CN108765285A - 一种基于视频清晰度融合的大尺寸显微图像生成方法 - Google Patents
一种基于视频清晰度融合的大尺寸显微图像生成方法 Download PDFInfo
- Publication number
- CN108765285A CN108765285A CN201810432523.1A CN201810432523A CN108765285A CN 108765285 A CN108765285 A CN 108765285A CN 201810432523 A CN201810432523 A CN 201810432523A CN 108765285 A CN108765285 A CN 108765285A
- Authority
- CN
- China
- Prior art keywords
- image
- video
- clarity
- key frame
- micro
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000004927 fusion Effects 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 238000000386 microscopy Methods 0.000 claims abstract description 27
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 238000001000 micrograph Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000007500 overflow downdraw method Methods 0.000 abstract description 6
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明属于测量显微镜技术领域，一种基于视频清晰度融合的大尺寸显微图像生成方法，该方法包括：首先，通过显微镜和视频拍摄装置采集显微视频流；然后，从视频流中提取关键帧；再将所提取的关键帧进行图像拼接，最终得到大尺寸清晰的显微图像。在图像拼接过程中，采用了两项关键技术：一、通过基于GPU并行的特征点搜索方法，并行计算得到关键帧间配准偏移量；二、根据关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条融合方法进行图像拼接。本发明所述显微图像生成方法，适用于获取高分辨率、大尺寸显微图像，具有效率高，清晰度高等优点。
Description
技术领域
本发明属于测量显微镜技术领域，涉及一种基于视频清晰度融合的大尺寸显微图像生成方法。
背景技术
在材料科学、医学、电子器件、显微机械等领域的研究中，研究人员通常利用显微镜观测微观组织、显微结构等并进行器件质量评估、材料组织分析等，当显微镜与拍摄装置配合使用时，可以记录显微组织或结构的图像或视频。显微镜的观察区域尺寸与显微镜的放大倍数或所拍摄的图像或视频的空间分辨率成反比，即观察区域越大，显微镜的放大倍数相应的越低，所拍摄的图像或视频的空间分辨率也越低。采用高放大倍数，虽然可以获得更高的空间分辨率，但由于观察区域相对小，对于具有毫米以上尺寸的样品，仅可观察到样品的局部细节，难以观测样品整体。采用计算机视觉方法，对大尺寸样品的不同区域分别进行拍摄，获得多张局部图像，再将局部图像进行拼接，即可获得高分辨率、大尺寸显微图像。目前，国内外已研发多种静态图像(照片)处理的工具，如autoStitch，photoshop，imageJ和imagePro-Plus等软件，用于解决多张照片的拼接问题。但在实际操作时，由于照片拍摄属于静态图像采集方式，每张照片拍摄时均需要进行调焦、确认重合区域等操作，图像采集效率低，难以适用于大尺寸显微图像。
Noah等人针对上述问题，提出一种基于相位相关的视频拼接方法[Noah Bedard,Timothy Quang,Kathleen Schmeler,Rebecca Richards-Kortum,and Tomasz S.Tkaczyk,Real-time video mosaicing with a high-resolution microendoscope,BiomedicalOptics Express,2012]，采用视频拍摄代替照片拍摄，从而提高图像采集效率。但是Noah等所提出的方法基于关键帧串行配准，大尺寸图像生成过程耗时仍然较长；并且由于存在调焦造成的局部模糊，最终合成的图像清晰度不高。
采用视频拍摄方式进行图像采集为高分辨率、大尺寸显微图像的生成提供了一条可行的技术途径。基于视频流，进一步开发更高效的关键帧拼接方法和针对调焦造成的局部模糊，解决高清晰度图像融合问题是目前亟需解决的两个关键问题。
发明内容
本发明主要目的在于提供一种基于视频清晰度融合的大尺寸显微图像生成方法，解决目前高分辨率、大尺寸显微图像生成方法效率不足、整体清晰度无法满足使用需求的两个瓶颈问题。本发明提出通过基于GPU并行的特征点搜索的方法，并行计算得到关键帧间配准偏移量，从而实现图像拼接效率的显著提升；同时，提取关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条融合方法进行图像拼接。从而保证图像整体获得最佳清晰度，最终获得高分辨率、大尺寸、高清晰度的显微组织图像。
为解决上述技术问题，本发明采用以下技术方案：一种基于视频清晰度融合的大尺寸显微图像生成方法，所述方法包括以下主要步骤：
步骤(1)：通过同时使用显微镜和视频采集装置，采集显微视频流；
步骤(2)：根据所述视频流中的关键帧，通过基于GPU并行的特征点搜索的方法，并行计算得到关键帧间配准偏移量；
步骤(3)：根据关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条融合方法进行图像拼接，得到大尺寸清晰的显微图像。
进一步地，步骤(1)中所述显微镜包括光学显微镜、扫描电子显微镜、透射电子显微镜等一切可用于显微成像的设备。
进一步地，步骤(1)通过同时使用显微镜和视频采集装置采集显微视频流，包括以下具体步骤：
步骤(1-1)：确定显微视频拍摄的区域及规划拍摄路径；
步骤(1-2)：设定显微镜参数和视频录制参数，所述包括显微镜的放大倍数、亮度、对比度和视频拍摄的分辨率；
步骤(1-3)：根据所确定的拍摄路径实施显微视频拍摄，得到所需拍摄区域的显微视频。
进一步地，步骤(2)中根据所述视频流中的关键帧，通过基于GPU并行的特征点搜索的方法，并行计算得到关键帧间配准偏移量，包括以下具体步骤：
步骤(2-1)：根据设定的时间间隔获取显微视频流中的关键帧。时间间隔的设定依据为：相邻两帧图像重合面积为图像总面积的80％-90％；
步骤(2-2)：根据获取的显微视频流中的关键帧，通过基于GPU并行计算的方法，计算关键帧间的配准偏移量。
进一步地，步骤(2-2)中通过基于GPU并行计算的方法，计算关键帧间的配准偏移量，包括以下具体步骤：
步骤(2-2-1)：并行配准：用于GPU并行地配准多帧图像，通过并行计算的方法，计算每两相邻关键帧间的局部偏移量；
步骤(2-2-2)：偏移量转换：将得到的所述每两相邻关键帧间的局部偏移量转换为每帧图像相对于首帧图像的全局偏移量。最终确定图像拼接时，每帧图像的空间位置。
进一步地，步骤(2-2-1)中所述并行计算每两相邻关键帧间的局部偏移量包括以下具体步骤：
步骤(2-2-1-1)：并行特征点搜索：采用并行特征点搜索方法寻找相邻两帧图像中的特征点，并计算其特征描述符。所述并行特征点搜索方法可包括SIFT算子、SURF算子或ORB算子的并行化执行；
步骤(2-2-1-2)：特征点配准：用于根据特征点的描述符，配准相似的特征点对；
步骤(2-2-1-3)：噪声滤除：用于滤除特征点对中的误配准；
步骤(2-2-1-4)：偏移量计算：根据所述配准特征点对的坐标，通过数值计算或仿射变换的方法计算经过配准后相邻两帧图像间的局部偏移量；
进一步地，步骤(3)中根据关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条融合方法进行图像拼接，得到大尺寸清晰的显微图像，包括以下具体步骤：
步骤(3-1)：清晰度度量：基于空间频率的方法计算图像块中的清晰度，形成初步的清晰度决策矩阵；清晰度决策矩阵是度量两张图像的清晰度对比结果的二值二维矩阵，其维度与两张图像重合区域的维度相同，其中1(白色区域)表示第二张图像该区域较第一张图像清晰，0(黑色区域)表示第一张图像该区域较第二张图像清晰。参照图3所示，其中图3(c)为清晰度决策矩阵的矩阵形式表示，图3(d)和(e)为清晰度决策矩阵的黑白图像形式表示。
清晰度决策矩阵示意如下所示：
步骤(3-2)：滤波：去除步骤(3-1)得到的清晰度决策矩阵中孤立决策块噪声；
步骤(3-3)：图像融合：采用多分辨率样条法，结合经过步骤(3-2)处理后的清晰度决策矩阵，最终将多帧图像融合成清晰的一张图像。
本发明的有益效果：
1)通过利用GPU处理并行计算的高效性，能够有效提升图像配准的效率，同时采用清晰度融合方法可以有效去除镜头调焦引起的局部模糊，能够获得大尺寸清晰的显微组织图像，从而极大的降低人工的操作时间，提高了显微组织分析的效率。
2)本发明适用范围广，可用于材料显微组织成像、微生物成像、医学显微成像、电子产品显微结构成像、微机械结构成像等各种显微组织和结构的成像。
3)本发明技术可移植性强。本发明所述图像拼接和清晰度融合关键技术可移植于宏观图像拼接和清晰度融合，例如生成高清晰度的城市全景图像、大范围地质照片、卫星图像等。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例提供的显微视频拼接方法的流程图。
图2为本发明实施例提供的显微视频拍摄方法。
图3为本发明实施例提供的基于清晰度决策矩阵的图像融合流程示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例针对目前高分辨率、大尺寸显微图像生成方法效率不足、整体清晰度无法满足使用需求的两个瓶颈问题，提供一种基于视频清晰度融合的大尺寸显微图像生成方法。
参照图1所示，本发明实施例提供的一种基于视频清晰度融合的大尺寸显微图像生成方法，其包括以下步骤：
步骤(1)：通过同时使用显微镜和视频采集装置，采集显微视频流；
步骤(2)：根据获取的显微视频流中的关键帧，通过基于GPU并行的特征点搜索方法，并行计算关键帧间的配准偏移量；
步骤(3)：根据关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条融合方法进行图像拼接，得到大尺寸清晰的显微图像。
进一步地，步骤(1)中所述显微镜包括光学显微镜、扫描电子显微镜、透射电子显微镜等一切可用于显微成像的设备。
进一步地，步骤(1)中通过同时使用显微镜和视频采集装置采集显微视频流，包括以下具体步骤：
步骤(1-1)：确定显微视频拍摄的区域及规划拍摄路径。确定需要拍摄的显微区域应是包含所研究区域在内的且尽量形状规则的区域，如长方形区域，必要时可以对选定的拍摄区域进行标记，如利用显微硬度计对选定的拍摄区域进行标记。确定规则的拍摄区域后，需要规划拍摄视频的路径，拍摄路径应连续且覆盖所有需要拍摄的区域，如图2所述，对于方形的区域可按照“几”字形的路线走完拍摄区域。
步骤(1-2)：设定显微镜参数和视频录制参数，所述包括显微镜的放大倍数、亮度、对比度和视频拍摄的分辨率。选择原则是以看到目标清晰的最小放大倍数为宜，显然对同一显微区域在低的放大倍数下拍摄视频的时间较短，占用存储空间小，后续处理视频数据较小。
步骤(1-3)：根据所确定的拍摄路径实施显微视频拍摄，得到所需拍摄区域的显微视频。本步骤首先将需要拍摄的样品水平放置在载物台上，再进行显微对焦，看到清晰的显微图像后开启显微镜的录像功能进行录制，无自动移动载物台装置的情况下可以手动平稳移动载物台或者移动显微镜头，使镜头按照规划好的拍摄路线进行显微视频拍摄。由于拍摄区域表面不平整，在移动拍摄过程中会发生镜头对焦距离变化而导致视频模糊的情况，这时需要停止镜头和载物台的相对移动(注意是停止移动，并不是停止显微镜头的录像操作)，并进行对焦操作，看到清晰的图像后继续移动拍摄，拍摄视频过程中进行对焦操作的原则是保证一个显微镜视场的区域内每一处都被清晰录制过。当沿着规划的路线录制完全部选定的显微区域后，将视频文件保存，即可对其进行后续视频拼接操作。
本发明实施例中，在不同倍率情况下，以获得一层截面为目标，通过显微镜拍摄视频和拍摄具有重合区域的图像组耗时情况如表1所示：
表1.不同倍率情况下，通过显微镜拍摄视频和拍摄具有重叠区域的图像组耗时
由表得即使在视频拍摄的显微镜倍率高于图像组拍摄的显微镜倍率的情况，拍摄视频的方式也可最大程度上节省人工操作时间。
进一步地，步骤(2)中根据所述视频流中的关键帧，通过基于GPU并行的特征点搜索的方法，并行计算得到关键帧间配准偏移量，包括以下具体步骤：
步骤(2-1)：根据设定的时间间隔获取显微视频流中的关键帧，时间间隔的设定依据为：相邻两帧图像重合面积为图像总面积的80％-90％；本发明实例按3帧/秒的频率解析拍摄的视频，5分钟视频即可获得1800关键帧图像。
步骤(2-2)：根据获取的显微视频流中的关键帧，通过基于GPU并行计算的方法，计算关键帧间的配准偏移量。
进一步地，步骤(2-2)中通过基于GPU并行计算的方法，计算关键帧间的配准偏移量，包括以下具体步骤：
步骤(2-2-1)：并行配准：用于GPU并行地配准多帧图像，通过并行计算的方法，计算每两相邻关键帧间的局部偏移量；
步骤(2-2-2)：偏移量转换：将得到的所述每两相邻关键帧间的局部偏移量转换为每帧图像相对于首帧图像的全局偏移量。最终确定图像拼接时，每帧图像的空间位置。
进一步地，步骤(2-2-1)中所述并行计算每两相邻关键帧间的局部偏移量包括以下具体步骤：
步骤(2-2-1-1)：并行特征点搜索：用于并行地寻找相邻两帧图像中的特征点，并计算其特征描述符。所述并行特征点搜索方法可包括SIFT算子、SURF算子或ORB算子的并行化执行；
步骤(2-2-1-2)：特征点配准：用于根据特征点的描述符，配准相似的特征点对；
步骤(2-2-1-3)：噪声滤除：用于滤除特征点对中的误配准；
步骤(2-2-1-4)：偏移量计算：根据所述配准特征点对的坐标，通过数值计算或仿射变换的方法计算经过配准后相邻两帧图像间的局部偏移量；
所述步骤(3)中根据关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条融合方法进行图像拼接，得到大尺寸清晰的显微图像，主要包括以下步骤：
步骤(3-1)：清晰度度量：基于空间频率的方法计算图像块中的清晰度，形成初步的清晰度决策矩阵。
为了更好的理解本发明实施例，先对空间频率法、清晰度决策矩阵进行说明：
首先将需要融合的图像块(称为图像块a,图像块b)重合区域分别分割成大小为M×N的子图像块，设F(m,n)是点(m,n)处的灰度值，定义空间频率(Spatial Frequency,SF)如下：
其中，RF和CF分别表示行频率(row frequency)和列频率(column frequency)。SF越大，表示图像块越清晰。
对上述所有图像块采用空间频率方法计算清晰度，即可获得初步的清晰度决策矩阵。清晰度决策矩阵是度量两张图像的清晰度对比结果的二值二维矩阵，其维度与两张图像重合区域的维度相同，其中1(白色区域)表示第二张图像该区域较第一张图像清晰，0(黑色区域)表示第一张图像该区域较第二张图像清晰。参照图3所示，其中图3(c)为清晰度决策矩阵的矩阵形式表示，图3(d)和(e)为清晰度决策矩阵的黑白图像形式表示。
步骤(3-2)：滤波：采用双边滤波方法去除方式去除步骤(3-1)得到的清晰度决策矩阵中孤立决策块噪声。由于初步获得的清晰度决策矩阵存在多数噪声点，本发明实例中，采用双边滤波的方式滤除噪声，获得最终的清晰度决策矩阵。参照图3所示，图3(a)中图像左边较右边清晰，图3(b)中图像右边较左边清晰，图3(d)为初步获得的清晰度决策矩阵，图3(e)为采用双边滤波的方式滤除孤立决策块噪声的结果。
步骤(3-3)：图像融合：采用多分辨率样条法，结合所述清晰度决策矩阵，最终将多帧图像融合成清晰的一张图像。图3(f)为融合的清晰结果。
本发明实例所述显微视频拼接方法，通过利用GPU处理并行计算的高效性，能够有效提升图像配准的效率，同时采用清晰度融合方法可以有效去除镜头调焦引起的局部模糊，能够获得大尺寸清晰的显微组织图像，从而极大的降低人工的操作时间，提高了显微组织分析的效率。
上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种基于视频清晰度融合的大尺寸显微图像生成方法，其特征在于，该生成方法包括以下主要步骤：
步骤（1）：通过显微镜和视频采集装置，采集显微视频流，并存储；
步骤（2）：根据采集所述显微视频流中的关键帧，通过基于GPU并行的特征点搜索的方法，并行计算得到关键帧间配准偏移量；
步骤（3）：根据关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条融合方法进行图像拼接，得到大尺寸清晰的显微图像。
2.根据权利要求1所述的生成方法，其特征在于，所述显微镜包括光学显微镜、扫描电子显微镜、透射电子显微镜或一切可用于显微成像的设备。
3.根据权利要求1所述的生成方法，其特征在于，所述步骤（1）通过同时使用显微镜和视频采集装置采集显微视频流，包括以下具体步骤：
步骤（1-1）：确定显微视频拍摄的区域及规划拍摄路径；
步骤（1-2）：设定显微镜参数和视频录制参数，所述包括显微镜的放大倍数、亮度、对比度和视频拍摄的分辨率；
步骤（1-3）：所述视频采集装置根据所确定的拍摄路径实施显微视频拍摄，得到所需拍摄区域的显微视频。
4.根据权利要求1所述的生成方法，其特征在于，步骤（2）中根据所述显微视频流中的关键帧，通过基于GPU并行的特征点搜索的方法，并行计算得到关键帧间配准偏移量，包括以下具体步骤：
步骤（2-1）：首先，设定时间间隔，根据设定的时间间隔获取显微视频流中的关键帧；所述时间间隔的设定依据为：每相邻两帧图像重合面积为图像总面积的80%-90%；
步骤（2-2）：根据获取的显微视频流中的关键帧，通过基于GPU并行计算的方法，计算关键帧间的配准偏移量。
5.根据权利要求1中所述的生成方法，其特征在于，所述步骤（3）中根据关键帧中清晰度信息，构建清晰度决策矩阵，结合多分辨率样条图像融合方法，得到大尺寸清晰显微图像，包括以下具体步骤：
步骤（3-1）清晰度度量：基于空间频率的方法计算图像块中的清晰度，形成初步的清晰度决策矩阵；
步骤（3-2）滤波：去除步骤（3-1）得到的清晰度决策矩阵中孤立决策块噪声；
步骤（3-3）图像融合：采用多分辨率样条法，结合经过步骤（3-2）处理后的清晰度决策矩阵，最终将多帧图像融合成清晰的一张图像。
6.根据权利要求5所述的生成方法，其特征在于，所述步骤（3-2）中的去除方法为双边滤波方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810432523.1A CN108765285A (zh) | 2018-05-08 | 2018-05-08 | 一种基于视频清晰度融合的大尺寸显微图像生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810432523.1A CN108765285A (zh) | 2018-05-08 | 2018-05-08 | 一种基于视频清晰度融合的大尺寸显微图像生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108765285A true CN108765285A (zh) | 2018-11-06 |
Family
ID=64009527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810432523.1A Pending CN108765285A (zh) | 2018-05-08 | 2018-05-08 | 一种基于视频清晰度融合的大尺寸显微图像生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108765285A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109994189A (zh) * | 2019-03-13 | 2019-07-09 | 广州金域医学检验中心有限公司 | 数字病理切片的显示方法、装置和计算机设备 |
| CN110033422A (zh) * | 2019-04-10 | 2019-07-19 | 北京科技大学 | 一种眼底oct图像融合方法及装置 |
| CN110807732A (zh) * | 2019-10-11 | 2020-02-18 | 武汉兰丁医学高科技有限公司 | 用于显微图像全景拼接系统及方法 |
| CN113077395A (zh) * | 2021-03-26 | 2021-07-06 | 东北大学 | 一种高倍光学显微镜下大尺寸样品图像的去模糊方法 |
| WO2023273431A1 (zh) * | 2021-06-28 | 2023-01-05 | 惠州Tcl云创科技有限公司 | 基于视频的高画质图像提取处理方法、装置、移动终端 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455991A (zh) * | 2013-08-22 | 2013-12-18 | 西北大学 | 一种多聚焦图像融合方法 |
| CN107680041A (zh) * | 2017-09-26 | 2018-02-09 | 电子科技大学 | 一种用于大范围显微成像区域的图像获取及拼接方法 |
-
2018
- 2018-05-08 CN CN201810432523.1A patent/CN108765285A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455991A (zh) * | 2013-08-22 | 2013-12-18 | 西北大学 | 一种多聚焦图像融合方法 |
| CN107680041A (zh) * | 2017-09-26 | 2018-02-09 | 电子科技大学 | 一种用于大范围显微成像区域的图像获取及拼接方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孙明竹 等: "基于尺度不变特征变换特征的显微图像在线拼接方法", 《高技术通讯》 * |
| 汤井田 等: "基于SIFT特征检测的医学显微图像自动拼接", 《计算机工程与应用》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109994189A (zh) * | 2019-03-13 | 2019-07-09 | 广州金域医学检验中心有限公司 | 数字病理切片的显示方法、装置和计算机设备 |
| CN110033422A (zh) * | 2019-04-10 | 2019-07-19 | 北京科技大学 | 一种眼底oct图像融合方法及装置 |
| CN110033422B (zh) * | 2019-04-10 | 2021-03-23 | 北京科技大学 | 一种眼底oct图像融合方法及装置 |
| CN110807732A (zh) * | 2019-10-11 | 2020-02-18 | 武汉兰丁医学高科技有限公司 | 用于显微图像全景拼接系统及方法 |
| CN110807732B (zh) * | 2019-10-11 | 2023-08-29 | 武汉兰丁智能医学股份有限公司 | 用于显微图像全景拼接系统及方法 |
| CN113077395A (zh) * | 2021-03-26 | 2021-07-06 | 东北大学 | 一种高倍光学显微镜下大尺寸样品图像的去模糊方法 |
| CN113077395B (zh) * | 2021-03-26 | 2023-10-24 | 东北大学 | 一种高倍光学显微镜下大尺寸样品图像的去模糊方法 |
| WO2023273431A1 (zh) * | 2021-06-28 | 2023-01-05 | 惠州Tcl云创科技有限公司 | 基于视频的高画质图像提取处理方法、装置、移动终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108765285A (zh) | 一种基于视频清晰度融合的大尺寸显微图像生成方法 | |
| Jia et al. | LLVIP: A visible-infrared paired dataset for low-light vision | |
| CN101441320B (zh) | 一种基于显微成像检测的高动态图像获取装置及其方法 | |
| JP3737483B2 (ja) | 実時間全焦点顕微鏡カメラ | |
| CN109413407B (zh) | 高空间分辨率光场采集装置与图像生成方法 | |
| US10921575B2 (en) | Auto-focus methods and systems for digital imaging using multi-spectral trajectories | |
| CN104441650B (zh) | 立体打印系统以及立体打印方法 | |
| CN101630061A (zh) | 工具痕迹光学共聚焦三维数据采集系统及其采集方法 | |
| RU2734447C2 (ru) | Система для формирования синтезированного двухмерного изображения биологического образца с повышенной глубиной резкости | |
| CN113221665A (zh) | 一种基于动态最佳缝合线和改进渐入渐出法的视频融合算法 | |
| JP2013201530A (ja) | 撮像装置及びその制御方法 | |
| CN109001902B (zh) | 基于图像融合的显微镜聚焦方法 | |
| CN105957091A (zh) | 一种基于显微级全景图的焦炭显微结构分析方法 | |
| Dogan et al. | Automatic panorama with auto-focusing based on image fusion for microscopic imaging system | |
| CN109724951A (zh) | 一种动态超分辨荧光成像技术 | |
| CN105651699B (zh) | 一种基于面阵相机的动态跟焦方法 | |
| JP3627020B2 (ja) | 三次元透過型顕微鏡システムおよび画像表示方法 | |
| US11256078B2 (en) | Continuous scanning for localization microscopy | |
| Lu et al. | A multi-focus image fusion based on wavelet and region detection | |
| JP3488762B2 (ja) | 画像処理装置及び画像処理方法 | |
| JPH11287618A (ja) | 画像処理装置 | |
| CN110675354B (zh) | 发育生物学的图像处理方法、系统及存储介质 | |
| JP4271648B2 (ja) | 画像合成装置、撮像手段、およびプログラム | |
| JP2009210520A (ja) | 距離測定装置および距離測定方法 | |
| Sun et al. | Deep Learning Enables Large Depth-of-Field Images for Sub-Diffraction-Limit Scanning Superlens Microscopy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
| RJ01 | Rejection of invention patent application after publication |