RU2010150975A - Классификация изображения на основе сегментации изображения - Google Patents

Классификация изображения на основе сегментации изображения Download PDF

Info

Publication number
RU2010150975A
RU2010150975A RU2010150975/08A RU2010150975A RU2010150975A RU 2010150975 A RU2010150975 A RU 2010150975A RU 2010150975/08 A RU2010150975/08 A RU 2010150975/08A RU 2010150975 A RU2010150975 A RU 2010150975A RU 2010150975 A RU2010150975 A RU 2010150975A
Authority
RU
Russia
Prior art keywords
image data
model
data
classifying
class
Prior art date
Application number
RU2010150975/08A
Other languages
English (en)
Other versions
RU2513905C2 (ru
Inventor
Юэчэнь ЦЯНЬ (NL)
Юэчэнь ЦЯНЬ
Дитер ГЕЛЛЕР (NL)
Дитер ГЕЛЛЕР
Райнхард КНЕЗЕР (NL)
Райнхард КНЕЗЕР
Мерлейн СЕВЕНСТЕР (NL)
Мерлейн СЕВЕНСТЕР
ОММЕРИНГ Робберт К. ВАН (NL)
ОММЕРИНГ Робберт К. ВАН
Паола К. ТУЛИПАНО (NL)
Паола К. ТУЛИПАНО
Original Assignee
Конинклейке Филипс Электроникс Н.В. (Nl)
Конинклейке Филипс Электроникс Н.В.
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=40996593&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=RU2010150975(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Конинклейке Филипс Электроникс Н.В. (Nl), Конинклейке Филипс Электроникс Н.В. filed Critical Конинклейке Филипс Электроникс Н.В. (Nl)
Publication of RU2010150975A publication Critical patent/RU2010150975A/ru
Application granted granted Critical
Publication of RU2513905C2 publication Critical patent/RU2513905C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Image Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

1. Система (600) базы данных, содержащая систему (100) для классификации данных изображения на основе модели для адаптирования к объекту в данных изображения, причем система содержит: ! - блок (110) сегментации для сегментирования данных изображения путем адаптирования модели к объекту в данных изображения; и ! - блок (120) классификации для присвоения класса данным изображения на основе модели, адаптированной к объекту в данных изображения, таким образом, классифицируя данные изображения, ! и при этом блок (120) классификации содержит блок (122) атрибутов для вычисления значения атрибута модели на основе модели, адаптированной к объекту в данных изображения, и при этом присвоенный класс основан на вычисленном значении атрибута; ! и при этом, когда класс данных изображения и запись данных в базе данных являются идентичными или удовлетворяют определенному условию, запись данных может быть извлечена как запись данных, соответствующая изображению. ! 2. Система (600) базы данных по п.1, в которой атрибут модели задан на основе модели или на основе ввода пользовательского атрибута. ! 3. Система (600) базы данных по п.1, в которой значение атрибута модели является текстом для классификации данных изображения. ! 4. Система (600) базы данных по п.1, в которой значение атрибута модели является, по меньшей мере, одним числом для классификации данных изображения. ! 5. Система (600) базы данных по п.4, в которой значение атрибута модели является диапазоном или вектором для классификации данных изображения. ! 6. Система (600) базы данных по п.1, дополнительно содержащая блок (130) описания для создания описания на основе класса, присвоенного данным изображени

Claims (13)

1. Система (600) базы данных, содержащая систему (100) для классификации данных изображения на основе модели для адаптирования к объекту в данных изображения, причем система содержит:
- блок (110) сегментации для сегментирования данных изображения путем адаптирования модели к объекту в данных изображения; и
- блок (120) классификации для присвоения класса данным изображения на основе модели, адаптированной к объекту в данных изображения, таким образом, классифицируя данные изображения,
и при этом блок (120) классификации содержит блок (122) атрибутов для вычисления значения атрибута модели на основе модели, адаптированной к объекту в данных изображения, и при этом присвоенный класс основан на вычисленном значении атрибута;
и при этом, когда класс данных изображения и запись данных в базе данных являются идентичными или удовлетворяют определенному условию, запись данных может быть извлечена как запись данных, соответствующая изображению.
2. Система (600) базы данных по п.1, в которой атрибут модели задан на основе модели или на основе ввода пользовательского атрибута.
3. Система (600) базы данных по п.1, в которой значение атрибута модели является текстом для классификации данных изображения.
4. Система (600) базы данных по п.1, в которой значение атрибута модели является, по меньшей мере, одним числом для классификации данных изображения.
5. Система (600) базы данных по п.4, в которой значение атрибута модели является диапазоном или вектором для классификации данных изображения.
6. Система (600) базы данных по п.1, дополнительно содержащая блок (130) описания для создания описания на основе класса, присвоенного данным изображения.
7. Система (600) базы данных по п.1, в которой блок (110) сегментации дополнительно скомпонован для сегментирования данных второго изображения путем адаптирования модели ко второму объекту в данных второго изображения, в которой блок (120) классификации дополнительно скомпонован для присвоения второго класса данным второго изображения на основе модели, адаптированной ко второму объекту в данных второго изображения, таким образом, классифицируя данные второго изображения, и при этом система (100) дополнительно содержит блок (140) сравнения для сравнения класса, присвоенного данным изображения, со вторым классом, присвоенным данным второго изображения, для определения соответствия между данными изображения и данными второго изображения.
8. Система (600) базы данных по п.1, дополнительно содержащая второй блок (155) сравнения для сравнения класса, присвоенного данным изображения, с записью данных для определения соответствия между данными изображения и записью данных.
9. Система (600) базы данных по п.8, дополнительно содержащая второй блок (150) классификации для присвоения класса записи данных для записи данных, таким образом классифицируя запись данных, и в которой второй блок (155) сравнения выполнен с возможностью сравнения класса, присвоенного данным изображения, с классом записи данных, присвоенным записи данных.
10. Устройство (700) получения изображения, содержащее систему (600) по любому одному из пп.1-9.
11. Рабочая станция (800), содержащая систему (600) по любому одному из пп.1-9.
12. Способ поиска базы данных на основе классификации (500) данных изображения на основе модели для адаптирования к объекту в данных изображения, причем способ содержит:
- этап (510) сегментирования для сегментирования данных изображения путем адаптирования модели к объекту в данных изображения; и
- этап (520) классификации для присвоения класса данным изображения на основе модели, адаптированной к объекту в данных изображения, таким образом, классифицируя данные изображения,
при этом этап (520) классификации содержит этап (522) атрибута для вычисления значения атрибута модели на основе модели, адаптированной к объекту в данных изображения, и при этом присвоенный класс основан на вычисленном значении атрибута;
и при этом, когда класс данных изображения и запись данных в базе данных являются идентичными или удовлетворяют определенному условию, запись данных может быть извлечена как запись данных, соответствующая изображению.
13. Компьютерный программный продукт, который должен быть загружен компьютерной компоновкой, содержащий инструкции для поиска базы данных на основе классификации данных изображения на основе модели для адаптирования к объекту в данных изображения, причем компьютерная компоновка содержит блок обработки и память, причем компьютерный программный продукт, после загрузки, предоставляет упомянутому блоку обработки возможность осуществлять этапы способа по п.12.
RU2010150975/08A 2008-05-14 2009-05-08 Классификация изображения на основе сегментации изображения RU2513905C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US5312308P 2008-05-14 2008-05-14
US61/053,123 2008-05-14
PCT/IB2009/051894 WO2009138925A1 (en) 2008-05-14 2009-05-08 Image classification based on image segmentation

Publications (2)

Publication Number Publication Date
RU2010150975A true RU2010150975A (ru) 2012-06-20
RU2513905C2 RU2513905C2 (ru) 2014-04-20

Family

ID=40996593

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2010150975/08A RU2513905C2 (ru) 2008-05-14 2009-05-08 Классификация изображения на основе сегментации изображения

Country Status (8)

Country Link
US (1) US9042629B2 (ru)
EP (1) EP2279482B1 (ru)
JP (1) JP5462866B2 (ru)
CN (1) CN102027490B (ru)
BR (1) BRPI0908684A8 (ru)
RU (1) RU2513905C2 (ru)
TR (1) TR201807301T4 (ru)
WO (1) WO2009138925A1 (ru)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9214029B2 (en) * 2012-02-02 2015-12-15 Peter Yim Method and system for image segmentation
US8929636B2 (en) * 2012-02-02 2015-01-06 Peter Yim Method and system for image segmentation
RU2610283C1 (ru) * 2015-12-18 2017-02-08 Федеральное государственное бюджетное образовательное учреждение высшего образования "Тверской государственный университет" Способ дешифрации изображений
US10026014B2 (en) 2016-10-26 2018-07-17 Nxp Usa, Inc. Method and apparatus for data set classification based on generator features
US10685172B2 (en) * 2018-05-24 2020-06-16 International Business Machines Corporation Generating a textual description of an image using domain-independent anomaly analysis
WO2020095909A1 (ja) * 2018-11-07 2020-05-14 株式会社 東芝 画像処理装置、画像処理方法及びプログラム
CN109948575B (zh) * 2019-03-27 2023-03-24 中国科学技术大学 超声图像中眼球区域分割方法
CN110942447B (zh) * 2019-10-18 2023-07-21 平安科技（深圳）有限公司 Oct图像分割方法、装置、设备及存储介质
RU2756778C1 (ru) * 2020-06-17 2021-10-05 Федеральное государственное бюджетное учреждение науки Институт проблем машиноведения Российской академии наук (ИПМаш РАН) Способ классификации изображений

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020186874A1 (en) * 1994-09-07 2002-12-12 Jeffrey H. Price Method and means for image segmentation in fluorescence scanning cytometry
RU2132061C1 (ru) * 1997-02-19 1999-06-20 ЗАО "Медицинские компьютерные системы" Способ адаптивной автоматической сегментации и распознавания клеток на изображениях цитологических препаратов
KR100359234B1 (ko) 1999-07-06 2002-11-01 학교법인 한국정보통신학원 내용 기반 인덱싱 기법을 이용한 의료 영상 데이터 베이스 구축 및 검색 방법과 기록 매체
DE10144004A1 (de) * 2001-09-07 2003-03-27 Philips Corp Intellectual Pty Verfahren zur Messung geometrischer Größen einer in einem Bild enthaltenen Struktur
US7058210B2 (en) * 2001-11-20 2006-06-06 General Electric Company Method and system for lung disease detection
WO2005020788A2 (en) * 2003-08-01 2005-03-10 The General Hospital Corporation Cognition analysis
US8280136B2 (en) * 2005-09-16 2012-10-02 The Ohio State University Method and apparatus for detecting intraventricular dyssynchrony
DE102005049017B4 (de) * 2005-10-11 2010-09-23 Carl Zeiss Imaging Solutions Gmbh Verfahren zur Segmentierung in einem n-dimensionalen Merkmalsraum und Verfahren zur Klassifikation auf Grundlage von geometrischen Eigenschaften segmentierter Objekte in einem n-dimensionalen Datenraum
US20070116338A1 (en) * 2005-11-23 2007-05-24 General Electric Company Methods and systems for automatic segmentation of biological structure
EP1974313A4 (en) 2005-12-30 2011-11-16 Yeda Res & Dev MEDICAL APPLICATION ANALYSIS INTEGRATED SEGMENTATION AND CLASSIFICATION APPROACH
ATE477557T1 (de) * 2006-03-24 2010-08-15 Exini Diagnostics Ab Automatische interpretation von medizinischen 3d- bildern des hirns und verfahren zum produzieren von zwischenergebnissen
US8243999B2 (en) * 2006-05-03 2012-08-14 Ut-Battelle, Llc Method and system for the diagnosis of disease using retinal image content and an archive of diagnosed human patient data
JP2007317034A (ja) * 2006-05-27 2007-12-06 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
US7917514B2 (en) * 2006-06-28 2011-03-29 Microsoft Corporation Visual and multi-dimensional search
EP1916624B1 (en) * 2006-10-25 2016-11-23 Agfa HealthCare NV Method for segmenting a digital medical image.

Also Published As

Publication number Publication date
US9042629B2 (en) 2015-05-26
EP2279482B1 (en) 2018-03-07
US20110222747A1 (en) 2011-09-15
JP5462866B2 (ja) 2014-04-02
RU2513905C2 (ru) 2014-04-20
WO2009138925A1 (en) 2009-11-19
CN102027490B (zh) 2016-07-06
BRPI0908684A2 (pt) 2016-06-07
BRPI0908684A8 (pt) 2019-02-12
CN102027490A (zh) 2011-04-20
JP2011523123A (ja) 2011-08-04
EP2279482A1 (en) 2011-02-02
TR201807301T4 (tr) 2018-06-21

Similar Documents

Publication Publication Date Title
RU2010150975A (ru) Классификация изображения на основе сегментации изображения
CN109063163B (zh) 一种音乐推荐的方法、装置、终端设备和介质
US10921957B1 (en) User interface for context labeling of multimedia items
US9760970B2 (en) Video analysis and post processing of multiple video streams
US8775442B2 (en) Semantic search using a single-source semantic model
US8559731B2 (en) Personalized tag ranking
US9805022B2 (en) Generation of topic-based language models for an app search engine
US8468146B2 (en) System and method for creating search index on cloud database
CN108629043A (zh) 网页目标信息的提取方法、装置及存储介质
US10482146B2 (en) Systems and methods for automatic customization of content filtering
CN107911448B (zh) 一种内容推送方法及装置
US20150317323A1 (en) Indexing and searching heterogenous data entities
JP2014515514A (ja) 提案される語を提供するための方法および装置
JP2015204105A (ja) 推薦情報を提供するための方法および装置
GB2583679A (en) Searching multilingual documents based on document structure extraction
US20200272674A1 (en) Method and apparatus for recommending entity, electronic device and computer readable medium
US9971791B2 (en) Method and apparatus for clustering product media files
JP2018509664A (ja) モデル生成方法、単語重み付け方法、装置、デバイス及びコンピュータ記憶媒体
US20230086735A1 (en) Systems and methods for retrieving videos using natural language description
JP2018511115A5 (ru)
CN114138784A (zh) 基于存储库的信息溯源方法、装置、电子设备及介质
US11288266B2 (en) Candidate projection enumeration based query response generation
CN110909768B (zh) 一种标注数据获取方法及装置
CN108733694B (zh) 检索推荐方法和装置
CN109271624A (zh) 一种目标词确定方法、装置及存储介质