一种静脉图像感兴趣区域提取方法

    公开(公告)号:CN107729883A

    公开(公告)日:2018-02-23

    申请号:CN201711175045.2

    申请日:2017-11-22

    申请人: 吉林大学

    摘要: 本发明公开一种静脉图像感兴趣区域提取方法,属于生物特征识别领域。本发明的步骤是使用红外摄像头采集静脉图像;提取手形轮廓并找到轮廓内的最大内切圆(圆心和半径),最大内切圆对应的静脉图像区域即是提取的感兴趣区域;根据点到直线(圆心与手腕中心点的连线)距离找出在最大内切圆圆心与手腕中心点之间的顶点,拟合出手部中线;计算中线的斜率,得出中线与竖直方向夹角,根据夹角,旋转静脉图像,使手部中线处于竖直方向;此时最大内切圆中的静脉图像就是提取并矫正过的感兴趣区域图像。本发明对于无法检测手指关节点,或者手掌边线区域的曲率过大,使用一条直线拟合不合适的情况,可以有效的提取感兴趣区域。

    目标检测方法及装置
    67.
    发明公开

    公开(公告)号:CN107527053A

    公开(公告)日:2017-12-29

    申请号:CN201710770675.8

    申请日:2017-08-31

    发明人: 陈志军

    IPC分类号: G06K9/32 G06K9/46 G06N3/04

    摘要: 本公开是关于一种目标检测方法及装置。该方法包括:通过第一卷积神经网络识别图像中的目标物体;在通过第一卷积神经网络识别出该图像中包括目标物体的情况下,确定该图像中的目标物体所在区域;将目标物体所在区域映射到特征图上;通过第二卷积神经网络对特征图进行验证,确定该图像对应的目标检测结果。本公开通过第一卷积神经网络识别图像中的目标物体,在通过第一卷积神经网络识别出该图像中包括目标物体的情况下,确定该图像中的目标物体所在区域,将目标物体所在区域映射到特征图上,并通过第二卷积神经网络对特征图进行验证,确定该图像对应的目标检测结果,由此能够在保证目标检测速度的前提下,提高目标检测的准确率。

    一种基于图形识别技术的塔机防碰撞系统及方法

    公开(公告)号:CN107480645A

    公开(公告)日:2017-12-15

    申请号:CN201710718255.5

    申请日:2017-08-21

    申请人: 王修晖

    发明人: 王修晖

    摘要: 本发明具体涉及一种基于图形识别技术的塔机防碰撞系统及方法,涉及塔机技术领域,所述提醒包括:图像获取装置,用于获取图像信息;第一图像处理器,用于通过对获取的图像进行二值化、滤波、边缘检测、兴趣区域提取和碰撞物提取处理,完成测距,将测距结果发送给控制处理器;第二图像处理器,用于通过对获取的图像进行特征点检测和立体匹配处理,完成测距,将测距结果发送给控制处理器;传感器组,用于获取塔机运动信息;控制处理器,用于根据测距结果和塔机运动信息判断是否会发生碰撞;在判断会发生碰撞的情况下,发出报警指令;报警装置,用于根据控制处理器发送的报警指令发出报警信息。具有智能化程度高、精确度高和适用性广等优点。

    一种乳腺图像微钙化点自动检测系统及方法

    公开(公告)号:CN107392204A

    公开(公告)日:2017-11-24

    申请号:CN201710595504.6

    申请日:2017-07-20

    申请人: 东北大学

    摘要: 本发明的乳腺图像微钙化点自动检测系统包括图像预处理单元、感兴趣区域提取单元和微钙化点检测单元。图像预处理单元用于对乳腺钼靶X射线图像进行预处理;感兴趣区域提取单元用于对预处理后的图像进行分割获得子区域图像集,提取子区域图像集中含有钙化点的图像集;微钙化点检测单元,用于对感兴趣区域图像进行形态学操作处理和小波重构,得到包含最终种子点的图像,完成对微钙化点的检测。本发明的检测方法采用频域法和空域法相结合的图像增强算法,提出一种基于图像纹理特征、小波系数特征和小波系数的统计特征相结合的方法来提取感兴趣区域,能够在保证钙化点检测准确率的同时有效的降低误检率和漏检率,能更好的辅助医生对钙化点的诊断。

    基于图像的目标检测及分类方法

    公开(公告)号:CN107368832A

    公开(公告)日:2017-11-21

    申请号:CN201710617028.3

    申请日:2017-07-26

    发明人: 赵国强

    IPC分类号: G06K9/32 G06K9/46

    CPC分类号: G06K9/3233 G06K9/4609

    摘要: 本公开涉及一种基于图像的目标检测及分类方法,包括:对待检测图像进行预处理;导入预先训练的分类器;利用所述分类器对所述待检测图像中的各显著目标进行特征提取;根据特征提取结果确定各所述显著目标在所述待检测图像中的最优位置;根据各所述最优位置确定各所述显著目标所在的显著区域。通过本公开提供的基于图像的目标检测及分类方法,利用基于阈值图像处理的目标测量,过滤了不含目标区域,加速了检测过程。解决了因目标物体光照的平移化、尺度化造成图像中像素的颜色值以及目标物体的阴影等复杂变化都加大目标检测的难度的问题。并且,该方法可以实时运行,可以有效地运用到实际工程中。