CN112767548A - 一种展开三维阈值立体图形的方法 - Google Patents

一种展开三维阈值立体图形的方法 Download PDF

Info

Publication number
CN112767548A
CN112767548A CN202110013850.5A CN202110013850A CN112767548A CN 112767548 A CN112767548 A CN 112767548A CN 202110013850 A CN202110013850 A CN 202110013850A CN 112767548 A CN112767548 A CN 112767548A
Authority
CN
China
Prior art keywords
gray level
neighborhood
pixels
dimensional
counting
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
Application number
CN202110013850.5A
Other languages
English (en)
Other versions
CN112767548B (zh
Inventor
车畅
包娟
周肖阳
张佳音
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.)
Harbin University
Original Assignee
Harbin University
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 Harbin University filed Critical Harbin University
Priority to CN202110013850.5A priority Critical patent/CN112767548B/zh
Publication of CN112767548A publication Critical patent/CN112767548A/zh
Application granted granted Critical
Publication of CN112767548B publication Critical patent/CN112767548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/04Indexing scheme for image data processing or generation, in general involving 3D image data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明一种展开三维阈值立体图形的方法属于图像处理技术领域;该方法为:统计某像素灰度级的像素个数;统计两个邻域灰度级的像素个数;统计某像素灰度级、第一邻域灰度级、第二邻域灰度级的像素个数,建立正立方体,将像素个数填入格子中;以像素灰度级容限、两个邻域灰度级容限为基础,建立椭球体;按照规则摆放椭球体;将椭球体运动;将椭球体遍历空间与正立方体有交集的区域保留,得到三维阈值立体图形;最后将三维阈值立体图形按一定方法展开,得到一维数据;本发明能够将多维阈值及对应像素个数放置在立体图中进行展示,有利于动态观察阈值规律变化对于图像分割效果的影响规律,找到最佳分割阈值;展开后有利于提高阈值分割运算速度。

Description

一种展开三维阈值立体图形的方法
本申请是发明专利申请《基于双灰度因素的三维阈值立体图形形成方法》的分案申请。
原案申请日:2018-01-31。
原案申请号:2018100972092。
原案发明名称:基于双灰度因素的三维阈值立体图形形成方法。
技术领域
本发明一种展开三维阈值立体图形的方法属于图像处理技术领域。
背景技术
阈值分割法是一种基于区域的图像分割技术,原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级,对像素集合进行一个划分,得到的每个子集形成一个与现实景物相对应的区域,各个区域内部具有一致的属性,而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。
对于医学CT图像,往往器官和其他组织的灰度级有明显区别,因此多采用一个阈值来对图像进行分割。为了自动分割阈值,日本学者提出了基于灰度直方图的Otsu算法,为了提高图像分割的准确性,还出现了二维Otsu算法,甚至三维Otsu算法,图像分割越来越准确。
然而,随着阈值维度的增加,对于阈值的展示就越来越困难,还没有出现一种能够很好展示多维阈值的图形化方法。
发明内容
为了直观展示多维阈值,本发明公开了一种基于双灰度因素的三维阈值立体图形形成方法,即提出了一种全新的三维阈值图形化展示方法,实现将多维阈值及对应像素个数放置在立体图中进行展示的发明目的。
本发明的目的是这样实现的:
基于双灰度因素的三维阈值立体图形形成方法,所针对的图像包括以下参数:分辨率为M×N,有L个灰度级,分别为0,1,...,L-1;其特征在于,包括以下步骤:
步骤a、统计像素灰度级为i的像素个数为ni,其中,i=0,1,...,L-1;
步骤b、按照第一种邻域灰度级计算方法,统计第一邻域灰度级为j的像素个数为nj,其中,j=0,1,...,L-1;
步骤c、按照第二种邻域灰度级计算方法,统计第二邻域灰度级为k的像素个数为nk,其中,k=0,1,...,L-1;
步骤d、统计像素灰度级为i,第一邻域灰度级为j,第二邻域灰度级为k的像素个数nijk
步骤e、建立分辨率为L×L×L的正立方体,将像素个数nijk填入横坐标方向第i+1,纵坐标方向第j+1,竖坐标方向第k+1个格子中;
步骤f、以像素灰度级容限为a、第一邻域灰度级容限为b、第二邻域灰度级容限为c为基础,建立一个截面半径分别为a、b、c的椭球体;
步骤g、按照以下规则摆放椭球体:
规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合,
规则二、半径为a的方向垂直于正立方体横坐标,半径为b的方向垂直于正立方体纵坐标,半径为c的方向垂直于正立方体竖坐标方向摆放;
步骤h、将椭球体按照中心从(0,0,0)坐标向(L,L,L)的方向运动;
步骤i、将步骤h中椭球体遍历空间与正立方体有交集的区域保留,得到三维阈值立体图形。
上述基于双灰度因素的三维阈值立体图形形成方法,步骤b和步骤c中邻域灰度级的计算方法,首先将图像向上、下、左、右、左上、右上、左下和右下八个方向补充,每个方向复制一个分辨率为M×N的图像,形成分辨率为3M×3N的图像,然后从以下六种方法中选择任意一种计算坐标为(x,y)的像素的邻域灰度级,作为第一邻域灰度级;再从剩余五种方法中选择任意一种计算坐标为(x,y)的像素的邻域灰度级,作为第二邻域灰度级:
方法一、邻域灰度级计算方法为:
Figure BDA0002886024520000021
方法二、邻域灰度级计算方法为:
Figure BDA0002886024520000031
方法三、邻域灰度级计算方法为:
Figure BDA0002886024520000032
方法四、邻域灰度级计算方法为:
Figure BDA0002886024520000033
方法五、邻域灰度级计算方法为:
Figure BDA0002886024520000034
方法六、邻域灰度级计算方法为:
Figure BDA0002886024520000035
其中,gray(·,·)为取分辨率为3M×3N的图像灰度级运算符。
以上基于双灰度因素的三维阈值立体图形形成方法,在步骤f中,b=c。
有益效果:
本发明基于双灰度因素的三维阈值立体图形形成方法,将像素灰度级和两种邻域灰度级相结合,再结合一种图形绘制方法,提出了一种全新的三维阈值图形化展示方法,能够将多维阈值及对应像素个数放置在立体图中进行展示,有利于动态观察阈值规律变化对于图像分割效果的影响规律,找到最佳分割阈值。
附图说明
图1是椭球体在正立方体上运行轨迹示意图。
图2是得到的三维阈值立体图形视角一示意图。
图3是得到的三维阈值立体图形视角二示意图。
具体实施方式
下面结合附图对本发明具体实施例作进一步详细描述。
具体实施例一
本实施例是本发明基于双灰度因素的三维阈值立体图形形成方法实施例。
本实施例的基于双灰度因素的三维阈值立体图形形成方法,所针对的图像包括以下参数:分辨率为M×N,有L个灰度级,分别为0,1,...,L-1;包括以下步骤:
步骤a、统计像素灰度级为i的像素个数为ni,其中,i=0,1,...,L-1;
步骤b、按照第一种邻域灰度级计算方法,统计第一邻域灰度级为j的像素个数为nj,其中,j=0,1,...,L-1;
步骤c、按照第二种邻域灰度级计算方法,统计第二邻域灰度级为k的像素个数为nk,其中,k=0,1,...,L-1;
步骤d、统计像素灰度级为i,第一邻域灰度级为j,第二邻域灰度级为k的像素个数nijk
步骤e、建立分辨率为L×L×L的正立方体,将像素个数nijk填入横坐标方向第i+1,纵坐标方向第j+1,竖坐标方向第k+1个格子中;
步骤f、以像素灰度级容限为a、第一邻域灰度级容限为b、第二邻域灰度级容限为c为基础,建立一个截面半径分别为a、b、c的椭球体;
步骤g、按照以下规则摆放椭球体:
规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合,
规则二、半径为a的方向垂直于正立方体横坐标,半径为b的方向垂直于正立方体纵坐标,半径为c的方向垂直于正立方体竖坐标方向摆放;
步骤h、将椭球体按照中心从(0,0,0)坐标向(L,L,L)的方向运动,如图1所示;
步骤i、将步骤h中椭球体遍历空间与正立方体有交集的区域保留,得到三维阈值立体图形,如图2和图3所示,其中,图2与图1同角度。
具体实施例二
本实施例是本发明基于双灰度因素的三维阈值立体图形形成方法实施例。
本实施例的基于双灰度因素的三维阈值立体图形形成方法,在具体实施例一的基础上,进一步限定步骤b和步骤c中邻域灰度级的计算方法,首先将图像向上、下、左、右、左上、右上、左下和右下八个方向补充,每个方向复制一个分辨率为M×N的图像,形成分辨率为3M×3N的图像,然后从以下六种方法中选择任意一种计算坐标为(x,y)的像素的邻域灰度级,作为第一邻域灰度级;再从剩余五种方法中选择任意一种计算坐标为(x,y)的像素的邻域灰度级,作为第二邻域灰度级:
方法一、邻域灰度级计算方法为:
Figure BDA0002886024520000051
方法二、邻域灰度级计算方法为:
Figure BDA0002886024520000052
方法三、邻域灰度级计算方法为:
Figure BDA0002886024520000053
方法四、邻域灰度级计算方法为:
Figure BDA0002886024520000054
方法五、邻域灰度级计算方法为:
Figure BDA0002886024520000055
方法六、邻域灰度级计算方法为:
Figure BDA0002886024520000056
其中,gray(·,·)为取分辨率为3M×3N的图像灰度级运算符。
具体实施例三
本实施例是本发明基于双灰度因素的三维阈值立体图形形成方法实施例。
本实施例的基于双灰度因素的三维阈值立体图形形成方法,在具体实施例一或具体实施例二的基础上,进一步限定在步骤f中,b=c。
具体实施例四
本实施例是一种三维阈值立体图形展开方法实施例。
本实施例的三维阈值立体图形展开方法,在具体实施例一、具体实施例二或具体实施例三的基础上,将三维阈值立体图形展开成不定进制三位一维数据,包括以下步骤:
步骤j、根据像素灰度级i,确定像素灰度级i下的第一邻域灰度级进制t1(i);
步骤k、根据像素灰度级i和第一邻域灰度级j,确定像素灰度级i和第一邻域灰度级j下的第二邻域灰度级进制t2(i,j);
步骤l、按照像素灰度级为高位,第一邻域灰度级为中位,第二邻域灰度级为低位的原则,将像素灰度级、第一邻域灰度级和第二邻域灰度级展开成三位数据;
步骤m、按照像素灰度级,第一邻域灰度级和第二邻域灰度级均由小到大的原则,将步骤l得到的三位数据排列,得到一维数据。
本实施例的三维阈值立体图形展开方法,能够将三维阈值转换成一维数据,在进行阈值分割时,减少维度,有利于提高阈值分割运算速度,实现图像实时分割。
具体实施例五
本实施例是一种三维阈值立体图形展开方法实施例。
本实施例的三维阈值立体图形展开方法,在具体实施例一、具体实施例二或具体实施例三的基础上,进一步限定:
在步骤e后面还包括以下步骤:按照像素灰度级为高位,第一邻域灰度级为中位,第二邻域灰度级为低位的原则,将像素灰度级、第一邻域灰度级和第二邻域灰度级展开成L进制的三位数据;
在步骤i后面还包括以下步骤:按照像素灰度级,第一邻域灰度级和第二邻域灰度级均由小到大的原则,将步骤i得到的三位数据排列,得到一维数据。
本实施例的三维阈值立体图形展开方法,能够将三维阈值转换成一维数据,在进行阈值分割时,减少维度,有利于提高阈值分割运算速度,实现图像实时分割。
具体实施例六
本实施例是一种三维阈值立体图形展开方法实施例。
本实施例的三维阈值立体图形展开方法,在具体实施例一、具体实施例二或具体实施例三的基础上,进一步限定还包括以下步骤:
步骤j、根据像素灰度级i,确定像素灰度级i下的第一邻域灰度级进制t1(i);
步骤k、根据像素灰度级i和第一邻域灰度级j,确定像素灰度级i和第一邻域灰度级j下的第二邻域灰度级进制t2(i,j);
步骤l、按照像素灰度级为高位,第一邻域灰度级为中位,第二邻域灰度级为低位的原则,将像素灰度级、第一邻域灰度级和第二邻域灰度级展开成三位数据;
步骤m、按照椭球体运动方向所遇到像素先后顺序为由小到大的原则,将步骤l得到的三位数据排列,得到一维数据。
本实施例的三维阈值立体图形展开方法,能够将三维阈值转换成一维数据,在进行阈值分割时,减少维度,有利于提高阈值分割运算速度,实现图像实时分割。

Claims (1)

1.一种展开三维阈值立体图形的方法,所针对的图像包括以下参数:分辨率为M×N,有L个灰度级,分别为0,1,...,L-1;其特征在于,包括以下步骤:
步骤a、统计像素灰度级为i的像素个数为ni,其中,i=0,1,...,L-1;
步骤b、按照第一种邻域灰度级计算方法,统计第一邻域灰度级为j的像素个数为nj,其中,j=0,1,...,L-1;
步骤c、按照第二种邻域灰度级计算方法,统计第二邻域灰度级为k的像素个数为nk,其中,k=0,1,...,L-1;
步骤d、统计像素灰度级为i,第一邻域灰度级为j,第二邻域灰度级为k的像素个数nijk
步骤e、建立分辨率为L×L×L的正立方体,将像素个数nijk填入横坐标方向第i+1,纵坐标方向第j+1,竖坐标方向第k+1个格子中;
在步骤e后面还包括以下步骤:按照像素灰度级为高位,第一邻域灰度级为中位,第二邻域灰度级为低位的原则,将像素灰度级、第一邻域灰度级和第二邻域灰度级展开成L进制的三位数据;
步骤f、以像素灰度级容限为a、第一邻域灰度级容限为b、第二邻域灰度级容限为c为基础,建立一个截面半径分别为a、b、c的椭球体;
步骤g、按照以下规则摆放椭球体:
规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合,
规则二、半径为a的方向垂直于正立方体横坐标,半径为b的方向垂直于正立方体纵坐标,半径为c的方向垂直于正立方体竖坐标方向摆放;
步骤h、将椭球体按照中心从(0,0,0)坐标向(L,L,L)的方向运动;
步骤i、将步骤h中椭球体遍历空间与正立方体有交集的区域保留,得到三维阈值立体图形;
在步骤i后面还包括以下步骤:按照像素灰度级,第一邻域灰度级和第二邻域灰度级均由小到大的原则,将步骤i得到的三位数据排列,得到一维数据。
CN202110013850.5A 2018-01-31 2018-01-31 一种三维阈值立体图形展开方法 Active CN112767548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110013850.5A CN112767548B (zh) 2018-01-31 2018-01-31 一种三维阈值立体图形展开方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810097209.2A CN108198245B (zh) 2018-01-31 2018-01-31 基于双灰度因素的三维阈值立体图形形成方法
CN202110013850.5A CN112767548B (zh) 2018-01-31 2018-01-31 一种三维阈值立体图形展开方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201810097209.2A Division CN108198245B (zh) 2018-01-31 2018-01-31 基于双灰度因素的三维阈值立体图形形成方法

Publications (2)

Publication Number Publication Date
CN112767548A true CN112767548A (zh) 2021-05-07
CN112767548B CN112767548B (zh) 2023-02-03

Family

ID=62592127

Family Applications (4)

Application Number Title Priority Date Filing Date
CN202110013883.XA Active CN112734928B (zh) 2018-01-31 2018-01-31 一种三维阈值立体图形展开方法
CN202110012882.3A Active CN112634470B (zh) 2018-01-31 2018-01-31 三维阈值立体图形展开方法
CN201810097209.2A Active CN108198245B (zh) 2018-01-31 2018-01-31 基于双灰度因素的三维阈值立体图形形成方法
CN202110013850.5A Active CN112767548B (zh) 2018-01-31 2018-01-31 一种三维阈值立体图形展开方法

Family Applications Before (3)

Application Number Title Priority Date Filing Date
CN202110013883.XA Active CN112734928B (zh) 2018-01-31 2018-01-31 一种三维阈值立体图形展开方法
CN202110012882.3A Active CN112634470B (zh) 2018-01-31 2018-01-31 三维阈值立体图形展开方法
CN201810097209.2A Active CN108198245B (zh) 2018-01-31 2018-01-31 基于双灰度因素的三维阈值立体图形形成方法

Country Status (1)

Country Link
CN (4) CN112734928B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112734928B (zh) * 2018-01-31 2022-09-02 哈尔滨学院 一种三维阈值立体图形展开方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1221674A2 (en) * 2001-01-05 2002-07-10 Interuniversitair Microelektronica Centrum Vzw System and method to obtain surface structures of multidimensional objects, and to represent those surface structures for animation, transmission and display
US20050063582A1 (en) * 2003-08-29 2005-03-24 Samsung Electronics Co., Ltd. Method and apparatus for image-based photorealistic 3D face modeling
CN101059870A (zh) * 2007-05-23 2007-10-24 华中科技大学 一种基于属性直方图的图像分割方法
US20090226057A1 (en) * 2008-03-04 2009-09-10 Adi Mashiach Segmentation device and method
CN112734928B (zh) * 2018-01-31 2022-09-02 哈尔滨学院 一种三维阈值立体图形展开方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201121509A (en) * 2009-12-30 2011-07-01 Pou Yuen Technology Co Ltd Segmentation method of multiple bone regions.
CN103426159B (zh) * 2012-05-23 2016-03-02 华为技术有限公司 多维直方图统计电路和图像处理系统
WO2015024580A1 (en) * 2013-08-19 2015-02-26 Universidad De Burgos Computer implemented method to obtain the orientations of fibres inside composite materials using computed tomography scan
CN103913128B (zh) * 2014-03-12 2016-09-28 哈尔滨工程大学 一种基于质量图区域分割的快速相位展开方法
CN110338840B (zh) * 2015-02-16 2022-06-21 深圳迈瑞生物医疗电子股份有限公司 三维成像数据的显示处理方法和三维超声成像方法及系统
CN105336003B (zh) * 2015-09-28 2018-05-25 中国人民解放军空军航空大学 结合gpu技术实时流畅绘制出三维地形模型的方法
CN105550639B (zh) * 2015-12-07 2019-01-18 国家测绘地理信息局卫星测绘应用中心 对地观测激光测高卫星高程控制点自动提取方法和数据处理方法
CN106709946B (zh) * 2016-12-16 2020-03-10 武汉大学 基于LiDAR点云的多分裂导线自动提取与精细建模方法
CN106920242A (zh) * 2017-02-14 2017-07-04 郑州大学第附属医院 一种基于超声图像和三维模型的肝脏体积测量方法
CN106991694B (zh) * 2017-03-17 2019-10-11 西安电子科技大学 基于显著区域面积匹配的心脏ct与超声图像配准方法
CN107312540B (zh) * 2017-06-22 2020-06-02 哈尔滨学院 基于稀土掺杂氟化物纳米晶的980nm近红外光检测卡的制备方法
CN107369159B (zh) * 2017-06-29 2020-04-24 大连理工大学 基于多因素二维灰度直方图的阈值分割方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1221674A2 (en) * 2001-01-05 2002-07-10 Interuniversitair Microelektronica Centrum Vzw System and method to obtain surface structures of multidimensional objects, and to represent those surface structures for animation, transmission and display
US20050063582A1 (en) * 2003-08-29 2005-03-24 Samsung Electronics Co., Ltd. Method and apparatus for image-based photorealistic 3D face modeling
CN101059870A (zh) * 2007-05-23 2007-10-24 华中科技大学 一种基于属性直方图的图像分割方法
US20090226057A1 (en) * 2008-03-04 2009-09-10 Adi Mashiach Segmentation device and method
CN112734928B (zh) * 2018-01-31 2022-09-02 哈尔滨学院 一种三维阈值立体图形展开方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
段锐: "基于马尔科夫随机场和模糊聚类的脑部图像D-S分割", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN112634470A (zh) 2021-04-09
CN112634470B (zh) 2022-09-02
CN112734928B (zh) 2022-09-02
CN108198245A (zh) 2018-06-22
CN112767548B (zh) 2023-02-03
CN108198245B (zh) 2021-02-12
CN112734928A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN110176012B (zh) 图像中的目标分割方法、池化方法、装置及存储介质
US8983178B2 (en) Apparatus and method for performing segment-based disparity decomposition
CN109146001B (zh) 多视角isar图像融合方法
CN104933434A (zh) 一种结合LBP特征提取和surf特征提取方法的图像匹配方法
CN111415728A (zh) 基于cnn和gan的ct图像数据自动分类方法及设备
CN111105452A (zh) 基于双目视觉的高低分辨率融合立体匹配方法
CN112634470B (zh) 三维阈值立体图形展开方法
CN113066576A (zh) 一种基于三维掩模-区域卷积神经网络的肺癌筛查方法
CN110766609B (zh) 一种针对ToF相机的景深图超分辨率重建方法
Damjanović et al. Local stereo matching using adaptive local segmentation
CN108182729B (zh) 一种三灰度因素三维阈值立体图形的形成方法
CN113344110B (zh) 一种基于超分辨率重建的模糊图像分类方法
CN110717471B (zh) 基于支持向量机模型b超图像目标检测方法及b超扫描仪
CN112749713A (zh) 一种基于人工智能的大数据图像识别系统及方法
Zhang et al. SivsFormer: Parallax-aware transformers for single-image-based view synthesis
CN117501313A (zh) 基于深度神经网络的毛发渲染系统
CN112132189A (zh) 一种面向cbct图像的密度峰值超像素预处理方法
Interrante et al. Conveying 3d shape with texture: Recent advances and experimental findings
Chang et al. GPU acceleration of a patient-specific airway image segmentation and its assessment
CN111985535A (zh) 一种通过神经网络优化人体深度图的方法及其装置
CN117541755B (zh) 一种基于rgb-d三维重建的刚性物体虚实遮挡方法
Liu et al. Stereoscopic view synthesis based on region-wise rendering and sparse representation
CN116129036B (zh) 一种深度信息引导的全方向图像三维结构自动恢复方法
Zhang et al. Insights into local stereo matching: Evaluation of disparity refinement approaches
Carata et al. Improving the visualization of electron-microscopy data through optical flow interpolation

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