-
公开(公告)号：CN112185523A
公开(公告)日：2021-01-05
申请号：CN202011060027.1
申请日：2020-09-30
Applicant: 南京大学
Abstract: 本发明公开了基于多尺度卷积神经网络的糖尿病视网膜病变分类方法，先将原始眼底图像进行归一化预处理，再以目标像素为中心，对预处理后的图像进行多尺度分割，得到不同尺度下的一系列形状、大小相同的图像序列。针对每个尺度，分别利用卷积神经网络模型对图像序列进行特征提取，得到不同尺度的特征并进行融合，针对融合后的特征来进行最后的分类，得到图像序列(即目标像素)的病变检测结果。将原始眼底图像上所有像素点的检测结果进行整合输出，即得到带有病变定位和分类的糖尿病视网膜病变检测结果图。本发明多尺度提取特征并融合，实现同时检测MAs和HEs两种病变的自适应尺度糖尿病视网膜病变，提高了糖尿病视网膜病变检测算法的性能。
-
Patent Agency Ranking
公开(公告)号：CN110148168B
公开(公告)日：2023-03-24
申请号：CN201910432950.4
申请日：2019-05-23
Applicant: 南京大学
IPC: G06T7/593
Abstract: 本发明公开了基于大小双基线的三目相机深度图像处理方法，通过引入小基线相机组减少计算量，提高计算速度，同时通过大基线相机组进行小范围的立体匹配提高视差图精度，从而达到在提高精度的同时减少立体匹配的计算量的目的。本发明对于现有的双目相机系统，额外添加一个小基线相机，在相同的算法下，通过先计算小基线相机组的视差图，以其为基准扩展一个视差搜索窗口用于大基线相机组的立体匹配，这样不仅可以提高精度同时还减小了计算量，加快了计算速度，提高了整个系统在实际应用场景中的精度与效率，而且还降低了计算量。因此本发明的整个过程能大幅减少立体匹配的计算时间，同时还提高了算法的精度，在实时平台上具有极大应用前景。
-
公开(公告)号：CN110148168A
公开(公告)日：2019-08-20
申请号：CN201910432950.4
申请日：2019-05-23
Applicant: 南京大学
IPC: G06T7/593
Abstract: 本发明公开了基于大小双基线的三目相机深度图像处理方法，通过引入小基线相机组减少计算量，提高计算速度，同时通过大基线相机组进行小范围的立体匹配提高视差图精度，从而达到在提高精度的同时减少立体匹配的计算量的目的。本发明对于现有的双目相机系统，额外添加一个小基线相机，在相同的算法下，通过先计算小基线相机组的视差图，以其为基准扩展一个视差搜索窗口用于大基线相机组的立体匹配，这样不仅可以提高精度同时还减小了计算量，加快了计算速度，提高了整个系统在实际应用场景中的精度与效率，而且还降低了计算量。因此本发明的整个过程能大幅减少立体匹配的计算时间，同时还提高了算法的精度，在实时平台上具有极大应用前景。
-
公开(公告)号：CN111462128A
公开(公告)日：2020-07-28
申请号：CN202010466697.7
申请日：2020-05-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于多模态光谱图像的像素级图像分割系统，多个可见光相机和热成像传感器构成相机阵列，可见光相机搭建为多模态相机阵列组，构成多模态的信息源；图形采集卡连接多模态的信息源与采集工作站，将采集的图像数据存储在采集工作站中；服务器对采集工作站中的图形数据进行配准、后处理。本发明还公开了一种基于多模态光谱图像的像素级图像分割方法，通过将单模态的图像分割算法扩展成多模态输入，并在网络中间层将多模态特征图融合，提高了Mask-RCNN图像分割算法的精度。同时构建一套多模态光谱图像采集系统，可用于构建多模态数据集，应用于目标检测、图像分割、语义分割等相关机器视觉任务，具有现实的应用前景。
-
公开(公告)号：CN111462128B
公开(公告)日：2023-12-12
申请号：CN202010466697.7
申请日：2020-05-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于多模态光谱图像的像素级图像分割系统，多个可见光相机和热成像传感器构成相机阵列，可见光相机搭建为多模态相机阵列组，构成多模态的信息源；图形采集卡连接多模态的信息源与采集工作站，将采集的图像数据存储在采集工作站中；服务器对采集工作站中的图形数据进行配准、后处理。本发明还公开了一种基于多模态光谱图像的像素级图像分割方法，通过将单模态的图像分割算法扩展成多模态输入，并在网络中间层将多模态特征图融合，提高了Mask‑RCNN图像分割算法的精度。同时构建一套多模态光谱图像采集系统，可用于构建多模态数据集，应用于目标检测、图像分割、语义分割等相关机器视觉任务，具有现实的应用前景。
-
公开(公告)号：CN112185523B
公开(公告)日：2023-09-08
申请号：CN202011060027.1
申请日：2020-09-30
Applicant: 南京大学
IPC: G06V10/764 , G06T7/11 , G06T7/00 , G06N3/0464 , G06V10/80 , G16H30/20
Abstract: 本发明公开了基于多尺度卷积神经网络的糖尿病视网膜病变分类方法，先将原始眼底图像进行归一化预处理，再以目标像素为中心，对预处理后的图像进行多尺度分割，得到不同尺度下的一系列形状、大小相同的图像序列。针对每个尺度，分别利用卷积神经网络模型对图像序列进行特征提取，得到不同尺度的特征并进行融合，针对融合后的特征来进行最后的分类，得到图像序列(即目标像素)的病变检测结果。将原始眼底图像上所有像素点的检测结果进行整合输出，即得到带有病变定位和分类的糖尿病视网膜病变检测结果图。本发明多尺度提取特征并融合，实现同时检测MAs和HEs两种病变的自适应尺度糖尿病视网膜病变，提高了糖尿病视网膜病变检测算法的性能。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
