公开(公告)号：CN108830922B

公开(公告)日：2022-02-11

申请号：CN201810432235.6

申请日：2018-05-08

申请人： 山东理工大学

发明人： 王雷 ,  郭全 ,  杨利素 ,  张胜男

IPC分类号： G06T15/08 ,  G06F9/38

摘要： 本发明公开了一种基于多线程的轮廓树构建方法，首先，获取影像设备产生的切片图像集，按照至上而下或者至下而上的顺序形成三维数据集；然后将三维数据集执行数据等分操作，将其按照范围区间分为多个子数据集；而后分别对每个子数据集操作，利用多线程技术，为每个子数据集分配2个线程计算轮廓树的分裂树和连接树，进而合并成为子轮廓树，再将每个子数据集形成的子轮廓树进行合并，形成一个完整的轮廓树，最后对形成的轮廓树的拓扑结构进行简化，得到最终所需的轮廓树。本发明不仅能够得到清晰的显示效果，同时能够灵活的进行交互。

公开(公告)号：CN108830922A

公开(公告)日：2018-11-16

申请号：CN201810432235.6

申请日：2018-05-08

申请人： 山东理工大学

发明人： 王雷 ,  郭全 ,  杨利素 ,  张胜男

IPC分类号： G06T15/08 ,  G06F9/38

摘要： 本发明公开了一种基于多线程的轮廓树构建方法，首先，获取影像设备产生的切片图像集，按照至上而下或者至下而上的顺序形成三维数据集；然后将三维数据集执行数据等分操作，将其按照范围区间分为多个子数据集；而后分别对每个子数据集操作，利用多线程技术，为每个子数据集分配2个线程计算轮廓树的分裂树和连接树，进而合并成为子轮廓树，再将每个子数据集形成的子轮廓树进行合并，形成一个完整的轮廓树，最后对形成的轮廓树的拓扑结构进行简化，得到最终所需的轮廓树。本发明不仅能够得到清晰的显示效果，同时能够灵活的进行交互。

公开(公告)号：CN108629757A

公开(公告)日：2018-10-09

申请号：CN201810432232.2

申请日：2018-05-08

申请人： 山东理工大学

发明人： 王雷 ,  杨利素 ,  郭全 ,  张胜男

IPC分类号： G06T5/50 ,  G06N3/04

摘要： 本发明公开了一种基于复数剪切波变换与深度卷积神经网络的图像融合方法，包括步骤：1)对两幅待融合的源图像进行复数剪切波分解，分解过程包括多尺度剖分和方向局部化，分解后得到的是低频子带图像和高频子带图像；2)对得到的高频部分用基于深度卷积神经网络的融合规则进行高频融合，得到所需的高频系数；用引导滤波对低频部分进行融合，得到所需的低频系数；3)对得到融合后的低频系数和高频系数进行复剪切波逆变换，得到所需的融合图像。本发明不仅能较好地显示图像中的目标信息和轮廓特征，而且对比度较高，并保持良好的细节信息而不产生伪影和失真，融合效果较优，相比于其他传统方法有较显著的优势。