CN113764073A - 一种医学影像分析方法及装置 - Google Patents
一种医学影像分析方法及装置 Download PDFInfo
- Publication number
- CN113764073A CN113764073A CN202111029120.0A CN202111029120A CN113764073A CN 113764073 A CN113764073 A CN 113764073A CN 202111029120 A CN202111029120 A CN 202111029120A CN 113764073 A CN113764073 A CN 113764073A
- Authority
- CN
- China
- Prior art keywords
- image data
- analyzed
- analysis
- analyzing
- original 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.)
- Pending
Links
- 238000003703 image analysis method Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000010191 image analysis Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims description 16
- 230000007547 defect Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 8
- 238000012935 Averaging Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种医学影像分析方法及装置。其中,该方法包括:获取原始影像数据;将所述原始影像数据进行优化处理,得到待分析影像数据;将所述待分析影像数据进行分析,得到已分析影像数据;将所述已分析影像数据进行展示。本发明解决了的医学影像分析过程中往往直接利用原始图像数据进行分析,当原始图像数据存在瑕疵或不清晰等情况的时候,分析结果会被大幅影响的技术问题。
Description
技术领域
本发明涉及图像分析领域,具体而言,涉及一种医学影像分析方法及装置。
背景技术
随着智能化科技的不断发展,人们的生活、工作、学习之中越来越多地用到了智能化设备,使用智能化科技手段,提高了人们生活的质量,增加了人们学习和工作的效率。
目前,在医学影像分析过程中,通常对影像采集设备采集到的原始图像数据进行分析,并将分析到的结果进行展示,以便医护人员可以根据影像分析结果对病人的病情进行分析和诊断,但是传统的医学影像分析过程中往往直接利用原始图像数据进行分析,当原始图像数据存在瑕疵或不清晰等情况的时候,分析结果会被大幅影响。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种医学影像分析方法及装置,以至少解决的医学影像分析过程中往往直接利用原始图像数据进行分析,当原始图像数据存在瑕疵或不清晰等情况的时候,分析结果会被大幅影响的技术问题。
根据本发明实施例的一个方面,提供了一种医学影像分析方法,包括:获取原始影像数据;将所述原始影像数据进行优化处理,得到待分析影像数据;将所述待分析影像数据进行分析,得到已分析影像数据;将所述已分析影像数据进行展示。
可选的,所述优化处理包括:锐化处理、降噪处理。
可选的,在所述将所述待分析影像数据进行分析,得到已分析影像数据之前,所述方法还包括:根据所述待分析影像数据的类型,获取分析规则。
可选的,所述将所述待分析影像数据进行分析,得到已分析影像数据包括:根据所述分析规则,将所述待分析影像数据进行分析,得到所述已分析影像数据。
根据本发明实施例的另一方面,还提供了一种医学影像分析装置,包括:获取模块,用于获取原始影像数据;优化模块,用于将所述原始影像数据进行优化处理,得到待分析影像数据;分析模块,用于将所述待分析影像数据进行分析,得到已分析影像数据;展示模块,用于将所述已分析影像数据进行展示。
可选的,所述优化处理包括:锐化处理、降噪处理。
可选的,所述装置还包括:规则模块,用于根据所述待分析影像数据的类型,获取分析规则。
可选的,所述分析模块包括:分析单元,用于根据所述分析规则,将所述待分析影像数据进行分析,得到所述已分析影像数据。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种医学影像分析方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种医学影像分析方法。
在本发明实施例中,采用获取原始影像数据;将所述原始影像数据进行优化处理,得到待分析影像数据;将所述待分析影像数据进行分析,得到已分析影像数据;将所述已分析影像数据进行展示的方式,解决了的医学影像分析过程中往往直接利用原始图像数据进行分析,当原始图像数据存在瑕疵或不清晰等情况的时候,分析结果会被大幅影响的技术问题。
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,构成本申请的一部分,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是根据本发明实施例的一种医学影像分析方法的流程图;
图2是根据本发明实施例的一种医学影像分析装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种医学影像分析方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1是根据本发明实施例的一种医学影像分析方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取原始影像数据。
具体的,本发明实施例为了将医学影像进行优化和分析,并将分析结果进行输出,首先需要根据影响获取设备来获取原始影像数据,其中,原始影像数据是未经处理的图像原始数据。
步骤S104,将所述原始影像数据进行优化处理,得到待分析影像数据。
可选的,所述优化处理包括:锐化处理、降噪处理。
具体的,本发明实施例为了使得到的影像数据更加精确地进行分析和输出,需要在分析影像数据之前将原始影像数据进行优化处理,其中,所述优化处理包括:锐化处理、降噪处理。
需要说明的是,图像降噪方式可以采用均值滤波器,采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图像细节。谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。自适应维纳滤波器,它能根据图像的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。中值滤波器,它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图像的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。
步骤S106,将所述待分析影像数据进行分析,得到已分析影像数据。
可选的,所述将所述待分析影像数据进行分析,得到已分析影像数据包括:根据所述分析规则,将所述待分析影像数据进行分析,得到所述已分析影像数据。
具体的,在获得了经过优化处理的待分析影像数据之后,根据分析规则分析该影像数据,并得到分析结果,将分析结果作为已分析影像数据进行输出。
可选的,在所述将所述待分析影像数据进行分析,得到已分析影像数据之前,所述方法还包括:根据所述待分析影像数据的类型,获取分析规则。
步骤S108,将所述已分析影像数据进行展示。
具体的,为了方便用户和医生进行分析和观察,在本发明实施例获取到了已分析影像数据之后,需要对已分析影像数据进行展示。
通过上述实施例,解决了的医学影像分析过程中往往直接利用原始图像数据进行分析,当原始图像数据存在瑕疵或不清晰等情况的时候,分析结果会被大幅影响的技术问题。
实施例二
图2是根据本发明实施例的一种医学影像分析装置的结构框图,如图2所示,该装置包括:
获取模块20,用于获取原始影像数据。
具体的,本发明实施例为了将医学影像进行优化和分析,并将分析结果进行输出,首先需要根据影响获取设备来获取原始影像数据,其中,原始影像数据是未经处理的图像原始数据。
优化模块22,用于将所述原始影像数据进行优化处理,得到待分析影像数据。
可选的,所述优化处理包括:锐化处理、降噪处理。
具体的,本发明实施例为了使得到的影像数据更加精确地进行分析和输出,需要在分析影像数据之前将原始影像数据进行优化处理,其中,所述优化处理包括:锐化处理、降噪处理。
需要说明的是,图像降噪方式可以采用均值滤波器,采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图像细节。谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果阶数的符号选择错了可能会引起灾难性的后果。自适应维纳滤波器,它能根据图像的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2=E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。中值滤波器,它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图像的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。
分析模块24,用于将所述待分析影像数据进行分析,得到已分析影像数据。
可选的,所述装置还包括:规则模块,用于根据所述待分析影像数据的类型,获取分析规则。
具体的,在获得了经过优化处理的待分析影像数据之后,根据分析规则分析该影像数据,并得到分析结果,将分析结果作为已分析影像数据进行输出。
可选的,所述分析模块包括:分析单元,用于根据所述分析规则,将所述待分析影像数据进行分析,得到所述已分析影像数据。
展示模块26,用于将所述已分析影像数据进行展示。
具体的,为了方便用户和医生进行分析和观察,在本发明实施例获取到了已分析影像数据之后,需要对已分析影像数据进行展示。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种医学影像分析方法。
具体的,上述方法包括:获取原始影像数据;将所述原始影像数据进行优化处理,得到待分析影像数据;将所述待分析影像数据进行分析,得到已分析影像数据;将所述已分析影像数据进行展示。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种医学影像分析方法。
具体的,上述方法包括:获取原始影像数据;将所述原始影像数据进行优化处理,得到待分析影像数据;将所述待分析影像数据进行分析,得到已分析影像数据;将所述已分析影像数据进行展示。
通过上述实施例,解决了的医学影像分析过程中往往直接利用原始图像数据进行分析,当原始图像数据存在瑕疵或不清晰等情况的时候,分析结果会被大幅影响的技术问题。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种医学影像分析方法,其特征在于,包括:
获取原始影像数据;
将所述原始影像数据进行优化处理,得到待分析影像数据;
将所述待分析影像数据进行分析,得到已分析影像数据;
将所述已分析影像数据进行展示。
2.根据权利要求1所述的方法,其特征在于,所述优化处理包括:锐化处理、降噪处理。
3.根据权利要求1所述的方法,其特征在于,在所述将所述待分析影像数据进行分析,得到已分析影像数据之前,所述方法还包括:
根据所述待分析影像数据的类型,获取分析规则。
4.根据权利要求3所述的方法,其特征在于,所述将所述待分析影像数据进行分析,得到已分析影像数据包括:
根据所述分析规则,将所述待分析影像数据进行分析,得到所述已分析影像数据。
5.一种医学影像分析装置,其特征在于,包括:
获取模块,用于获取原始影像数据;
优化模块,用于将所述原始影像数据进行优化处理,得到待分析影像数据;
分析模块,用于将所述待分析影像数据进行分析,得到已分析影像数据;
展示模块,用于将所述已分析影像数据进行展示。
6.根据权利要求5所述的装置,其特征在于,所述优化处理包括:锐化处理、降噪处理。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
规则模块,用于根据所述待分析影像数据的类型,获取分析规则。
8.根据权利要求7所述的装置,其特征在于,所述分析模块包括:
分析单元,用于根据所述分析规则,将所述待分析影像数据进行分析,得到所述已分析影像数据。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至4中任意一项所述的方法。
10.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111029120.0A CN113764073A (zh) | 2021-09-02 | 2021-09-02 | 一种医学影像分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111029120.0A CN113764073A (zh) | 2021-09-02 | 2021-09-02 | 一种医学影像分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113764073A true CN113764073A (zh) | 2021-12-07 |
Family
ID=78792811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111029120.0A Pending CN113764073A (zh) | 2021-09-02 | 2021-09-02 | 一种医学影像分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113764073A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606161A (zh) * | 2013-12-03 | 2014-02-26 | 山东中医药大学 | 一种医学图像处理方法及系统 |
CN109147890A (zh) * | 2018-05-14 | 2019-01-04 | 平安科技(深圳)有限公司 | 一种医学报告的生成方法及设备 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN113222903A (zh) * | 2021-04-20 | 2021-08-06 | 山东师范大学 | 一种全切片组织病理图像分析方法及系统 |
CN113283552A (zh) * | 2021-07-22 | 2021-08-20 | 深圳百胜扬工业电子商务平台发展有限公司 | 图像的分类方法、装置、存储介质及电子设备 |
-
2021
- 2021-09-02 CN CN202111029120.0A patent/CN113764073A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606161A (zh) * | 2013-12-03 | 2014-02-26 | 山东中医药大学 | 一种医学图像处理方法及系统 |
CN109147890A (zh) * | 2018-05-14 | 2019-01-04 | 平安科技(深圳)有限公司 | 一种医学报告的生成方法及设备 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN113222903A (zh) * | 2021-04-20 | 2021-08-06 | 山东师范大学 | 一种全切片组织病理图像分析方法及系统 |
CN113283552A (zh) * | 2021-07-22 | 2021-08-20 | 深圳百胜扬工业电子商务平台发展有限公司 | 图像的分类方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yahya et al. | BM3D image denoising algorithm based on an adaptive filtering | |
Manjón et al. | MRI noise estimation and denoising using non-local PCA | |
He et al. | An improved fractional-order differentiation model for image denoising | |
Vijaykumar et al. | Fast and efficient algorithm to remove gaussian noise in digital images | |
US7826675B2 (en) | Feature-aware image defect removal | |
Aizenberg et al. | A windowed Gaussian notch filter for quasi-periodic noise removal | |
Goyal et al. | A three stage integrated denoising approach for grey scale images | |
Cherkassky et al. | Myopotential denoising of ECG signals using wavelet thresholding methods | |
Pham | Kriging-weighted laplacian kernels for grayscale image sharpening | |
Paranjape et al. | Adaptive neighborhood mean and median image filtering | |
Jain et al. | A novel detection and removal scheme for denoising images corrupted with Gaussian outliers | |
Arif et al. | Combined bilateral and anisotropic-diffusion filters for medical image de-noising | |
CN113764073A (zh) | 一种医学影像分析方法及装置 | |
CN112884662A (zh) | 基于飞行器航拍图像的三维数字地图图像处理方法 | |
Larrabide et al. | A medical image enhancement algorithm based on topological derivative and anisotropic diffusion | |
Anjanappa et al. | Development of mathematical morphology filter for medical image impulse noise removal | |
Kerouh et al. | Wavelet-based blind blur reduction | |
Mahapatra et al. | An optimal statistical feature‐based transformation function for enhancement of retinal images using adaptive enhanced leader particle swarm optimization | |
Gupta et al. | A new computational approach for edge-preserving image decomposition | |
Daniel et al. | Retinal image enhancement using wavelet domain edge filtering and scaling | |
CN112614100A (zh) | 海洋浮游生物图像分割方法 | |
Debayle et al. | General adaptive neighborhood Choquet image filtering | |
CN112861772A (zh) | 一种基于图像识别的场景分析方法及装置 | |
CN113033575A (zh) | 一种基于图像识别的预警方法及装置 | |
CN111915515A (zh) | 超声图像中噪声去除的方法、超声设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211207 |
|
WD01 | Invention patent application deemed withdrawn after publication |