一种彩色眼底图的视盘视杯自动分割方法

    公开(公告)号:CN109658423A

    公开(公告)日:2019-04-19

    申请号:CN201811496827.0

    申请日:2018-12-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种彩色眼底图的视盘视杯自动分割方法,包括获取已知的彩色眼底图像和对应的眼底图数据集;构造并得到视盘分割模型;对数据集进行分割、截取并得到截图;构建并得到欧几里得坐标下的视盘视杯分割模型;对截图进行极坐标变换得到极坐标截图;构建并得到极坐标下的视盘视杯分割模型;对待分析数据,利用两类模型进行分割得到欧几里得坐标视盘视杯分割结果和极坐标视盘视杯分割结果;将两类分割结果进行融合,得到最终的眼底图的视盘视杯分割结果。本发明方法能够更加准确地对彩色眼底图进行视盘视杯自动分割,而且方法简单可靠,适用性好。

    青光眼的视盘分割图谱获取方法

    公开(公告)号:CN109919938A

    公开(公告)日:2019-06-21

    申请号:CN201910228336.6

    申请日:2019-03-25

    Applicant: 中南大学

    Abstract: 本发明公开了一种青光眼的视盘分割图谱获取方法,包括获取已知彩色眼底图像和眼底图数据集并分类;构造视盘初步分割深度学习网络,利用分类数据对网络进行训练、测试和修正,得到视盘分割模型;对测试数据集和训练数据集进行分割并截图;处理截图;构建可解释的青光眼初步辅助网络;利用截图对解释的青光眼初步辅助网络进行训练和修正得到可解释的青光眼辅助网络;利用视盘分割模型对待分析的彩色眼底图像数据分割并得到视盘截图;利用可解释的青光眼辅助网络处理视盘截图得到灰度热力图;对灰度热力图进行处理得到最终的视盘分割图谱。本发明方法能够快速的为医生提供辅助诊断的视盘分割图谱,而且方法可靠性高,效果较好。

    一种彩色眼底图的视盘视杯自动分割方法

    公开(公告)号:CN109658423B

    公开(公告)日:2022-12-09

    申请号:CN201811496827.0

    申请日:2018-12-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种彩色眼底图的视盘视杯自动分割方法,包括获取已知的彩色眼底图像和对应的眼底图数据集;构造并得到视盘分割模型;对数据集进行分割、截取并得到截图;构建并得到欧几里得坐标下的视盘视杯分割模型;对截图进行极坐标变换得到极坐标截图;构建并得到极坐标下的视盘视杯分割模型;对待分析数据,利用两类模型进行分割得到欧几里得坐标视盘视杯分割结果和极坐标视盘视杯分割结果;将两类分割结果进行融合,得到最终的眼底图的视盘视杯分割结果。本发明方法能够更加准确地对彩色眼底图进行视盘视杯自动分割,而且方法简单可靠,适用性好。

    自然场景中的车标识别方法

    公开(公告)号:CN110969135A

    公开(公告)日:2020-04-07

    申请号:CN201911234877.6

    申请日:2019-12-05

    Applicant: 中南大学

    Abstract: 本发明公开了一种自然场景中的车标识别方法,包括如下步骤:采集包含车标的自然图像,对自然图像上的车标进行标定,建立标定车标后的自然图像数据库;对自然图像进行目标检测,检测出其中的车辆,分割并单独保存车辆图像;在分割出的车辆图像上检测出车牌区域,并找出车牌四顶点;根据车牌四顶点对分割出的车辆图像使用仿射变换矩阵,将具有角度倾斜的图像修正;在修正后的图像上,利用车牌与车标相对位置关系获取车标区域;基于车标区域,在keras框架上使用深度学习进行车标分类的训练,生成车标分类模型;输入待分类车标图像即可进行车标分类。能适应复杂背景,解决了包含多辆汽车的车标识别问题,具有较高的准确率以及适用性。

    自然场景中的车标识别方法

    公开(公告)号:CN110969135B

    公开(公告)日:2023-04-18

    申请号:CN201911234877.6

    申请日:2019-12-05

    Applicant: 中南大学

    Abstract: 本发明公开了一种自然场景中的车标识别方法,包括如下步骤:采集包含车标的自然图像,对自然图像上的车标进行标定,建立标定车标后的自然图像数据库;对自然图像进行目标检测,检测出其中的车辆,分割并单独保存车辆图像;在分割出的车辆图像上检测出车牌区域,并找出车牌四顶点;根据车牌四顶点对分割出的车辆图像使用仿射变换矩阵,将具有角度倾斜的图像修正;在修正后的图像上,利用车牌与车标相对位置关系获取车标区域;基于车标区域,在keras框架上使用深度学习进行车标分类的训练,生成车标分类模型;输入待分类车标图像即可进行车标分类。能适应复杂背景,解决了包含多辆汽车的车标识别问题,具有较高的准确率以及适用性。

    青光眼的视盘分割图谱获取方法

    公开(公告)号:CN109919938B

    公开(公告)日:2022-12-09

    申请号:CN201910228336.6

    申请日:2019-03-25

    Applicant: 中南大学

    Abstract: 本发明公开了一种青光眼的视盘分割图谱获取方法,包括获取已知彩色眼底图像和眼底图数据集并分类;构造视盘初步分割深度学习网络,利用分类数据对网络进行训练、测试和修正,得到视盘分割模型;对测试数据集和训练数据集进行分割并截图;处理截图;构建可解释的青光眼初步辅助网络;利用截图对解释的青光眼初步辅助网络进行训练和修正得到可解释的青光眼辅助网络;利用视盘分割模型对待分析的彩色眼底图像数据分割并得到视盘截图;利用可解释的青光眼辅助网络处理视盘截图得到灰度热力图;对灰度热力图进行处理得到最终的视盘分割图谱。本发明方法能够快速的为医生提供辅助诊断的视盘分割图谱,而且方法可靠性高,效果较好。

Patent Agency Ranking