-
公开(公告)号：CN101853495A
公开(公告)日：2010-10-06
申请号：CN201010191094.7
申请日：2010-06-03
Applicant: 浙江工业大学
Abstract: 一种基于形态学的细胞分离方法，包括以下步骤：1)区域标记：对于细胞图像分割结果的二值图，基于形态学标记，通过标记得到各个粘连区域的标记值；2)提取单体细胞：2.1)提取区域的过程；2.2)首先从区域标记图中找出存在粘连区域的标记图，选择结构元素大小为1的圆结构对其进行膨胀，直至标记图边界超出粘连图外边界时停止，所述标记图的大小是粘连细胞中一个单体细胞的整体；3)遍历重构的新二值图集，根据坐标和面积信息，确定各个单体的归属，并建立图像集。本发明能够有效分离粘连的细胞、为准确计算细胞的形态参数做好准备。
-
Patent Agency Ranking
公开(公告)号：CN104680523B
公开(公告)日：2017-12-19
申请号：CN201510072313.2
申请日：2015-02-11
Applicant: 浙江工业大学
Abstract: 一种基于前景和背景先验的多模态区域一致性的显著性对象检测方法，包括如下步骤：1)获得场景的颜色图像和深度图像，同时生成点云；2)采用颜色图和深度图将场景分割；3)采用基于对象区域检测方法，对图像的所有区域进行检测得到焦点区域，在颜色图像中将焦点区域作为前景先验；4)检测出点云的平面区域作为背景先验，从颜色图像和对应深度图像中得到点云数据，在点云数据中检测出平面结构，然后计算连接场景边界的边界长度，计算出平面分割的背景连通度，并且得到过分割的背景权重；5)计算得到全局区域对比度SG(rk)，显著性图通过下面的公式得到：S(rk)＝SF(rk)×SB(rk)×SG(rk)。本发明有效提升正确率。
-
公开(公告)号：CN104680523A
公开(公告)日：2015-06-03
申请号：CN201510072313.2
申请日：2015-02-11
Applicant: 浙江工业大学
IPC: G06T7/00
Abstract: 一种基于前景和背景先验的多模态区域一致性的显著性对象检测方法，包括如下步骤：1)获得场景的颜色图像和深度图像，同时生成点云；2)采用颜色图和深度图将场景分割；3)采用基于对象区域检测方法，对图像的所有区域进行检测得到焦点区域，在颜色图像中将焦点区域作为前景先验；4)检测出点云的平面区域作为背景先验，从颜色图像和对应深度图像中得到点云数据，在点云数据中检测出平面结构，然后计算连接场景边界的边界长度，计算出平面分割的背景连通度，并且得到过分割的背景权重；5)计算得到全局区域对比度SG(rk)，显著性图通过下面的公式得到：S(rk)＝SF(rk)×SB(rk)×SG(rk)。本发明有效提升正确率。
-
公开(公告)号：CN101853507B
公开(公告)日：2012-05-23
申请号：CN201010191332.4
申请日：2010-06-03
Applicant: 浙江工业大学
Abstract: 一种仿射传播聚类的细胞分类方法，包括以下步骤：1)、选取细胞图像的圆形度参数C和矩形度参数R，设计样本坐标Xsample＝λ·C+(1-λ)·R，其中λ代表先验输入值；选取细胞图像的面积参数Area作为另一样本坐标Ysample，选取细胞图像的核质比参数prop作为再一样本坐标Zsample；2)、以所述三维的样本坐标的欧式距离作为样本距离，仿射传播聚类的S矩阵的对角线取值为各个样本间距离的平均；3)、初始情况下，设置归属度矩阵A(i，k)＝0，更新矩阵R，更新矩阵A；4)、在迭代设定次数后停止，从分类结果得到不同类型的细胞。本发明提供一种适合于处理海量数据、实时性良好、能有效进行细胞分类的仿射传播聚类的细胞分类方法。
-
公开(公告)号：CN101853507A
公开(公告)日：2010-10-06
申请号：CN201010191332.4
申请日：2010-06-03
Applicant: 浙江工业大学
Abstract: 一种仿射传播聚类的细胞分类方法，包括以下步骤：1)选取细胞图像的圆形度参数C和矩形度参数R，设计样本坐标Xsample＝λ·C+(1-λ)·R，其中λ代表先验输入值；选取细胞图像的面积参数Area作为另一样本坐标Ysample，选取细胞图像的核质比参数prop作为再一样本坐标Zsample；2)以所述三维的样本坐标的欧式距离作为样本距离，仿射传播聚类的S矩阵的对角线取值为各个样本间距离的平均；3)初始情况下，设置归属度矩阵A(i，k)＝0，更新矩阵R，更新矩阵A；4)在迭代设定次数后停止，从分类结果得到不同类型的细胞。本发明提供一种适合于处理海量数据、实时性良好、能有效进行细胞分类的仿射传播聚类的细胞分类方法。
-
公开(公告)号：CN101853485A
公开(公告)日：2010-10-06
申请号：CN201010191582.8
申请日：2010-06-04
Applicant: 浙江工业大学
Abstract: 一种基于近邻传播聚类的非均匀点云简化处理方法，包括以下步骤：1)首先对整体点云进行k近邻计算；2)根据每一个点的密度信息以及曲率信息进行自适应的均匀重采样；3)进行近邻传播聚类简化，设初始点云为D，输出简化后点云为FD，设定简化目标点数目为阈值；对初始点云D采用均匀网格曲率适应性采样方法获得其子点集SD；计算SD中点与点之间的相似度，得到相似度矩阵S，并通过索引获得SD中点的u值；运用近邻聚类算法，S和u作为AP算法输入，计算点间的代表度矩阵和适选度矩阵；每次选出的代表点标号加入到同一个矩阵中，直到达到目标值得到最终点集FD。本发明简化计算、减少占用的内存容量、能有效简化非均匀点云。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
