-
公开(公告)号：CN113393479B
公开(公告)日：2024-02-02
申请号：CN202110557045.9
申请日：2021-05-21
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种分割细胞板图像中试管孔的方法。首先读入细胞板的灰度图，将灰度图依照两个自定义核进行图像膨胀来弱化图像噪声，将膨胀后的图像进行反二进制阈值化处理，然后将二值化处理后的两个图像进行交运算，再使用开运算去除图像白噪声，接着使用按边界跟随的拓扑结构分析方法提取图像中的轮廓，以此输出细胞板中的试管孔轮廓。但是此时获取的轮廓中会存在部分噪声，在此基础上提取轮廓内最小环闭圆型数据，再以圆半径为基础去除半径较大或者较小的圆，再去除两两有交集的圆的异常数据，最终输出目标细胞库数据集合。该方法可以更快速精准的单机本地分割试管孔，便于使用人员直接通过图像识别查看各个试管孔内细胞群培养状况。
-
公开(公告)号：CN113393479A
公开(公告)日：2021-09-14
申请号：CN202110557045.9
申请日：2021-05-21
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种分割细胞板图像中试管孔的方法。首先读入细胞板的灰度图，将灰度图依照两个自定义核进行图像膨胀来弱化图像噪声，将膨胀后的图像进行反二进制阈值化处理，然后将二值化处理后的两个图像进行交运算，再使用开运算去除图像白噪声，接着使用按边界跟随的拓扑结构分析方法提取图像中的轮廓，以此输出细胞板中的试管孔轮廓。但是此时获取的轮廓中会存在部分噪声，在此基础上提取轮廓内最小环闭圆型数据，再以圆半径为基础去除半径较大或者较小的圆，再去除两两有交集的圆的异常数据，最终输出目标细胞库数据集合。该方法可以更快速精准的单机本地分割试管孔，便于使用人员直接通过图像识别查看各个试管孔内细胞群培养状况。
-
公开(公告)号：CN113379672A
公开(公告)日：2021-09-10
申请号：CN202110459173.X
申请日：2021-04-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的细胞图像分割方法，属于图像处理领域。本发明具体是使用改进后的Mask R‑CNN网络对试管孔内的细胞进行分割，获取细胞图像，建立数字图像数据集，将特征学习融入到建立模型的过程中，对试管孔的细胞进行准确的检测分割。实现快速，低成本，精确的自动化检测技术，有利于提高的检测效率。
-
公开(公告)号：CN113379672B
公开(公告)日：2024-02-02
申请号：CN202110459173.X
申请日：2021-04-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的细胞图像分割方法，属于图像处理领域。本发明具体是使用改进后的Mask R‑CNN网络对试管孔内的细胞进行分割，获取细胞图像，建立数字图像数据集，将特征学习融入到建立模型的过程中，对试管孔的细胞进行准确的检测分割。实现快速，低成本，精确的自动化检测技术，有利于提高的检测效率。
-
-
-
Search Results
4
records
(took 0.018 seconds)
