公开(公告)号：CN105931226A

公开(公告)日：2016-09-07

申请号：CN201610231931.1

申请日：2016-04-14

Applicant: 南京信息工程大学

Inventor： 徐军 ,  龚磊

IPC: G06T7/00

CPC classification number: G06T7/0012 ,  G06T2207/20081 ,  G06T2207/30024 ,  G06T2207/30096

Abstract: 本发明公开了基于深度学习的自适应椭圆拟合细胞自动检测分割方法，首先运用深度学习方法检测出病理图像中的细胞，然后运用主动轮廓模型找到精确的细胞轮廓，最后使用自适应椭圆拟合技术将重叠的细胞轮廓分割出来。本发明以大幅切片图为研究对象，采用深度学习加滑动窗口的方法，能准确找到图像中细胞的位置，主动轮廓结合自适应椭圆拟合对分割重叠细胞具有明显的效果。本发明提出的细胞自动检测分割方法能辅助临床医生对数字病理学切片中细胞进行量化评估，准确快速的进行临床诊断，减少不同观察者或同一个观察者在不同时间段间的诊断差异性。相对于现有的细胞检测分割方法，本发明无论是从准确率还是从可实行效果上来看，具有明显的优势。

公开(公告)号：CN105512677B

公开(公告)日：2019-02-01

申请号：CN201510867801.2

申请日：2015-12-01

Applicant: 南京信息工程大学

Inventor： 徐军 ,  张倩 ,  杭仁龙 ,  龚磊 ,  季卫萍

IPC: G06K9/62

Abstract: 本发明公开了基于Hash编码的遥感图像分类方法，该方法提出了用Hash自动编码的思想来处理高光谱遥感图像，将遥感图像每个通道分成N*N小块，将每个小块进行Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行分类。和基于图像块的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。

公开(公告)号：CN105512677A

公开(公告)日：2016-04-20

申请号：CN201510867801.2

申请日：2015-12-01

Applicant: 南京信息工程大学

Inventor： 徐军 ,  张倩 ,  杭仁龙 ,  龚磊 ,  季卫萍

IPC: G06K9/62

CPC classification number: G06K9/6269

Abstract: 本发明公开了基于Hash编码的遥感图像分类方法，该方法提出了用Hash自动编码的思想来处理高光谱遥感图像，将遥感图像每个通道分成N*N小块，将每个小块进行Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行分类。和基于图像块的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。