-
公开(公告)号:CN110146974B
公开(公告)日:2020-10-23
申请号:CN201910456913.7
申请日:2019-05-29
申请人: 电子科技大学
摘要: 本发明公开了一种智能生物显微镜,属于显微领域,尤其是能自动对焦,拼接图像并识别有形成分的智能生物显微镜。硬件模块,图像采集模块与电脑通过连接线相连,软件模块运行在电脑端。通过三部步进电机与工业相机的协作,完成单筒显微镜的自动对焦以及图像拍摄,电脑端运行的图像处理软件通过预处理、图像配准、建立变换模型、图像变换、图像融合输出拼接后的大视野图像,最终运行软件中的算法单元对输出的图像进行有形成分识别与计数。本发明使用过程中,采用一键式操作,极大程度减轻了医生的工作负担,且对微小病变与疑难病例有着极高的识别能力,后期处理的定量化分析为医生诊断提供了可靠的参考。
-
公开(公告)号:CN110232673B
公开(公告)日:2023-06-23
申请号:CN201910460150.3
申请日:2019-05-30
申请人: 电子科技大学
摘要: 本发明的公开了一种基于医疗显微成像的快速稳健的图像拼接方法,属于图像处理领域。为了实现高速,高精度的显微图像拼接,本发明选择ORB算法提取图像特征,证明本发明通过处理可以用此方法可以和用SIFT、SURF等算法达到同一精确度,并可以在特征提取上减少计算量,另外,为了消除混合缝隙来产生无缝图像,本发明采用渐入渐出加权平均策略,在最后的融合阶段,本发明采用图像索引操作,最大化避免对像素的多次复制移动,进一步缩短了时间。另外,本发明整个算法流程使用GPU加速,将算法处理时间降至最低。通过计算,本发明在使用分辨率为1360×1024的3×3图像可以在1秒左右完成准确无缝隙拼接。
-
公开(公告)号:CN110146974A
公开(公告)日:2019-08-20
申请号:CN201910456913.7
申请日:2019-05-29
申请人: 电子科技大学
摘要: 本发明公开了一种智能生物显微镜,属于显微领域,尤其是能自动对焦,拼接图像并识别有形成分的智能生物显微镜。硬件模块,图像采集模块与电脑通过连接线相连,软件模块运行在电脑端。通过三部步进电机与工业相机的协作,完成单筒显微镜的自动对焦以及图像拍摄,电脑端运行的图像处理软件通过预处理、图像配准、建立变换模型、图像变换、图像融合输出拼接后的大视野图像,最终运行软件中的算法单元对输出的图像进行有形成分识别与计数。本发明使用过程中,采用一键式操作,极大程度减轻了医生的工作负担,且对微小病变与疑难病例有着极高的识别能力,后期处理的定量化分析为医生诊断提供了可靠的参考。
-
公开(公告)号:CN114511644B
公开(公告)日:2023-06-09
申请号:CN202210069098.0
申请日:2022-01-21
申请人: 电子科技大学
IPC分类号: G06T7/90 , G06T7/20 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/0455 , G06N3/08
摘要: 本发明公开了一种基于深度学习的自适应数字伪装方法,属于图像处理领域。本发明通过摄像头等装置不断扫描周围环境背景,利用空间信息和视频前后帧之间的联系,快速分析计算出伪装目标所在位置应有的环境背景状态,对伪装目标进行实时像素级伪装,达到视觉隐身的效果。该技术能够对静止物体和运动物体实现良好的伪装,对于自然探索、潜伏侦查、国家安防和科学研究都具有十分重大的意义。
-
公开(公告)号:CN114511644A
公开(公告)日:2022-05-17
申请号:CN202210069098.0
申请日:2022-01-21
申请人: 电子科技大学
摘要: 本发明公开了一种基于深度学习的自适应数字伪装方法,属于图像处理领域。本发明通过摄像头等装置不断扫描周围环境背景,利用空间信息和视频前后帧之间的联系,快速分析计算出伪装目标所在位置应有的环境背景状态,对伪装目标进行实时像素级伪装,达到视觉隐身的效果。该技术能够对静止物体和运动物体实现良好的伪装,对于自然探索、潜伏侦查、国家安防和科学研究都具有十分重大的意义。
-
公开(公告)号:CN110232673A
公开(公告)日:2019-09-13
申请号:CN201910460150.3
申请日:2019-05-30
申请人: 电子科技大学
摘要: 本发明的公开了一种基于医疗显微成像的快速稳健的图像拼接方法,属于图像处理领域。为了实现高速,高精度的显微图像拼接,本发明选择ORB算法提取图像特征,证明本发明通过处理可以用此方法可以和用SIFT、SURF等算法达到同一精确度,并可以在特征提取上减少计算量,另外,为了消除混合缝隙来产生无缝图像,本发明采用渐入渐出加权平均策略,在最后的融合阶段,本发明采用图像索引操作,最大化避免对像素的多次复制移动,进一步缩短了时间。另外,本发明整个算法流程使用GPU加速,将算法处理时间降至最低。通过计算,本发明在使用分辨率为1360×1024的3×3图像可以在1秒左右完成准确无缝隙拼接。
-
-
-
-
-