公开(公告)号：CN114359688A

公开(公告)日：2022-04-15

申请号：CN202111484341.7

申请日：2021-12-07

申请人： 云南省烟草质量监督检测站 ,  昆明理工大学

发明人： 许彪 ,  王洪成 ,  刘孝保 ,  顾文娟 ,  阴艳超 ,  龙杰 ,  张晓伟 ,  盖小雷 ,  张冀武 ,  张轲 ,  孙浩巍 ,  张庆刚 ,  刘宇晨 ,  苏帅林 ,  甘博敏

IPC分类号： G06V20/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/44 ,  G06V10/56 ,  G06T5/30

摘要： 本发明公开了一种基于图像处理的烟叶叶尖夹角检测方法，采用采集待测烟叶图像进行烟叶图像前景提取；取待测烟叶叶面进行灰度处理后通过边缘检测以及形态学闭操作处理提取叶缘轮廓；再将采集待测烟叶图像进行矫正处理，获取待测烟叶叶面上端三分之一轮廓两侧坐标点，根据叶面两侧轮廓坐标采用2D线性拟合方法计算待测烟叶叶尖夹角θ。

公开(公告)号：CN117456103A

公开(公告)日：2024-01-26

申请号：CN202311527119.X

申请日：2023-11-15

申请人： 昆明理工大学

发明人： 魏东亮 ,  刘孝保 ,  胡志宏 ,  甘博敏 ,  苏帅林

IPC分类号： G06T17/00 ,  G06T7/155 ,  G06T7/12 ,  G06T7/13 ,  G06T5/20 ,  G06T5/70 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

摘要： 本发明公开了一种基于深度学习分割掩膜的表面重建研究方法，其包括如下步骤:导入数据，包括原始图像与对应分割标签；进行数据预处理，将三维数据切片并进行格式转换，得到方便处理的图像类型；考虑获取数据量较少，采用离线数据增强方法扩充数据集；搭建基于深度学习的分割网络模型，对数据集进行训练，实现目标区域的自动分割；对分割掩膜进行孔洞填充，光滑处理等形态学操作；通过Canny算子得到分割掩膜图像的轮廓线；对轮廓线稀疏取点并采用贝塞尔曲线插值算法得到光滑闭合轮廓线；根据处理好的轮廓线集合构建表面模型；最后将构建好的模型进行保存和打印。本发明可实现单轮廓序列模型的自动构建，改善了表面模型的质量，操作方法简单可重复，大大减少了人工操纵的时间与主观性。

公开(公告)号：CN116612009A

公开(公告)日：2023-08-18

申请号：CN202310708096.6

申请日：2023-06-15

申请人： 昆明理工大学

发明人： 苏帅林 ,  刘孝保 ,  甘博敏 ,  胡志宏 ,  魏东亮

IPC分类号： G06T3/40 ,  G06N3/094 ,  G06V10/774 ,  G06V10/82 ,  G06T7/00 ,  G06T5/00

摘要： 本发明公开了一种多尺度连接生成对抗网络医学图像超分辨率重建方法，涉及图像处理领域。一种多尺度连接生成对抗网络医学图像超分辨率重建方法包括如下步骤：S1、建立医学图像超分辨率数据集；S2、设计医学图像超分辨率算法；S3、训练医学图像超分辨率模型；S4、将测试集中的低分辨率医学图像输入到模型中，得到相应输出结果；本发明引入了多样组合的退化建模过程，以更好地体现现实医学图像退化的复杂性；本发明通过利用所提出的图像退化模块，以及生成器、鉴别器模块，使所提模型在鲁棒性和医学图像细节重建方面较经典模型有较大提升。

公开(公告)号：CN116596791A

公开(公告)日：2023-08-15

申请号：CN202310576131.3

申请日：2023-05-22

申请人： 昆明理工大学

发明人： 甘博敏 ,  刘孝保 ,  许彪 ,  胡志宏 ,  苏帅林 ,  魏东亮

IPC分类号： G06T5/00 ,  G06T11/40 ,  G06V10/44 ,  G06V10/46

摘要： 本发明公开了一种基于凸包高次幂拟合的医学分割图像凹缺陷填补方法，包括：S1：医学二值分割图像经过前处理，并获取器官边缘轮廓；S2：Graham扫描提取边缘轮廓凹缺陷信息；S3：构建关键点集合Defecti；S4：遍历集合Defecti并利用高次幂曲线依次拟合点集；S5：利用连通域像素面积的自适应阈值判断凹缺陷区域，并通过泛洪填充处理背景区域；S6：对填充图像与原始输入图像进行逻辑操作，得到最终填补图像。本发明实现了医学分割图像中器官边缘凹缺陷的光滑填补，具有较高的可拓展性以及填补光滑度。

公开(公告)号：CN116188452A

公开(公告)日：2023-05-30

申请号：CN202310263471.0

申请日：2023-03-17

申请人： 昆明理工大学

发明人： 胡志宏 ,  刘孝保 ,  杨肖杰 ,  甘博敏

IPC分类号： G06T7/00 ,  G06T3/40 ,  G06T7/11 ,  G06T17/00 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/08

摘要： 本发明公开了一种医学图像层间插值及三维重建方法，包括：获取医学图像，对图像格式进行转换，并且按照三联组的方式制作数据集，数据集包括训练集以及测试集；构建基于MultiresUnet的自适应协作流层间插值网络模型，并利用构建的三联组数据集对模型进行训练；利用训练好的层间插值网络对所选的图像进行层间插值，扩充样本数据量，并对图像进行超分辨率重建；构建医学图像分割模型，选取合适的数据集或者手动标注创建数据集对分割模型进行训练；利用训练好的分割模型对选取的感兴趣目标区域进行分割，得到分割过后的掩膜图像，运用掩膜图像进行三维重建。通过本发明方案，能够提高在样本数据量少情况下三维重建的精度和质量。

公开(公告)号：CN116704036A

公开(公告)日：2023-09-05

申请号：CN202310847501.2

申请日：2023-07-11

申请人： 昆明理工大学

发明人： 魏东亮 ,  刘孝保 ,  苏帅林 ,  甘博敏 ,  胡志宏

IPC分类号： G06T7/73 ,  G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明设计一种基于深度学习的X线头影测量标志点自动定位方法，属于医学图像处理、关键点检测领域。所述方法包括以下步骤：首先对获取的医学图像数据进行预处理，然后将预处理图像进行数据增强，接着将增强数据集送入设计好的关键点检测网络作为模型的输入，同时将目标点转化为热图形式，通过优化器降低预测值与目标值之间的差距，以此更新网络权重，获取最优模型；关键点检测模型的训练包含以下步骤:以两位专家标注位置的平均值作为标志点的实际位置；通过旋转，缩放以及亮度对比度调节扩充训练样本；使用增强数据集对改进的FPN网络进行训练，获取最优模型权重；根据训练好的模型参数对验证集和测试集进行标志点自动定位，得到检测结果及相关评价指标。