扩充，得到与期望的高分辨率DEM数据同一尺度大小的准高分辨率DEM数据；(3)利用边缘提取算子得到准高分辨率DEM数据的梯度图；(4)将梯度图输入到超分辨率用卷积神经网络中，得到高分辨率DEM数据的估计梯度图；(5)基于估计梯度图和待处理的低分辨率DEM数据的约束，重建出高分辨率DEM的高度图。本发明中的超分辨率方法鲁棒性强，重建结果精度高。
-
公开(公告)号：CN106447707A
公开(公告)日：2017-02-22
申请号：CN201610811327.6
申请日：2016-09-08
Applicant: 华中科技大学
CPC classification number: G06N3/02
Abstract: 本发明公开了一种图像实时配准方法及系统。所述方法，包括以下步骤：(1)采集待配准的2D图像数据；(2)输入根据目标3D图像训练得到的配准用神经网络，获得所述2D图像在所述目标3D图像中位置信息；所述位置信息包括待配准2D图像在目标3D图像坐标系中的特征向量及与坐标系原点的距离；所述特征向量为经过坐标系原点且垂直于所述2D图像平面的向量，包括仰角和方位角两个参数。所述系统包括：图像采集模块、以及配准。本发明将深度学习引入到2D-3D配准的问题中，将2D与3D的对应关系表达为一个深度卷积神经网络，从理论上探索一种解决穷举计算问题的策略，以达到实时配准的目的。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.022 seconds)
