CN112668565B - 一种针对具有遮挡形变的圆形目标判读方法 - Google Patents

一种针对具有遮挡形变的圆形目标判读方法 Download PDF

Info

Publication number
CN112668565B
CN112668565B CN202011450869.8A CN202011450869A CN112668565B CN 112668565 B CN112668565 B CN 112668565B CN 202011450869 A CN202011450869 A CN 202011450869A CN 112668565 B CN112668565 B CN 112668565B
Authority
CN
China
Prior art keywords
binary image
connected domain
circle
circumscribed circle
target
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.)
Active
Application number
CN202011450869.8A
Other languages
English (en)
Other versions
CN112668565A (zh
Inventor
李翔伟
梁冬生
闫旻奇
刘辉
张欣
张永康
穆纪芳
李治国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
XiAn Institute of Optics and Precision Mechanics of CAS
Original Assignee
XiAn Institute of Optics and Precision Mechanics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by XiAn Institute of Optics and Precision Mechanics of CAS filed Critical XiAn Institute of Optics and Precision Mechanics of CAS
Priority to CN202011450869.8A priority Critical patent/CN112668565B/zh
Publication of CN112668565A publication Critical patent/CN112668565A/zh
Application granted granted Critical
Publication of CN112668565B publication Critical patent/CN112668565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明涉及一种针对具有遮挡形变的圆形目标判读方法,以解决现有的质心判读方法对受到遮挡或者形变的圆形目标图像进行计算,得到的质心位置与目标真实位置存在较大误差的问题。该方法包括:1)输入一幅待判读的灰度图像I;2)利用阈值分割二值化方法将灰度图像I分割为二值图像IB;3)从二值图像IB中一个目标连通域的上、下、左、右、左上、左下、右上、右下八个边缘点中选取至少四个边缘点,并构造集合R;4)将集合R中的元素组合为多个不同的三元组RT,并对每个三元组RT构造外接圆RS,选取一个最佳外接圆RSO,作为真实目标的形状估计;5)计算最佳外接圆RSO的圆心OC,作为目标位置的判读结果;6)将判读结果输出,判读结束。

Description

一种针对具有遮挡形变的圆形目标判读方法
技术领域
本发明涉及图像处理领域,具体涉及一种针对具有遮挡形变的圆形目标判读方法。
背景技术
随着工业、医学图像处理分析系统的不断发展,图像判读技术作为图像分析过程中的关键步骤,也在不断地发展进步。图像判读是指对包含目标连通域的输入图像中一个或多个目标进行精确定位,并将位置信息作为结果输出的过程。
目前常用的图像判读方法分为特征点、相关、质心等判读方法。其中,目标的质心判读方法一般为:首先对输入图像进行阈值分割得到二值图像,然后计算每个目标连通域的质心,并将目标的质心位置作为判读结果输出。如果圆形目标受到遮挡或者形变的影响时,所获得的图像中目标成像区域形状会变得不完整或者产生较大的形变,此时采用质心判读方法计算的质心位置将会与目标真实位置存在较大误差,影响目标判读精度。
发明内容
为了解决现有的质心判读方法对受到遮挡或者形变的圆形目标图像进行判读,得到的质心位置与目标真实位置存在较大误差的问题,而提供了一种针对具有遮挡形变的圆形目标判读方法。
本发明所采用的技术方案是:
一种针对具有遮挡形变的圆形目标判读方法,其特殊之处在于,包括以下步骤:
1)输入一幅待判读的灰度图像I;
2)利用阈值分割二值化方法将灰度图像I分割为二值图像IB;所述二值图像IB包括至少一个像素值为1的目标连通域和像素值为0的背景区域;
3)从二值图像IB中一个目标连通域的上、下、左、右、左上、左下、右上、右下八个边缘点中选取至少四个边缘点,并构造集合R;
4)将集合R中的元素组合为多个不同的三元组RT,并对每个三元组RT构造外接圆RS,选取一个最佳外接圆RSO,作为真实目标的形状估计;
4.1)从集合R中任取三个不同点组成三元组RT,并重复多次,得到多个不同的三元组RT;
4.2)将三元组RT中的三点作为圆上三点,从而对每个三元组RT构造外接圆RS;
4.3)计算每个外接圆RS所对应的多个图形参数判据;所述多个图形参数判据包括二值图像IB当前目标连通域面积S1、外接圆面积S2、外接圆与二值图像IB目标连通域重叠面积S3、外接圆与二值图像IB目标连通域非重叠面积S4、外接圆与二值图像IB目标连通域面积差占比DAN、外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN;
4.4)根据每个外接圆RS所对应的多个图形参数判据,选取一个最佳外接圆RSO,作为真实目标的形状估计;
5)计算最佳外接圆RSO的圆心OC,作为目标位置的判读结果;
6)将判读结果输出,判读结束。
进一步地,步骤4.3)中,所述二值图像IB当前目标连通域面积S1的计算方法为:自上而下、自左向右扫描二值图像IB,累加当前目标连通域的像素值,得到二值图像IB当前目标连通域面积S1;
所述外接圆与二值图像IB目标连通域重叠面积S3的计算方法为:
a)根据三元组RT中的圆上三点,计算外接圆RS的圆心和半径;
b)根据外接圆RS的圆心和半径,生成一幅外接圆RS的二值图像IBO,所述二值图像IBO中圆上及圆内部像素值为1,圆外部像素值为0;
c)将二值图像IBO作为掩膜版,与二值图像IB做二值逻辑计算,二值图像IBO与二值图像IB的对应位置逻辑与的累加和,即为外接圆与二值图像IB目标连通域重叠面积S3;
所述外接圆与二值图像IB目标连通域非重叠面积S4的计算方法为:
a)根据三元组RT中的圆上三点,计算外接圆RS的圆心和半径;
b)根据外接圆RS的圆心和半径,生成一幅外接圆RS的二值图像IBO,所述二值图像IBO中圆上及圆内部像素值为1,圆外部像素值为0;
c)将二值图像IBO作为掩膜版,与二值图像IB做二值逻辑计算,二值图像IBO与二值图像IB的对应位置逻辑异或的累加和,即为外接圆与二值图像IB目标连通域非重叠面积S4;
所述外接圆与二值图像IB目标连通域面积差占比DAN的计算方法如下式所示:
Figure GDA0003941700260000031
所述外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN的计算方法如下式所示:
Figure GDA0003941700260000041
进一步地,所述步骤4.4)具体包括以下步骤:
4.4.1)设定面积阈值AT,根据面积阈值AT判断当前目标连通域的大小属性:若二值图像IB当前目标连通域面积S1小于等于面积阈值AT,则该目标连通域为小目标连通域,并进入步骤4.4.2);否则,该目标连通域为一般目标连通域,并进入步骤4.4.4);
4.4.2)将每个外接圆RS所对应的外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN按降序排列,得到DXN最小值,并将DXN最小值所对应的外接圆RS剔除;
4.4.3)在剩余的外接圆RS中,选取DAN最小值所对应的外接圆RS为最佳外接圆RSO,并作为真实目标的形状估计,进入步骤5);
4.4.4)在所有外接圆RS中,选取DAN与DXN之和的最小值所对应的外接圆RS为最佳外接圆RSO,并作为真实目标的形状估计,进入步骤5)。
进一步地,所述阈值分割二值化方法具体为固定灰度阈值分割法、灰度自适应阈值分割法、基于图像灰度直方图的分割方法或空间像素聚类分割方法。
本发明相比现有技术的有益效果是:
(1)本发明提供的一种针对具有遮挡形变的圆形目标判读方法,采用基于多个图形参数判据的最佳外接圆选择方法,对受到遮挡或形变的目标连通域进行真实形状估计,然后对估计出的目标形状计算质心,该方法降低了目标遮挡形变情况对圆形目标判读结果的影响,提高了目标判读精度,且该方法计算量较低,适用于具有遮挡形变情况的单目标以及多目标图像的判读,以及工业图像、医学图像分析等;
(2)本发明中,根据目标连通域面积大小将其分为小目标连通域和一般目标连通域,针对两种类型目标连通域,采用不同的图形判据进行最优形状估计,进一步提高了目标真实形状估计的效果。
附图说明
图1是本发明一种针对具有遮挡形变的圆形目标判读方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供的一种针对具有遮挡形变的圆形目标判读方法,用于实现用户对输入图像中圆形目标的位置进行精确判读,该方法的流程如图1所示,包括以下步骤:
1)输入一幅待判读的灰度图像I。
2)利用阈值分割二值化方法将灰度图像I分割为二值图像IB,该二值图像IB包括像素值为1的目标连通域以及像素值为0的背景区域;二值图像IB应包括至少一个目标连通域。
3)从二值图像IB中一个目标连通域的上、下、左、右、左上、左下、右上、右下八个边缘点中选取至少四个边缘点,并构造集合R。
4)将集合R中的元素组合为多个不同的三元组RT,并对每个三元组RT构造外接圆RS,选取一个最佳外接圆RSO,作为真实目标的形状估计。
4.1)从集合R中任取三个不同点组成三元组RT,并重复多次,得到多个不同的三元组RT;
4.2)将三元组RT中的三点作为圆上三点,从而对每个三元组RT构造外接圆RS,每个外接圆RS的圆心及半径可计算得到;
4.3)计算每个外接圆RS所对应的多个图形参数判据;多个图形参数判据包括二值图像IB当前目标连通域面积S1、外接圆面积S2、外接圆与二值图像IB目标连通域重叠面积S3、外接圆与二值图像IB目标连通域非重叠面积S4、外接圆与二值图像IB目标连通域面积差占比DAN、外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN;
其中,二值图像IB当前目标连通域面积S1的计算方法为:自上而下、自左向右扫描二值图像IB,累加当前目标连通域的像素值,得到二值图像IB当前目标连通域面积S1;
外接圆面积S2通过外接圆RS的半径计算得到;
外接圆与二值图像IB目标连通域重叠面积S3的计算方法为:
a)根据三元组RT中的圆上三点,计算外接圆RS的圆心和半径;
b)根据外接圆RS的圆心和半径,生成一幅外接圆RS的二值图像IBO,所述二值图像IBO中圆上及圆内部像素值为1,圆外部像素值为0;
c)将二值图像IBO作为掩膜版,与二值图像IB做二值逻辑计算,二值图像IBO与二值图像IB的对应位置逻辑与的累加和,即为外接圆与二值图像IB目标连通域重叠面积S3;
外接圆与二值图像IB目标连通域非重叠面积S4的计算方法为:
a)根据三元组RT中的圆上三点,计算外接圆RS的圆心和半径;
b)根据外接圆RS的圆心和半径,生成一幅外接圆RS的二值图像IBO,所述二值图像IBO中圆上及圆内部像素值为1,圆外部像素值为0;
c)将二值图像IBO作为掩膜版,与二值图像IB做二值逻辑计算,二值图像IBO与二值图像IB的对应位置逻辑异或的累加和,即为外接圆与二值图像IB目标连通域非重叠面积S4;
外接圆与二值图像IB目标连通域面积差占比DAN的计算方法为:
Figure GDA0003941700260000071
外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN的计算方法为:
Figure GDA0003941700260000072
4.4)根据每个外接圆RS所对应的多个图形参数判据,选取一个最佳外接圆RSO,作为真实目标的形状估计,具体包括以下步骤:
4.4.1)设定面积阈值AT,根据面积阈值AT判断当前目标连通域的大小属性:若二值图像IB当前目标连通域面积S1小于等于面积阈值AT,则该目标连通域为小目标连通域,并进入步骤4.4.2);否则,该目标连通域为一般目标连通域,并进入步骤4.4.4);
4.4.2)将每个外接圆RS所对应的外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN按降序排列,得到DXN最小值,并将DXN最小值所对应的外接圆RS剔除;
4.4.3)在剩余的外接圆RS中,选取DAN最小值所对应的外接圆RS为最佳外接圆RSO,并作为真实目标的形状估计,进入步骤5);
4.4.4)在所有外接圆RS中,选取DAN与DXN之和的最小值所对应的外接圆RS为最佳外接圆RSO,并作为真实目标的形状估计,进入步骤5)。
5)计算最佳外接圆RSO的圆心OC,作为目标位置的判读结果。
6)将判读结果输出,判读结束。
具体以width*height分辨率的包含M个亮目标的L级灰度图像作为输入图像对本发明进行详细阐述。
步骤1:输入灰度图像I。
该步骤可以通过读取计算机硬盘上存储的图像文件来获取目标图像(图像分辨率为width*height)。
步骤2:对输入图像进行阈值分割二值化,得到二值图像IB。
阈值分割二值化的作用主要是将图像中的目标连通域和背景分割开来,通常将背景区域的像素用0替代,目标连通域的像素用1替代。一般的,目标连通域与周围背景区域相比具有显著性,例如具有较高或较低的灰度值。因此,可采用的阈值分割方法很多,如固定灰度阈值分割法,灰度自适应阈值分割法,基于图像灰度直方图的分割方法,空间像素聚类分割方法等。综合考虑到不同分割方法的效果及其运算复杂度,本实施例采用灰度自适应阈值分割法对图像进行阈值分割二值化。输入图像的分割阈值T的计算如公式(a)所示:
T=Imean+(Imax-Imean)·k (a)
其中,Imean,Imax分别是图像的灰度平均值和最大灰度值;k是调节参数,范围为0<k<1。
得到阈值T后,对输入图像的所有像素值进行映射F,映射方法如公式(b)所示:
Figure GDA0003941700260000081
其中,p是当前像素的灰度值,F(p)是映射后的灰度值。
步骤3:选取二值图像IB中一个目标连通域的边缘点中的若干点,作为集合R的元素。
该步骤中的目标连通区域的边缘点挑选方法具体为:从二值图像IB中一个目标连通域的上、下、左、右、左上、左下、右上、右下八个边缘点中至少选择四个点,利用所选择的边缘点构造集合R。
步骤4:构造多个外接圆RS,并基于多个图形参数判据选取最佳外接圆RSO。
该步骤用于计算目标连通域的最佳外接圆RSO。首先,从集合R中任取不同三点,并重复多次,组成若干不同三元组RT。对每个三元组RT,相当于已知圆上三点,可以计算得到多个不同的外接圆RS,并求得其圆心及半径;然后,计算如下多个图形参数判据:二值图像IB当前目标连通域面积S1、外接圆面积S2、外接圆与二值图像IB目标连通域重叠面积S3、外接圆与二值图像IB目标连通域非重叠面积S4;依据以上图像参数进一步计算:外接圆与二值图像IB目标连通域面积差占比DAN,如公式(c)所示:
Figure GDA0003941700260000091
外接圆与二值图像IB目标连通域重叠与非重叠差占比DXN,如公式(d)所示:
Figure GDA0003941700260000092
根据面积阈值AT判断(S1>AT)得到该目标连通域为一般目标连通域。
根据一般目标连通域的最佳外接圆选取规则,基于前面计算得到的多个图形参数判据选取最佳外接圆RSO。选取规则如公式(e)所示:
Figure GDA0003941700260000101
步骤5:计算最佳外接圆RSO的圆心位置作为目标判读位置输出。
根据需要,对图像的多个目标连通域(一般目标连通域)重复步骤3、4、5,可以得到多个目标连通域的位置判读结果。

Claims (2)

1.一种针对具有遮挡形变的圆形目标判读方法,其特征在于,包括以下步骤:
1)输入一幅待判读的灰度图像I;
2)利用阈值分割二值化方法将灰度图像I分割为二值图像IB;所述二值图像IB包括至少一个像素值为1的目标连通域和像素值为0的背景区域;
3)从二值图像IB中一个目标连通域的上、下、左、右、左上、左下、右上、右下八个边缘点中选取至少四个边缘点,并构造集合R;
4)将集合R中的元素组合为多个不同的三元组RT,并对每个三元组RT构造外接圆RS,选取一个最佳外接圆RSO,作为真实目标的形状估计;
4.1)从集合R中任取三个不同点组成三元组RT,并重复多次,得到多个不同的三元组RT;
4.2)将三元组RT中的三点作为圆上三点,从而对每个三元组RT构造外接圆RS;
4.3)计算每个外接圆RS所对应的多个图形参数判据;所述多个图形参数判据包括二值图像IB当前目标连通域面积S1、外接圆面积S2、外接圆与二值图像IB目标连通域重叠面积S3、外接圆与二值图像IB目标连通域非重叠面积S4、外接圆与二值图像IB目标连通域面积差占比DAN、外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN;
步骤4.3)中,所述二值图像IB当前目标连通域面积S1的计算方法为:自上而下、自左向右扫描二值图像IB,累加当前目标连通域的像素值,得到二值图像IB当前目标连通域面积S1;
所述外接圆与二值图像IB目标连通域重叠面积S3的计算方法为:
a)根据三元组RT中的圆上三点,计算外接圆RS的圆心和半径;
b)根据外接圆RS的圆心和半径,生成一幅外接圆RS的二值图像IBO,所述二值图像IBO中圆上及圆内部像素值为1,圆外部像素值为0;
c)将二值图像IBO作为掩膜版,与二值图像IB做二值逻辑计算,二值图像IBO与二值图像IB的对应位置逻辑与的累加和,即为外接圆与二值图像IB目标连通域重叠面积S3;
所述外接圆与二值图像IB目标连通域非重叠面积S4的计算方法为:
a)根据三元组RT中的圆上三点,计算外接圆RS的圆心和半径;
b)根据外接圆RS的圆心和半径,生成一幅外接圆RS的二值图像IBO,所述二值图像IBO中圆上及圆内部像素值为1,圆外部像素值为0;
c)将二值图像IBO作为掩膜版,与二值图像IB做二值逻辑计算,二值图像IBO与二值图像IB的对应位置逻辑异或的累加和,即为外接圆与二值图像IB目标连通域非重叠面积S4;
所述外接圆与二值图像IB目标连通域面积差占比DAN的计算方法如下式所示:
Figure FDA0003941700250000021
所述外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN的计算方法如下式所示:
Figure FDA0003941700250000022
4.4)根据每个外接圆RS所对应的多个图形参数判据,选取一个最佳外接圆RSO,作为真实目标的形状估计;
所述步骤4.4)具体包括以下步骤:
4.4.1)设定面积阈值AT,根据面积阈值AT判断当前目标连通域的大小属性:若二值图像IB当前目标连通域面积S1小于等于面积阈值AT,则该目标连通域为小目标连通域,并进入步骤4.4.2);否则,该目标连通域为一般目标连通域,并进入步骤4.4.4);
4.4.2)将每个外接圆RS所对应的外接圆与二值图像IB目标连通域重叠与非重叠面积差占比DXN按降序排列,得到DXN最小值,并将DXN最小值所对应的外接圆RS剔除;
4.4.3)在剩余的外接圆RS中,选取DAN最小值所对应的外接圆RS为最佳外接圆RSO,并作为真实目标的形状估计,进入步骤5);
4.4.4)在所有外接圆RS中,选取DAN与DXN之和的最小值所对应的外接圆RS为最佳外接圆RSO,并作为真实目标的形状估计,进入步骤5);
5)计算最佳外接圆RSO的圆心OC,作为目标位置的判读结果;
6)将判读结果输出,判读结束。
2.根据权利要求1所述的针对具有遮挡形变的圆形目标判读方法,其特征在于:
所述阈值分割二值化方法具体为固定灰度阈值分割法、灰度自适应阈值分割法、基于图像灰度直方图的分割方法或空间像素聚类分割方法。
CN202011450869.8A 2020-12-10 2020-12-10 一种针对具有遮挡形变的圆形目标判读方法 Active CN112668565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011450869.8A CN112668565B (zh) 2020-12-10 2020-12-10 一种针对具有遮挡形变的圆形目标判读方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011450869.8A CN112668565B (zh) 2020-12-10 2020-12-10 一种针对具有遮挡形变的圆形目标判读方法

Publications (2)

Publication Number Publication Date
CN112668565A CN112668565A (zh) 2021-04-16
CN112668565B true CN112668565B (zh) 2023-02-14

Family

ID=75402312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011450869.8A Active CN112668565B (zh) 2020-12-10 2020-12-10 一种针对具有遮挡形变的圆形目标判读方法

Country Status (1)

Country Link
CN (1) CN112668565B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331695A (zh) * 2014-09-01 2015-02-04 西北工业大学 一种鲁棒的圆形标志符形状质量检测方法
WO2016091016A1 (zh) * 2014-12-12 2016-06-16 山东大学 一种基于胞核标记分水岭变换的粘连白细胞分割方法
CN107255641A (zh) * 2017-06-06 2017-10-17 西安理工大学 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法
CN107633503A (zh) * 2017-08-01 2018-01-26 南京航空航天大学 一种自动检测谷粒中残留秸秆的图像处理方法
CN107909138A (zh) * 2017-11-14 2018-04-13 江苏大学 一种基于安卓平台的类圆颗粒物计数方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5086157B2 (ja) * 2008-04-03 2012-11-28 株式会社日立製作所 画像判読支援方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331695A (zh) * 2014-09-01 2015-02-04 西北工业大学 一种鲁棒的圆形标志符形状质量检测方法
WO2016091016A1 (zh) * 2014-12-12 2016-06-16 山东大学 一种基于胞核标记分水岭变换的粘连白细胞分割方法
CN107255641A (zh) * 2017-06-06 2017-10-17 西安理工大学 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法
CN107633503A (zh) * 2017-08-01 2018-01-26 南京航空航天大学 一种自动检测谷粒中残留秸秆的图像处理方法
CN107909138A (zh) * 2017-11-14 2018-04-13 江苏大学 一种基于安卓平台的类圆颗粒物计数方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automatic Inspection System of Small Plastic Gears Based on Machine Vision;Guanglin Wang 等;《Key Engineering Materials》;20120831;全文 *
一种新的基于形状轮廓点分布的图像检索;束鑫等;《光电子.激光》;20091015(第10期);全文 *
一种新的飞行目标轴线测量方法;曹蓓等;《弹箭与制导学报》;20100415(第02期);全文 *
基于深度图像处理技术的类圆形重叠颗粒计数;张健等;《信息技术》;20180625(第06期);全文 *

Also Published As

Publication number Publication date
CN112668565A (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
KR101618996B1 (ko) 호모그래피를 추정하기 위한 샘플링 방법 및 영상 처리 장치
CN112116610A (zh) 一种遥感影像分割方法、系统、终端以及存储介质
CN110349188B (zh) 基于tsk模糊模型的多目标跟踪方法、装置及存储介质
CN112561881B (zh) 基于评价模型的红外图像自适应数据增强方法
CN111444948B (zh) 一种图像特征提取与匹配方法
US10540750B2 (en) Electronic device with an upscaling processor and associated method
CN111932552B (zh) 一种主动脉建模的方法及装置
CN112800955A (zh) 基于加权双向特征金字塔的遥感影像旋转目标检测方法及系统
CN113362238A (zh) 测试图像处理方法、装置、电子设备及存储介质
CN113177640A (zh) 一种离散异步事件数据增强方法
CN112668565B (zh) 一种针对具有遮挡形变的圆形目标判读方法
KR101162605B1 (ko) 씨티 이미지에서의 텍스처 특징 추출방법
US20030156758A1 (en) Image subtraction
US20030044084A1 (en) Two dimensional image recording and reproducing scheme using similarity distribution
CN105229701A (zh) 定义感兴趣区域的方法
Wang et al. Precise gridding of microarray images by detecting and correcting rotations in subarrays
Shah et al. Kidney tumor segmentation and classification on abdominal CT scans
CN113223098B (zh) 图像颜色分类的预处理优化方法
JP2020098455A (ja) 物体識別システム、物体識別方法、並びに、画像識別プログラム
Srinark et al. A microarray image analysis system based on multiple snakes
CN109146886B (zh) 一种基于深度密度的rgbd图像语义分割优化方法
JP4002156B2 (ja) 画像内パターン位置検出方法、装置、プログラムおよびプログラムが記録された記録媒体
Uehara et al. Towards automatic analysis of DNA microarrays
Gao et al. Exploiting bilinear interpolation and predictive particle swarm optimisation for tilt correction of vehicle license plate images
CN112700449A (zh) 一种图像分割提取方法、系统及存储介质

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
GR01 Patent grant
GR01 Patent grant