CN106127707A - 一种超声血流图像的处理方法 - Google Patents
一种超声血流图像的处理方法 Download PDFInfo
- Publication number
- CN106127707A CN106127707A CN201610460622.1A CN201610460622A CN106127707A CN 106127707 A CN106127707 A CN 106127707A CN 201610460622 A CN201610460622 A CN 201610460622A CN 106127707 A CN106127707 A CN 106127707A
- Authority
- CN
- China
- Prior art keywords
- image
- blood
- pixel
- blood flow
- template image
- 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.)
- Granted
Links
- 239000008280 blood Substances 0.000 title claims abstract description 27
- 210000004369 blood Anatomy 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000017531 blood circulation Effects 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000002604 ultrasonography Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000003628 erosive effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000010339 dilation Effects 0.000 claims description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 5
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种超声血流图像的处理方法,包括:根据原始超声血流图像计算模板图像;对模板图像进行形态学开运算;利用模板图像对超声血流图像进行修正以消除孤立噪声;对模板图像进行投影运算求取真实血流区域;对真实血流区域内异向噪声点进行像素插值填充。本发明利用形态学运算对超声血流图像进行处理,可以有效解决图像中孤立噪声的问题,消除同向血流区域的异常点,改善终端显示的视觉效果。
Description
技术领域
本发明公开了一种超声血流图像的处理方法,属于数字图像处理领域,具体涉及超声彩色血流图像处理领域,尤其涉及改善和提高超声彩色血流图像质量的方法和装置。
背景技术
目前,B型超声成像技术、超声多普勒血流检测技术和超声彩色血流成像技术是医学超声应用的几个重要方面。其中超声彩色血流成像技术通过图像直观、动态地显示出血管内的血流速度及其分布。
在彩色血流成像过程中,由于人体内的血流、组织、血管壁等并不是完全静止的反射体,同时超声前段电路元器件的误差,很容易在彩色图像上形成假的孤立彩色图像块,即孤立噪声;另外同向血流图像区域内,容易出现异向血流图像区域,即异色噪声。
目前超声设备中的去噪多是针对随机噪声、斑点噪声等后处理,鲜有关注血流图像的去噪增强。广泛应用的算法包括中值滤波、双边滤波、自适应空域滤波、时域多帧融合滤波等,某些算法在抑制噪声的同时还能保持一定的边缘特性。如果直接运用这些去噪算法,并不能取得很好的效果。
专利申请号为200410015582.7的中国专利申请“超声波彩色血流成像的图像后处理方法及装置”,公开了一种超声彩色血流成像的图像后处理方法,将来自波束合成电路的波束分成两路,其一经黑白信号处理后产生黑白组织图像;另一经彩色血流处理后输出彩色血流图像,该彩色血流图像又分为两路,一路送往门限判决模块产生图像模式标志,另一路送往混合后处理模块与上述图像模式标志及黑自组织图像一起进行混合处理成像;此外彩色血流处理电路还包括求模模块用以产生门限判决模块使用的黑白组织图像。该专利主要对彩色血流图像做局部二维平滑滤波来抑制噪声。采用方法较单一普通,无法抑制“孤立点”,也无法消除异色噪声点。
专利申请号为201510886067.4的中国专利申请“一种超声彩色多普勒图像后处理方法”,包括在超声彩色多普勒成像系统中设置血流参数估计模块,所述血流信号处理模块对应接收血流方差和血流速度信号,在超声彩色多普勒成像系统中设置参数预处理模块,所述参数预处理模块用于比对信号是否为血流信号,设置空间处理模块用于对图像进行处理,这种处理方法可以最大程度降低异常点的产生。但是,该申请的技术方案同样无法抑制“孤立点”,也无法消除异色噪声点。
发明内容
本发明所要解决的技术问题是:针对现有技术的缺陷,提供一种超声血流图像的处理方法。
本发明为解决上述技术问题采用以下技术方案:
一种超声血流图像的处理方法,具体步骤包括:
步骤一、根据原始超声血流图像,计算模板图像;
步骤二、对步骤一产生的模板图像进行形态学开运算;
步骤三、利用模板图像对超声血流图像进行修正,消除孤立噪声;
步骤四、对模板图像进行投影运算求取真实血流区域;
步骤五、对真实血流区域内异向噪声点进行像素插值填充。
作为本发明的进一步优选方案,所述步骤一中,通过对原始超声血流图像进行阈值分割,计算三值模板图像。
作为本发明的进一步优选方案,所述计算三值模板图像步骤具体包括,设定1表示正向血流,-1表示负向血流,0表示非血流区域;
将硬件电路的波束信号分为两路,一路为2D数据,一路为CFM数据;
对于CFM数据进行相关性运算,得到速度信息、能量信息、方差信息;
对所述速度信息进行处理,设定阈值th1和th2,对速度图像进行阈值分割,大于上限th1属于正向血流,模板图像中对对应的像素值为1,小于下限th2属于逆向血流,模板图像中对应的像素值为-1,两个阈值之间的部分为2D图像,在模板图像中对应的像素值为0。
作为本发明的进一步优选方案,所述步骤二中,所述形态学开运算包括:用结构元素腐蚀模板图像,用结构元素膨胀模板图像,其中,所述腐蚀和膨胀的结构元素是同一个。所述腐蚀运算是用结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做与操作,如果都为1,则该像素为1,否则为0;所述膨胀运算是用一个结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做与操作,如果都为0,则该像素为0,否则为1。
作为本发明的进一步优选方案,所述步骤三中,通过对比开运算前后模板图像的差异,对超声血流图像进行修正,具体为:
f_estimate(find(f_mask2~=f_mask))=tmp
式中,f_mask为S101步计算得到的模板图像,f_mask2为S102步经开运算后得到的模板图像,f_estimate为速度信息,即血流图像,find为查找算子。
作为本发明的进一步优选方案,所述步骤四的具体方法包括:分别将模板图像中正向血流点及负向血流点向Y轴投影,求取正向及负向投影数据;将正向投影数据和负向投影数据相减并统计所有同向数据段;剔除所有数据段中长度小于设定的阈值th3的数据;剩余数据段中,对于正向及负向分别挑选一长度最大者为真实血流区域。
作为本发明的进一步优选方案,所述步骤五的具体方法包括:对于当前异向噪声点,以其为中心,在所述中心周围设定区域,对所设定区域内的非噪声像素进行插值运算。
作为本发明的进一步优选方案,所述插值运算具体为:选取所设定区域内的主色像素点,进行加权平均,设定权值大小一致,即均值滤波,所述主色像素点为该真实血流区域的真实像素点,排除异色噪声周边的其他异色噪声点,插值的范围大小及插值半径大小均可调节。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明利用形态学运算对超声血流图像进行处理,可以有效解决图像中孤立噪声的问题,消除同向血流区域的异常点,改善终端显示的视觉效果。
附图说明
图1是本发明的方法流程图。
图2是本发明的一个示例中,半径为4时的结构元素示意图。
图3是原始超声图像。
图4是经过本发明所提方法处理后的超声图像。
图5是孤立噪声消除结果的局部图示。
图6是孤立噪声及异向噪声消除结果的局部图示。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
下面结合附图对本发明的技术方案做进一步的详细说明:
图1是本发明的处理图像的方法的流程图,如图1所示:
在步骤101中,计算获取彩色血流模板图像。
在本发明的一个具体实施例中,可选地,通过对原始超声血流图像进行阈值分割来计算三值模板图像,可以但不限于用1表示正向血流,用-1表示负向血流,用0表示非血流区域。
硬件电路的波束信号分为两路,一路为2D数据,一路为CFM数据,对于CFM数据,进行相关性运算,得到速度信息、能量信息、方差信息。本步骤中对二维速度信息进行处理。首先根据设定的阈值th1和th2,对速度图像进行阈值分割,大于上限th1属于正向血流,如图中深黑色区域,模板图像中对对应的像素值为1,小于下限th2属于逆向血流,用如图中浅灰色区域表示,模板图像中对应的像素值为-1,中间部分为2D图像,在模板图像中对应的像素值为0。
根据上述阈值分割,可计算得到原始彩色血流图像对应的二维三值模板图像。
在步骤102中,对以上模板图像进行形态学开运算。
开运算包括腐蚀和膨胀:腐蚀运算是用结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为1,则该像素为1,否则为0。膨胀运算是用一个结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为0,则该像素为0,否则为1。
实验表明,开运算可以很好消除孤立噪声,先通过腐蚀运算把这些噪声点“抹掉”,但腐蚀会收缩真实血流区域,因此,对腐蚀结果进行对应的膨胀操作,以恢复真实血流区域的尺寸。
操作前,需要设置开运算结构元素,实验表明,对于彩色血流图像圆形结构具有良好的效果,但结构元素不局限于此,可以根据需要选取其他形状,甚至可以旋转调整角度。
本专利实例中选用半径可调节圆形结构元素,原则上,腐蚀和膨胀应该使用相同的结构元素。在一个示例中半径为4时的结构元素如图2。
上述腐蚀、膨胀操作是对S101步骤中得到的模板图像进行的。
在步骤S103中,利用模板图像对超声血流图像进行修正以消除孤立噪声。
规则如下:
f_estimate(find(f_mask2~=f_mask))=tmp(1)
式中,f_mask为S101步计算得到的模板图像,f_mask2为S102步经开运算后得到的模板图像,f_estimate为速度信息,即血流图像,find为查找算子。
(1)式含义为找出f_mask2和f_mask值不同的位置,并对这些位置的f_estimate像素重新赋值为tmp,可选地,tmp=(th1+th2)/2。
在步骤S104中,模板图像进行投影运算求取真实血流区域。
开运算可以消除彩色孤立噪声,但不能解决异向噪声问题。对于异向噪声,本方法提出首先利用彩色血流模板图像投影的方法,计算出图像中的真实血流区域,支持同时存在正向和逆向的血流图像,对于真实血流区域内有别于主色彩的异向区域,进行S105步的插值平滑。
投影计算的方法如下段matlab代码所示,其中fmask为模板图像,可选地,只利用Y轴方向投影结果进行计算。
%Y轴方向投影
%计算projectionY
projectionY=projectionYr–projectionYb;
得到投影数据后,首先统计图像中真实的血流区域,统计方法如下:
(1)遍历projectionY,得到所有的同向数据段,即数据曲线中两个零点之间的数据段,记录每段起止坐标及长度信息。
(2)对于长度小于阈值th3的数据段,作为噪声。对于长度超过th3的数据段,对于正向和逆向血流分别选择一个最大长度的数据段作为真实的血流区域。
matlab代码:
%检测血流主区域,支持正反两段
需要指出的是,统计结果可能只有一段浅灰色血流区域,当所有深黑色数据段的长度都小于阈值lineFilterLevel时,反之亦然。
在步骤S104中,对真实的血流区域内的异色噪声进行插值处理。
插值方法为:选取周边一定范围内的主色像素,进行加权平均,权值可以根据实际需要,本例为所有权值大小一致,即均值滤波。主色像素点是指该真实血流区域的真实像素点,不包含异色噪声周边的其他异色噪声点。插值范围及插值半径,大小可调节,本例中设置为lineFilterLevel。计算过程如下述matlab代码所示:
for i=array{1}(1):array{1}(2)%根据数据段的起止坐标来确定循环的上下限
图3为原始超声图像,图4为经本专利所提方法处理后的超声图像,图5为孤立噪声消除结果的局部图示,图6为孤立噪声及异向噪声消除结果的局部图示。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (9)
1.一种超声血流图像的处理方法,其特征在于,具体步骤包括:
步骤一、根据原始超声血流图像,计算模板图像;
步骤二、对步骤一产生的模板图像进行形态学开运算;
步骤三、利用模板图像对超声血流图像进行修正,消除孤立噪声;
步骤四、对模板图像进行投影运算求取真实血流区域;
步骤五、对真实血流区域内异向噪声点进行像素插值填充。
2.如权利要求1所述的一种超声血流图像的处理方法,其特征在于:所述步骤一中,通过对原始超声血流图像进行阈值分割,计算三值模板图像。
3.如权利要求2所述的一种超声血流图像的处理方法,其特征在于:所述计算三值模板图像步骤具体包括,设定1表示正向血流,-1表示负向血流,0表示非血流区域;
将硬件电路的波束信号分为两路,一路为2D数据,一路为CFM数据;
对于CFM数据进行相关性运算,得到速度信息、能量信息、方差信息;
对所述速度信息进行处理,设定阈值th1和th2,对速度图像进行阈值分割,大于上限th1属于正向血流,模板图像中对对应的像素值为1,小于下限th2属于逆向血流,模板图像中对应的像素值为-1,两个阈值之间的部分为2D图像,在模板图像中对应的像素值为0。
4.如权利要求1所述的一种超声血流图像的处理方法,其特征在于:所述步骤二中,所述形态学开运算包括:用结构元素腐蚀模板图像,用结构元素膨胀模板图像,其中,所述腐蚀和膨胀的结构元素是同一个。
5.如权利要求4所述的一种超声血流图像的处理方法,其特征在于:
所述腐蚀运算是用结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做与操作,如果都为1,则该像素为1,否则为0;
所述膨胀运算是用一个结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做与操作,如果都为0,则该像素为0,否则为1。
6.如权利要求1所述的一种超声血流图像的处理方法,其特征在于:所述步骤三中,通过对比开运算前后模板图像的差异,对超声血流图像进行修正,具体为:
f_estimate(find(f_mask2~=f_mask))=tmp
式中,f_mask为S101步计算得到的模板图像,f_mask2为S102步经开运算后得到的模板图像,f_estimate为速度信息,即血流图像,find为查找算子。
7.如权利要求1所述的一种超声血流图像的处理方法,其特征在于,所述步骤四的具体方法包括:
分别将模板图像中正向血流点及负向血流点向Y轴投影,求取正向及负向投影数据;
将正向投影数据和负向投影数据相减并统计所有同向数据段;
剔除所有数据段中长度小于设定的阈值th3的数据;
剩余数据段中,对于正向及负向分别挑选一长度最大者为真实血流区域。
8.如权利要求1所述的一种超声血流图像的处理方法,其特征在于,所述步骤五的具体方法包括:对于当前异向噪声点,以其为中心,在所述中心周围设定区域,对所设定区域内的非噪声像素进行插值运算。
9.如权利要求8所述的一种超声血流图像的处理方法,其特征在于,所述插值运算具体为:
选取所设定区域内的主色像素点,进行加权平均,设定权值大小一致,即均值滤波,所述主色像素点为该真实血流区域的真实像素点,排除异色噪声周边的其他异色噪声点,插值的范围大小及插值半径大小均可调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610460622.1A CN106127707B (zh) | 2016-06-23 | 2016-06-23 | 一种超声血流图像的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610460622.1A CN106127707B (zh) | 2016-06-23 | 2016-06-23 | 一种超声血流图像的处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106127707A true CN106127707A (zh) | 2016-11-16 |
CN106127707B CN106127707B (zh) | 2019-04-16 |
Family
ID=57269211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610460622.1A Expired - Fee Related CN106127707B (zh) | 2016-06-23 | 2016-06-23 | 一种超声血流图像的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127707B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797794A (zh) * | 2020-07-13 | 2020-10-20 | 中国人民公安大学 | 一种面部动态血流分布检测方法 |
CN113077393A (zh) * | 2021-03-19 | 2021-07-06 | 聚融医疗科技(杭州)有限公司 | 一种彩色多普勒血流成像的空间平滑方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997034530A1 (fr) * | 1996-03-18 | 1997-09-25 | Furuno Electric Company, Limited | Appareil de diagnostic a ultrasons |
US6071241A (en) * | 1998-12-31 | 2000-06-06 | General Electric Company | Ultrasound color flow display optimization by adjustment of threshold using sampling |
CN1559346A (zh) * | 2004-03-01 | 2005-01-05 | 深圳迈瑞生物医疗电子股份有限公司 | 超声波彩色血流成像的图像后处理方法及装置 |
CN103065138A (zh) * | 2012-12-06 | 2013-04-24 | 新疆公众信息产业股份有限公司 | 一种机动车牌号的识别方法 |
CN104011559A (zh) * | 2011-10-19 | 2014-08-27 | 维拉声学公司 | 使用平面波传输的用于矢量多普勒成像的估计和显示 |
CN104050454A (zh) * | 2014-06-24 | 2014-09-17 | 深圳先进技术研究院 | 一种运动手势轨迹获取方法及系统 |
CN105590315A (zh) * | 2015-12-04 | 2016-05-18 | 南京云石医疗科技有限公司 | 一种超声彩色多普勒图像后处理方法 |
-
2016
- 2016-06-23 CN CN201610460622.1A patent/CN106127707B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997034530A1 (fr) * | 1996-03-18 | 1997-09-25 | Furuno Electric Company, Limited | Appareil de diagnostic a ultrasons |
US6071241A (en) * | 1998-12-31 | 2000-06-06 | General Electric Company | Ultrasound color flow display optimization by adjustment of threshold using sampling |
CN1559346A (zh) * | 2004-03-01 | 2005-01-05 | 深圳迈瑞生物医疗电子股份有限公司 | 超声波彩色血流成像的图像后处理方法及装置 |
CN104011559A (zh) * | 2011-10-19 | 2014-08-27 | 维拉声学公司 | 使用平面波传输的用于矢量多普勒成像的估计和显示 |
CN103065138A (zh) * | 2012-12-06 | 2013-04-24 | 新疆公众信息产业股份有限公司 | 一种机动车牌号的识别方法 |
CN104050454A (zh) * | 2014-06-24 | 2014-09-17 | 深圳先进技术研究院 | 一种运动手势轨迹获取方法及系统 |
CN105590315A (zh) * | 2015-12-04 | 2016-05-18 | 南京云石医疗科技有限公司 | 一种超声彩色多普勒图像后处理方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797794A (zh) * | 2020-07-13 | 2020-10-20 | 中国人民公安大学 | 一种面部动态血流分布检测方法 |
CN113077393A (zh) * | 2021-03-19 | 2021-07-06 | 聚融医疗科技(杭州)有限公司 | 一种彩色多普勒血流成像的空间平滑方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106127707B (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651938B (zh) | 一种融合高分辨率彩色图像的深度图增强方法 | |
CN104598915B (zh) | 一种手势识别方法与装置 | |
CN103927717B (zh) | 基于改进型双边滤波的深度图像恢复方法 | |
CN105809715B (zh) | 一种基于帧间累计变化矩阵的视觉运动目标检测方法 | |
CN101400001A (zh) | 一种视频帧深度图的生成方法及系统 | |
CN105898278B (zh) | 一种基于双目多维感知特性的立体视频显著性检测方法 | |
CN113610889B (zh) | 一种人体三维模型获取方法、装置、智能终端及存储介质 | |
CN104077808A (zh) | 一种用于计算机图形图像处理的、基于深度信息的实时三维人脸建模方法 | |
CN105590315B (zh) | 一种超声彩色多普勒图像后处理方法 | |
CN103581651A (zh) | 一种用于车载多目摄像机环视系统的虚拟视点合成方法 | |
CN109712247B (zh) | 基于混合现实技术的实景训练系统 | |
CN103826032A (zh) | 深度图后期处理方法 | |
CN111265246B (zh) | 超声彩色成像处理方法及装置 | |
CN102194443A (zh) | 视频画中画窗口的显示方法、系统及视频处理设备 | |
CN102592128A (zh) | 一种动态图像检测处理方法、装置及显示终端 | |
Sun et al. | Fast motion object detection algorithm using complementary depth image on an RGB-D camera | |
Chaney et al. | Learning event-based height from plane and parallax | |
AU2020300067A1 (en) | Layered motion representation and extraction in monocular still camera videos | |
CN106127707A (zh) | 一种超声血流图像的处理方法 | |
CN112258610A (zh) | 图像标注方法、装置、存储介质及电子设备 | |
CN109146775B (zh) | 二维图片转换方法、装置、设备及存储介质 | |
Patel et al. | Comparison of optical flow algorithms for speed determination of moving objects | |
CN114793457A (zh) | 用于改进确定深度图、相对姿势或语义分割的过程的设备和方法 | |
CN111476899A (zh) | 基于单视点rgb相机的人手稠密纹理坐标三维重建方法 | |
Roessing et al. | Intuitive visualization of vehicle distance, velocity and risk potential in rear-view camera applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190416 Termination date: 20210623 |
|
CF01 | Termination of patent right due to non-payment of annual fee |