CN104751440A - 一种基于图像处理的方法和装置 - Google Patents
一种基于图像处理的方法和装置 Download PDFInfo
- Publication number
- CN104751440A CN104751440A CN201310753175.5A CN201310753175A CN104751440A CN 104751440 A CN104751440 A CN 104751440A CN 201310753175 A CN201310753175 A CN 201310753175A CN 104751440 A CN104751440 A CN 104751440A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- prospect
- interest
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像处理的方法和装置,该装置包括:采样模块,用于通过对第一图像进行下采样,获得采样后的第二图像;查找模块,用于根据所述第二图像,利用图像分割处理查找出所述第一图像中包含有感兴趣对象的图像区域。利用该方法和装置,能够提高对象的检测率。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于图像处理的方法和处理装置。
背景技术
尿沉渣分析是一种非侵入式检测,用于计算尿液中的各种有形成分(例如,红细胞、白细胞、管型(CAST)、上皮细胞、结晶等)的数目。
许多商业的尿沉渣分析软件能够以良好的性能来检测和计算尿液中的红细胞和白细胞的数目。但是,对尿液有形成分中的管型进行自动检测是一个有挑战性的任务。
一种典型的尿沉渣检测技术是使用显微镜系统来对尿液样本进行成像并且使用计算机视觉技术来分析图像中的尿液有形成分。图像的清晰度直接影响软件分析的性能。虽然许多尿沉渣分析设备能采用自动调焦技术来保证图像的清晰度,然而,由于显微镜系统的景深的限制,图像上的管型通常仍然很淡和模糊,不容易被发现,从而很容易引起管型的漏检。
发明内容
考虑到现有技术的问题,本发明实施例提供一种基于图像处理的方法和装置,其能够提高对象的检测率。
按照本发明实施例的一种基于图像处理的方法,包括:通过对所述第一图像进行下采样,获得采样后的第二图像;根据所述第二图像,利用图像分割处理查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述查找包括:通过使用多个平滑处理级别分别对所述第二图像进行平滑处理,得到多个平滑处理后的第三图像;通过将所述多个第三图像中的指定两两第三图像进行相减,获得图像相减形成的第四图像;以及,通过对所述第四图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述查找包括:通过对所述第二图像进行平滑处理,得到平滑处理后的第五图像;以及,通过对所述第五图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述查找包括:通过对所述第二图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述指定两两第三图像是分别使用所述多个平滑处理级别中相邻的平滑处理级别对所述第二图像进行平滑处理得到的图像。
其中,所述方法还包括:计算所述第一图像中包含有感兴趣对象的图像区域的指定图像特征;以及,根据所计算的指定图像特征,利用预先取得的分类器来确定所述图像区域所包括的感兴趣对象是否属于指定对象。
其中,所述第一图像是对尿液样本进行成像所得到的图像,所述指定对象是尿沉渣中的管型,以及,所述指定图像特征包括以下的至少一个:所述图像区域中的前景的形状、所述图像区域中的前景的纹理、所述图像区域中的前景的灰度、所述图像区域中的前景的梯度、以及所述图像区域中的前景与背景的差异。
按照本发明实施例的一种基于图像处理的装置,包括:采样模块,用于通过对所述第一图像进行下采样,获得采样后的第二图像;查找模块,用于根据所述第二图像,利用图像分割处理查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述查找模块包括:第一处理模块,用于通过使用多个平滑处理级别分别对所述第二图像进行平滑处理,得到多个平滑处理后的第三图像;相减模块,用于通过将所述多个第三图像中的指定两两第三图像进行相减,获得图像相减形成的第四图像;以及,第一检测模块,用于通过对所述第四图像执行图像分割处理,找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述查找模块包括:第二处理模块,用于通过对所述第二图像进行平滑处理,得到平滑处理后的第五图像;以及,第二检测模块,用于通过对所述第五图像执行图像分割处理,找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述查找模块进一步用于:通过对所述第二图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,所述指定两两第三图像是分别使用所述多个平滑处理级别中相邻的平滑处理级别对所述第二图像进行平滑处理得到的图像。
其中,所述装置还包括:计算模块,用于计算所述第一图像中包含有感兴趣对象的图像区域的指定图像特征;以及,确定模块,用于根据所计算的指定图像特征,利用预先取得的分类器来确定所述图像区域所包括的感兴趣对象是否属于指定对象。
其中,所述第一图像是对尿液样本进行成像所得到的图像,所述指定对象是尿沉渣中的管型,以及,所述指定图像特征包括以下的至少一个:所述图像区域中的前景的形状、所述图像区域中的前景的纹理、所述图像区域中的前景的灰度、所述图像区域中的前景的梯度、以及所述图像区域中的前景与背景的差异。
从以上可以看出,本发明实施例的方案利用图像下采样技术来使得图像中淡的和模糊的对象变得清晰和醒目,使得它们容易被发现和被检测到,因此,本发明实施例的方案能够提高对象的检测率。
附图说明
本发明的其它特征、特点和益处通过以下结合附图的详细描述将变得更加显而易见。
图1示出了按照本发明的第一实施例的基于图像处理的方法的流程图。
图2示出了按照本发明的第二实施例的基于图像处理的方法的流程图。
图3示出了按照本发明的第三实施例的基于图像处理的方法的流程图。
图4示出了按照本发明一个实施例的分类方法的流程图。
图5A示出了从对尿液样本成像所得到的图像中分割得到的包含管型的图像区域。
图5B示出了与图4A所示的图像区域对应的二值化黑白图像。
图6示出了按照本发明一个实施例的基于图像处理的装置的示意图。
图6A示出了按照本发明一个实施例的查找模块的示意图。
图6B示出了按照本发明的另一个实施例的查找模块的示意图。
图7示出了按照本发明一个实施例的基于图像处理的设备的示意图。
具体实施方式
在本发明的实施例中,利用图像下采样技术来使得图像中淡的和模糊的对象(例如,尿液中的管型等)变得清晰和醒目,使得它们容易被发现和被检测到,从而提高对象的检测率。
现在参考图1,其示出了按照本发明的第一实施例的基于图像处理的方法的流程图。如图1所示,在方框S100,利用一个或多个不同的下采样率(例如,以1、2、3、…或n个像素为间隔)分别对图像P进行下采样,得到一个或多个采样后的图像T。这里,图像P可以是对尿液样本进行成像所得到的图像。本领域技术人员应当理解,这里还可以采用其它适当的方式来对图像P进行下采样。
在方框S104,利用多个具有不同的平滑处理级别的过滤器分别对该一个或多个图像T中的每一个图像Ti进行平滑处理,得到针对图像Ti的多个平滑处理后的图像N。
在方框S108,将针对图像Ti的多个图像N中的指定两两图像N进行相减,得到图像相减后形成的图像S。这里,该指定两两图像N是分别利用该多个平滑处理级别中相邻的平滑处理级别对图像Ti进行平滑处理得到的图像。其中,该指定两两图像N的相减是指这两个图像N中相对应像素的值进行相减。通常,平滑处理级别越高,对象在平滑处理后得到的图像中的位置偏移其真实位置越远。因此,如果相减的两个图像所使用的平滑处理级别相差越大,则对象在该两个图像中的位置偏移其真实位置的程度相差越大。反之,如果相减的两个图像所使用的平滑处理级别相差越小,则对象在该两个图像中的位置偏移其真实位置的程度相差越小,那么利用该两个图像的相减所形成的图像来确定包含该对象的图像区域的准确度就越高。
例如,假设利用三个分别具有平滑处理级别C1、C2、C3的过滤器分别对图像Ti进行平滑处理,得到三个平滑处理后的图像N1、N2和N3,其中,该三个平滑处理级别C1、C2、C3中平滑处理级别C1与平滑处理级别C2相邻以及平滑处理级别C2与平滑处理级别C3相邻(例如,C1、C2、C3分别为1、1.5、2),利用具有平滑处理级别C1的过滤器对图像Ti进行平滑处理得到的是图像N1,利用具有平滑处理级别C2的过滤器对图像Ti进行平滑处理得到的是图像N2,利用具有平滑处理级别C3的过滤器对图像Ti进行平滑处理得到的是图像N3,那么,该相减的两两图像N是(N1,N2)和(N2,N3),即在方框S108,将图像N1与图像N2相减,以及,将图像N2与图像N3相减。
在方框S112,利用边缘检测器对图像S中的每一个执行基于边缘检测的图像分割处理,查找出图像S中的每一个包含感兴趣对象的图像区域。组合所查找出的图像S中的每一个包含感兴趣对象的图像区域,就得到图像P中包含感兴趣对象的图像区域。
现在参考图2,其示出了按照本发明的第二实施例的基于图像处理的方法的流程图。如图2所示,在方框S200,利用一个或多个不同的下采样率分别对图像P进行下采样,得到一个或多个采样后的图像T。这里,图像P可以是对尿液样本进行成像所得到的图像。
在方框S204,利用一个或多个具有不同的平滑处理级别的过滤器分别对该一个或多个图像T中的每一个图像Ti进行平滑处理,得到一个或多个平滑处理后的图像N。
在方框S208,利用边缘检测器对图像N中的每一个执行基于边缘检测的图像分割处理,查找出图像N中的每一个包含感兴趣对象的图像区域。组合所查找出的图像N中的每一个包含感兴趣对象的图像区域,就得到图像P中包含感兴趣对象的图像区域。
现在参考图3,其示出了按照本发明的第三实施例的基于图像处理的方法的流程图。如图3所示,在方框S300,利用一个或多个不同的下采样率分别对图像P进行下采样,得到一个或多个采样后的图像T。这里,图像P可以是对尿液样本进行成像所得到的图像。
在方框S304,利用边缘检测器对图像T中的每一个执行基于边缘检测的图像分割处理,查找出图像T中的每一个包含感兴趣对象的图像区域。组合所查找出的图像T中的每一个包含感兴趣对象的图像区域,就得到图像P中包含感兴趣对象的图像区域。
显然,与第三实施例的方法相比,第一实施例和第二实施例的方法在对图像执行图像分割处理之前还对图像执行平滑处理,去除图像噪声,从而减少图像噪声对图像分割处理的影响。与第二实施例的方法相比,第一实施例的方法在对图像执行图像分割处理之前将利用不同平滑处理级别处理得到的图像相减,能更进一步凸显图像中淡的和模糊的对象。
在查找出图像P中包含感兴趣对象的图像区域之后,可以使用分类器来确定所查找出的图像区域所包含的感兴趣对象是否是指定对象。
现在参考图4,其示出了按照本发明一个实施例的分类方法的流程图。本实施例的分类方法可以是本发明实施例的基于图像处理的方法的组成部分,其用来确定图像区域中所包含的感兴趣对象是否是尿液中的管型。
如图4所示,在方框S400,计算图像P中所查找出的每一个图像区域的以下图像特征:图像区域中的前景的形状、图像区域中的前景的纹理(外观)、图像区域中的前景的灰度、图像区域中的前景的梯度、以及图像区域中的前景与背景的差异。
下面,以图5A和5B所示的图像区域为例,举例说明如何计算图像区域中的前景的形状、图像区域中的前景的纹理(外观)、图像区域中的前景的灰度、图像区域中的前景的梯度、以及图像区域中的前景与背景的差异。图5A示出的是从对尿液样本成像所得到的图像中分割得到的包含管型的图像区域,图5B示出的是与图5A所示的图像区域对应的二值化黑白图像。图5B所示的黑白图像中的白色部分和黑色部分分别是图5A所示的图像区域的前景和背景,显然,图5B所示的黑白图像中的白色部分是管型的图像。如图5B所示,W表示前景的最小包络矩形的宽度,L表示前景的最小包络矩形的高度,R表示前景的最小包络圆的半径,W_rect表示图5B所示的黑白图像的宽度,H_rect表示图5B所示的黑白图像的高度。
图5A所示的图像区域中的前景的形状可以表示为:(1)L/W;(2)W*L/(W_rect*H_rect);或者,(3)W*L/(π*R*R)。
图5A所示的图像区域中的前景的纹理(外观)可以表示为:(1)图5A所示的图像区域的共生矩阵;或者,(2)图5A所示的图像区域中的前景的共生矩阵。
图5A所示的图像区域中的前景的灰度可以表示为:(1)图5A所示的图像区域的平均灰度值;(2)图5A所示的图像区域中的前景的平均灰度值;或者,(3)图5A所示的图像区域中的前景的边界的平均灰度值。
图5A所示的图像区域中的前景的梯度可以表示为:图5A所示的图像区域中的前景的边界的平均梯度值。
图5A所示的图像区域中的前景与背景的差异可以表示为:(1)图5A所示的图像区域中的前景与背景之间的平均灰度差值;或者,(2)图5A所示的图像区域中的前景与背景之间的纹理差值。
在方框S404,根据所计算的图像P中的每一个图像区域的图像特征,利用预先获取的分类器F来确定图像P中的每一个图像区域所包含的感兴趣对象是否是管型。这里,分类器F是预先利用已知样本训练得到的基于图像区域中的前景的形状、图像区域中的前景的纹理(外观)、图像区域中的前景的灰度、图像区域中的前景的梯度、以及图像区域中的前景与背景的差异来确定图像区域所包含的感兴趣对象是否是管型的分类器。
其它变型
本领域技术人员应当理解,虽然在上面的实施例中,计算图像P中所查找出的每一个图像区域的以下所有图像特征:图像区域中的前景的形状、图像区域中的前景的纹理(外观)、图像区域中的前景的灰度、图像区域中的前景的梯度、以及图像区域中的前景与背景的差异,然而,本发明并不局限于此。在本发明的其它一些实施例中,也可以为图像P中所查找出的每一个图像区域仅计算以上图像特征的其中一部分。
本领域技术人员应当理解,虽然在上面的实施例中,作为基于图像处理的方法的组成部分的分类方法用于确定图像区域中所包含的感兴趣对象是否是尿液中的管型,然而,本发明并不局限于此。在本发明的其它一些实施例中,分类方法也可以用于确定图像区域中所包含的感兴趣对象是否是其它类型的对象。
本领域技术人员应当理解,虽然在上面的第一实施例中,相减的两两图像N是分别利用多个平滑处理级别中相邻的平滑处理级别对图像Ti进行平滑处理得到的图像,然而,本发明并不局限于此。在本发明的其它一些实施例中,相减的两两图像N也可以是利用多个平滑处理级别对图像Ti进行平滑处理得到的图像中的任意两两图像。
本领域技术人员应当理解,虽然在上面的实施例中,使用基于边缘检测的图像分割处理来对图像进行处理以查找出图像P中包含感兴趣对象的图像区域,然而,本发明并不局限于此。在本发明的其它一些实施例中,也可以使用其它类型的图像分割处理来对图像进行处理以查找出图像P中包含感兴趣对象的图像区域。
现在参见图6,其示出了按照本发明一个实施例的基于图像处理的装置的示意图。图6所示的装置可以利用软件、硬件或者软硬结合的方式来实现。如图6所示,基于图像处理的装置60可以包括采样模块602和查找模块604。其中,采样模块602用于通过对所述第一图像进行下采样来获得采样后的第二图像,查找模块604用于根据所述第二图像,利用图像分割处理查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,在本发明的一种实现方式中,如图6A所示,查找模块604包括第一处理模块610、相减模块612和第一检测模块614。第一处理模块610用于通过使用多个平滑处理级别分别对所述第二图像进行平滑处理,得到多个平滑处理后的第三图像。相减模块612用于通过将所述多个第三图像中的指定两两第三图像进行相减,获得图像相减形成的第四图像。第一检测模块614用于通过对所述第四图像执行图像分割处理,找出所述第一图像中包含有感兴趣对象的图像区域。
其中,在本发明的另一实现方式中,如图6B所示,查找模块604包括第二处理模块616和第二检测模块618。第二处理模块616用于通过对所述第二图像进行平滑处理,得到平滑处理后的第五图像。第二检测模块618用于通过对所述第五图像执行图像分割处理,找出所述第一图像中包含有感兴趣对象的图像区域。
其中,在本发明的又一实现方式中,查找模块604进一步用于:通过对所述第二图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
其中,在本发明的再一实现方式中,所述指定两两第三图像是分别使用所述多个平滑处理级别中相邻的平滑处理级别对所述第二图像进行平滑处理得到的图像。
在本发明的又再一实现方式中,装置60还可以包括计算模块606和确定模块608。其中,计算模块606可以用于计算所述第一图像中包含有感兴趣对象的图像区域的指定图像特征。确定模块608可以用于根据所计算的指定图像特征,利用预先取得的分类器来确定所述图像区域所包括的感兴趣对象是否属于指定对象。
在本发明的再一实现方式中,所述第一图像是对尿液样本进行成像所得到的图像,所述指定对象是尿沉渣中的管型,以及,所述指定图像特征包括以下的至少一个:所述图像区域中的前景的形状、所述图像区域中的前景的纹理、所述图像区域中的前景的灰度、所述图像区域中的前景的梯度、以及所述图像区域中的前景与背景的差异。
现在参见图7,其示出了按照本发明一个实施例的基于图像处理的设备的示意图。如图7所示,基于图像处理的设备70可以包括存储器702和与存储器702连接的处理器704,其中,处理器704可以执行装置60中的各个模块所执行的操作。
本发明实施例还提供一种机器可读介质,其上存储有可执行指令,当该可执行指令被执行时,使得机器执行处理器704所执行的操作。
本领域技术人员应当理解,上面公开的各种实施例可以在没有偏离发明实质的情况下作出各种变形和改变,因此,本发明的保护范围应当由所附的权利要求书来定义。
Claims (16)
1.一种基于图像处理的方法,包括:
通过对第一图像进行下采样,获得采样后的第二图像;
根据所述第二图像,利用图像分割处理查找出所述第一图像中包含有感兴趣对象的图像区域。
2.如权利要求1所述的方法,其中,所述查找包括:
通过使用多个平滑处理级别分别对所述第二图像进行平滑处理,得到多个平滑处理后的第三图像;
通过将所述多个第三图像中的指定两两第三图像进行相减,获得图像相减形成的第四图像;以及
通过对所述第四图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
3.如权利要求1所述的方法,其中,所述查找包括:
通过对所述第二图像进行平滑处理,得到平滑处理后的第五图像;以及
通过对所述第五图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
4.如权利要求1所述的方法,其中,所述查找包括:
通过对所述第二图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
5.如权利要求2所述的方法,其中,
所述指定两两第三图像是分别使用所述多个平滑处理级别中相邻的平滑处理级别对所述第二图像进行平滑处理得到的图像。
6.如权利要求1-5中任意一个所述的方法,其中,还包括:
计算所述第一图像中包含有感兴趣对象的图像区域的指定图像特征;以及
根据所计算的指定图像特征,利用预先取得的分类器来确定所述图像区域所包括的感兴趣对象是否属于指定对象。
7.如权利要求6所述的方法,其中
所述第一图像是对尿液样本进行成像所得到的图像,所述指定对象是尿沉渣中的管型,以及
所述指定图像特征包括以下的至少一个:所述图像区域中的前景的形状、所述图像区域中的前景的纹理、所述图像区域中的前景的灰度、所述图像区域中的前景的梯度、以及所述图像区域中的前景与背景的差异。
8.一种基于图像处理的装置,包括:
采样模块,用于通过对第一图像进行下采样,获得采样后的第二图像;
查找模块,用于根据所述第二图像,利用图像分割处理查找出所述第一图像中包含有感兴趣对象的图像区域。
9.如权利要求8所述的装置,其中,所述查找模块包括:
第一处理模块,用于通过使用多个平滑处理级别分别对所述第二图像进行平滑处理,得到多个平滑处理后的第三图像;
相减模块,用于通过将所述多个第三图像中的指定两两第三图像进行相减,获得图像相减形成的第四图像;以及
第一检测模块,用于通过对所述第四图像执行图像分割处理,找出所述第一图像中包含有感兴趣对象的图像区域。
10.如权利要求8所述的装置,其中,所述查找模块包括:
第二处理模块,用于通过对所述第二图像进行平滑处理,得到平滑处理后的第五图像;以及
第二检测模块,用于通过对所述第五图像执行图像分割处理,找出所述第一图像中包含有感兴趣对象的图像区域。
11.如权利要求8所述的方法,其中,所述查找模块进一步用于:
通过对所述第二图像执行图像分割处理,查找出所述第一图像中包含有感兴趣对象的图像区域。
12.如权利要求9所述的装置,其中,
所述指定两两第三图像是分别使用所述多个平滑处理级别中相邻的平滑处理级别对所述第二图像进行平滑处理得到的图像。
13.如权利要求8-12中的任意一个所述的装置,其中,还包括:
计算模块,用于计算所述第一图像中包含有感兴趣对象的图像区域的指定图像特征;以及
确定模块,用于根据所计算的指定图像特征,利用预先取得的分类器来确定所述图像区域所包括的感兴趣对象是否属于指定对象。
14.如权利要求13所述的装置,其中
所述第一图像是对尿液样本进行成像所得到的图像,所述指定对象是尿沉渣中的管型,以及
所述指定图像特征包括以下的至少一个:所述图像区域中的前景的形状、所述图像区域中的前景的纹理、所述图像区域中的前景的灰度、所述图像区域中的前景的梯度、以及所述图像区域中的前景与背景的差异。
15.一种基于图像处理的设备,包括:
存储器;
与所述存储器耦合的处理器,用于执行权利要求1-7中的任意一个权利要求所执行的操作。
16.一种机器可读介质,其上存储有可执行指令,当所述可执行指令被执行时,使得机器执行权利要求1-7中的任意一个权利要求所执行的操作。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310753175.5A CN104751440A (zh) | 2013-12-31 | 2013-12-31 | 一种基于图像处理的方法和装置 |
PCT/US2014/071493 WO2015102946A1 (en) | 2013-12-31 | 2014-12-19 | Method and device based on image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310753175.5A CN104751440A (zh) | 2013-12-31 | 2013-12-31 | 一种基于图像处理的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104751440A true CN104751440A (zh) | 2015-07-01 |
Family
ID=53493902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310753175.5A Pending CN104751440A (zh) | 2013-12-31 | 2013-12-31 | 一种基于图像处理的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104751440A (zh) |
WO (1) | WO2015102946A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032166A (zh) * | 2018-03-08 | 2018-12-18 | 李绪臣 | 基于无人机即时跟踪行驶车辆的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001062241A1 (en) * | 2000-02-23 | 2001-08-30 | Smithkline Beecham Corporation | Method for the prevention or reduction of vascular access dysfunction |
US20030086608A1 (en) * | 2001-07-17 | 2003-05-08 | Amnis Corporation | Computational methods for the segmentation of images of objects from background in a flow imaging instrument |
CN101271514A (zh) * | 2007-03-21 | 2008-09-24 | 株式会社理光 | 一种快速目标检测和目标输出的图像检测方法及装置 |
US20110002516A1 (en) * | 2008-04-07 | 2011-01-06 | Chihiro Manri | Method and device for dividing area of image of particle in urine |
CN102782708A (zh) * | 2009-12-02 | 2012-11-14 | 高通股份有限公司 | 用于图像辨识的描述符小块的快速子空间投影 |
CN103328975A (zh) * | 2010-12-22 | 2013-09-25 | 希森美康株式会社 | 尿分析装置、尿样本信息处理装置及尿样本信息的处理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7450746B2 (en) * | 2002-06-07 | 2008-11-11 | Verathon Inc. | System and method for cardiac imaging |
US8942465B2 (en) * | 2011-12-13 | 2015-01-27 | General Electric Company | Methods and systems for processing images for inspection of an object |
-
2013
- 2013-12-31 CN CN201310753175.5A patent/CN104751440A/zh active Pending
-
2014
- 2014-12-19 WO PCT/US2014/071493 patent/WO2015102946A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001062241A1 (en) * | 2000-02-23 | 2001-08-30 | Smithkline Beecham Corporation | Method for the prevention or reduction of vascular access dysfunction |
US20030086608A1 (en) * | 2001-07-17 | 2003-05-08 | Amnis Corporation | Computational methods for the segmentation of images of objects from background in a flow imaging instrument |
CN101271514A (zh) * | 2007-03-21 | 2008-09-24 | 株式会社理光 | 一种快速目标检测和目标输出的图像检测方法及装置 |
US20110002516A1 (en) * | 2008-04-07 | 2011-01-06 | Chihiro Manri | Method and device for dividing area of image of particle in urine |
CN102782708A (zh) * | 2009-12-02 | 2012-11-14 | 高通股份有限公司 | 用于图像辨识的描述符小块的快速子空间投影 |
CN103328975A (zh) * | 2010-12-22 | 2013-09-25 | 希森美康株式会社 | 尿分析装置、尿样本信息处理装置及尿样本信息的处理方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032166A (zh) * | 2018-03-08 | 2018-12-18 | 李绪臣 | 基于无人机即时跟踪行驶车辆的方法 |
CN109032166B (zh) * | 2018-03-08 | 2020-01-21 | 深圳中琛源科技股份有限公司 | 基于无人机即时跟踪行驶车辆的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2015102946A1 (en) | 2015-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hoang et al. | Metaheuristic optimized edge detection for recognition of concrete wall cracks: a comparative study on the performances of roberts, prewitt, canny, and sobel algorithms | |
Zhuo et al. | Defocus map estimation from a single image | |
US8331650B2 (en) | Methods, systems and apparatus for defect detection | |
US20160086048A1 (en) | Device and Method for Analyzing the Correlation Between an Image and Another Image or Between an Image and a Video | |
US20120328161A1 (en) | Method and multi-scale attention system for spatiotemporal change determination and object detection | |
GB2569751A (en) | Static infrared thermal image processing-based underground pipe leakage detection method | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
AU2014346263B2 (en) | Complex background-oriented optical character recognition method and device | |
CN104978578A (zh) | 手机拍照文本图像质量评估方法 | |
Mainali et al. | Robust low complexity corner detector | |
CN102073873B (zh) | 一种基于支持向量机的sar景象匹配区选取方法 | |
US20100266212A1 (en) | Estimating Vanishing Points in Images | |
US20130170756A1 (en) | Edge detection apparatus, program and method for edge detection | |
CN107644425B (zh) | 目标图像选取方法、装置、计算机设备及存储介质 | |
CN103473776A (zh) | 一种比较图像清晰度的方法、系统及自动聚焦控制方法 | |
CN111126393A (zh) | 车辆外观改装判断方法、装置、计算机设备及存储介质 | |
CN101246593A (zh) | 一种彩色图像边缘检测方法及设备 | |
WO2017120796A1 (zh) | 路面病害的检测方法及其装置、电子设备 | |
Yao et al. | Expose noise level inconsistency incorporating the inhomogeneity scoring strategy | |
Zhang et al. | Single image dehazing using fixed points and nearest-neighbor regularization | |
CN104751431A (zh) | 一种基于图像处理的方法和装置 | |
CN103473566A (zh) | 一种基于多尺度模型的车辆检测方法 | |
CN104751440A (zh) | 一种基于图像处理的方法和装置 | |
Sun et al. | An edge detection method based on improved sobel operator | |
Zhang et al. | A combined approach to single-camera-based lane detection in driverless navigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150701 |