-
公开(公告)号：CN110136088B
公开(公告)日：2022-12-13
申请号：CN201910432189.4
申请日：2019-05-23
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种人类胚胎心脏超声图像去噪方法，包括以下步骤：S1：获取具有时间序列和空间序列特征的超声图像数据集并选取中心图像，确定该中心图像的相邻图像；S2：将中心图像中的当前待处理像素标记为中心像素，计算该中心像素与相邻图像对应搜索域中每个像素的相似度，S3：根据相似度计算相邻图像对应的中心像素灰度值并对该中心像素灰度值进行取平均值操作得到中心像素的最终灰度值，对中心图像的每一个像素采用上述方法计算对应的最终灰度值，遍历整张中心图像后即获得去噪后的清晰图像。本方法在去噪过程中可以自由调整参数，在去噪效果与时间效率方面做出平衡，本方法不需要训练集的支撑，易于编程实现，算法复杂度较低。
-
公开(公告)号：CN110163825B
公开(公告)日：2022-11-25
申请号：CN201910432219.1
申请日：2019-05-23
Applicant: 大连理工大学
Abstract: 本发明公开了一种人类胚胎心脏超声图像去噪和增强方法，包括以下步骤：S1：获取时间序列和空间序列的超声目标图像并选取中心图像，选取该中心图像的相邻图像；S2：计算中心图像的每一个像素与相邻图像对应区域的相似度：S3：利用加权平均得到去噪后的像素值，遍历整张中心图像后即获得去噪后的清晰图像；S4：计算图像的灰度直方图和大津阈值、利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级对应的直方图得到新灰度直方图；S5：将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。
-
公开(公告)号：CN110136089B
公开(公告)日：2021-04-23
申请号：CN201910432273.6
申请日：2019-05-23
Applicant: 大连理工大学
IPC: G06T5/40
Abstract: 本发明公开了一种人类胚胎心脏超声图像增强方法，包括以下步骤：S1:计算图像的大津阈值；S2:获取图像的灰度直方图，利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级得到新灰度直方图；S3:将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。本发明公开的方法在增强的过程中对图像的对比度做出了限制，有效地避免了因为增强后图像对比度过高而产生的图像噪声放大的问题，对医学图像尤其是人类胚胎心脏超声图像这类本身就含有较多噪声的图像来说效果更加明显。
-
Patent Agency Ranking
公开(公告)号：CN111563858A
公开(公告)日：2020-08-21
申请号：CN202010409165.X
申请日：2020-05-14
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度卷积神经网络的人类胚胎心脏超声图像的去噪方法,包括如下步骤：获取具有时间序列和空间序列特征的超声图像数据集并选取中心图像、确定该中心图像的相邻图像；计算中心图像中心像素与相邻图像对应搜索域中每个像素的相似度；根据相似度信息计算相邻图像对应的中心像素灰度值并对该中心像素灰度值进行取平均值操作得到中心像素的最终灰度值，构建深度卷积神经网络模型，将未去噪的超声图像输入至完成训练的深度卷积神经网络模型中进行去燥处理获得噪声图像与干净图像的差即残差图像。
-
公开(公告)号：CN110163825A
公开(公告)日：2019-08-23
申请号：CN201910432219.1
申请日：2019-05-23
Applicant: 大连理工大学
Abstract: 本发明公开了一种人类胚胎心脏超声图像去噪和增强方法，包括以下步骤：S1：获取时间序列和空间序列的超声目标图像并选取中心图像，选取该中心图像的相邻图像；S2：计算中心图像的每一个像素与相邻图像对应区域的相似度：S3：利用加权平均得到去噪后的像素值，遍历整张中心图像后即获得去噪后的清晰图像；S4：计算图像的灰度直方图和大津阈值、利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级对应的直方图得到新灰度直方图；S5：将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。
-
公开(公告)号：CN110136089A
公开(公告)日：2019-08-16
申请号：CN201910432273.6
申请日：2019-05-23
Applicant: 大连理工大学
IPC: G06T5/40
Abstract: 本发明公开了一种人类胚胎心脏超声图像增强方法，包括以下步骤：S1:计算图像的大津阈值；S2:获取图像的灰度直方图，利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级得到新灰度直方图；S3:将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。本发明公开的方法在增强的过程中对图像的对比度做出了限制，有效地避免了因为增强后图像对比度过高而产生的图像噪声放大的问题，对医学图像尤其是人类胚胎心脏超声图像这类本身就含有较多噪声的图像来说效果更加明显。
-
公开(公告)号：CN110136088A
公开(公告)日：2019-08-16
申请号：CN201910432189.4
申请日：2019-05-23
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种人类胚胎心脏超声图像去噪方法，包括以下步骤：S1：获取具有时间序列和空间序列特征的超声图像数据集并选取中心图像，确定该中心图像的相邻图像；S2：将中心图像中的当前待处理像素标记为中心像素，计算该中心像素与相邻图像对应搜索域中每个像素的相似度，S3：根据相似度计算相邻图像对应的中心像素灰度值并对该中心像素灰度值进行取平均值操作得到中心像素的最终灰度值，对中心图像的每一个像素采用上述方法计算对应的最终灰度值，遍历整张中心图像后即获得去噪后的清晰图像。本方法在去噪过程中可以自由调整参数，在去噪效果与时间效率方面做出平衡，本方法不需要训练集的支撑，易于编程实现，算法复杂度较低。
-
公开(公告)号：CN111563858B
公开(公告)日：2023-08-22
申请号：CN202010409165.X
申请日：2020-05-14
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度卷积神经网络的人类胚胎心脏超声图像的去噪方法,包括如下步骤：获取具有时间序列和空间序列特征的超声图像数据集并选取中心图像、确定该中心图像的相邻图像；计算中心图像中心像素与相邻图像对应搜索域中每个像素的相似度；根据相似度信息计算相邻图像对应的中心像素灰度值并对该中心像素灰度值进行取平均值操作得到中心像素的最终灰度值，构建深度卷积神经网络模型，将未去噪的超声图像输入至完成训练的深度卷积神经网络模型中进行去燥处理获得噪声图像与干净图像的差即残差图像。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
