[发明专利]基于斑点模板自动组合的数码迷彩设计方法有效

专利信息
申请号: 201410670163.0 申请日: 2014-11-20
公开(公告)号: CN104463925A 公开(公告)日: 2015-03-25
发明(设计)人: 薛峰;徐珊;雍城西;罗月童;贾伟 申请(专利权)人: 合肥工业大学
主分类号: G06T11/00 分类号: G06T11/00
代理公司: 安徽省合肥新安专利代理有限责任公司 34101 代理人: 何梅生
地址: 230009 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于斑点模板自动组合的数码迷彩设计方法,其特征包括:1、设计迷彩斑点模板并组成迷彩斑点模板库;2、初始化数码迷彩图案;3、勾勒数码迷彩图像的主轮廓;4、绘制迷彩图案雏形图;5、绘制目标迷彩图案。本发明能提高数码迷彩图案的设计效率和实际喷绘过程中的生产效率,并能够保证数码迷彩图案质量的稳定性。
搜索关键词: 基于 斑点 模板 自动 组合 数码 迷彩 设计 方法
【主权项】:
一种基于斑点模板自动组合的数码迷彩设计方法,其特征是按如下步骤进行:步骤1、定义迷彩斑点模板{Ti|i=1,2,…,t}为t个大小为m×n的0‑1矩阵,m表示迷彩斑点模板的宽,n表示所述迷彩斑点模板的高;所述0‑1矩阵中取值为1的像素点为着色像素点,取值为0的像素点为非着色像素点;由所述迷彩斑点模板{Ti|i=1,2,…,t}组成迷彩斑点模板库;在所述迷彩斑点模板库中,定义:大号斑点模板为包含B%‑A%着色像素点的迷彩斑点模板;中号斑点模板为包含C%‑B%着色像素点的迷彩斑点模板;小号斑点模板为包含D%‑C%着色像素点的迷彩斑点模板;D<C<B<A,45≤A≤55,25≤B≤35,10≤C≤20,5≤D<10;步骤2、初始化数码迷彩图案:步骤2.1、根据目标迷彩类型选取喷绘主色序列{Cj|j=1,2,…,c};c表示喷绘主色的个数;步骤2.2、定义循环变量I;初始化I=1;建立宽为W高为H的图像作为初始化图像MI;定义所述喷绘主色序列{Cj|j=1,2,…,c}中比率最高的颜色为迷彩图案主颜色Cα,利用所述迷彩图案主颜色Cα绘制所述初始化图像MI的底色,从而获得带有底色的图像MI+1;步骤2.3、定义大小为W×H的矩阵MCI+1为所述带有底色的图像MI+1的绘制代价图,并将所述带有底色的图像MI+1的绘制代价图MCI+1中的每个像素值初始化为0;步骤2.4、定义大小为W×H的矩阵MDI+1为所述带有底色的图像MI+1的分布引导图,并将所述带有底色的图像MI+1的分布引导图MDI+1中的每个像素值初始化为0;步骤2.5、定义大小m×n的矩阵TCi为所述迷彩斑点模板Ti的模板绘制代价矩阵,从而为所述迷彩斑点模板库中每个迷彩斑点模板建立模板绘制代价矩阵;步骤2.6、定义大小u×v的矩阵TDi为所述迷彩斑点模板Ti的模板分布引导矩阵,u=2m‑1,v=2n‑1;从而为所述迷彩斑点模板库中的每个迷彩斑点模板建立模板分布引导矩阵;步骤3、勾勒所述带有底色的图像MI+1的主轮廓:步骤3.1、以所述带有底色的图像MI+1的任一顶点作为原点O,以与所述原点O相邻的两条边分别作为X轴和Y轴,从而建立坐标系XOY;在所述坐标系XOY中,任意选取一组平行线段集合L={L1,L2,…,Ll},l表示平行线段的个数;在所述平行线集合L中的每条线段上每隔一段距离d选取一个中心点,从而构成模板分布中心点集合G={G1,G2,…,Gh,…,Gg};g为所述模板分布中心点集合G中的中心点个数,1≤h≤g;步骤3.2、在所述迷彩斑点模板库中随机选取任意一个大号斑点模板Tb,1≤b≤t;t为所述迷彩斑点模板库中迷彩斑点模板的个数;在所述模板分布中心点集合G中任意选取一个中心点Gh,以所述中心点Gh为所述大号斑点模板Tb的中心位置;将所述大号斑点模板Tb分布在所述带有底色的图像MI+1上,从而使得所述模板分布中心点集合中的每个中心点都分布有任一大号斑点模板;步骤3.3、在所述喷绘主色序列{Cj|j=1,2,…,c}中任意选取一种喷绘主色Cβ填充每个中心点上的大号斑点模板的着色像素点;β≠α;从而获得迷彩图案雏形图MI+2;步骤3.4、利用式(1)获得所述迷彩图案雏形图MI+2的绘制代价图MCI+2:MCI+2(x,y)=MCI+1(x,y)+TCb[x'][y']    (1)式(2)中,坐标(x,y)表示以所述中心点Gh为中心的m×n邻域内的任一像素;MCI+2(x,y)为所述绘制代价图MCI+2中坐标(x,y)的像素值;TCb为大号斑点模板Tb的绘制代价矩阵;TCb[x'][y']表示所述大号斑点模板Tb的绘制代价矩阵TCb中第x'行和第y'列的元素值;所述第x'行和第y'列的元素[x'][y']对应于所述绘制代价图MCI+2中的坐标(x,y);步骤3.5、利用式(2)获得所述迷彩图案雏形图MI+2的分布引导图MDI+2:MDI+2(p,q)=MDI+1(p,q)+TDb[p'][q']     (2)式(2)中,坐标(p,q)表示以所述中心点Gh为中心的u×v邻域内的任一像素;MDI+2(p,q)为所述分布引导图MDI+2中坐标(p,q)的像素值;TDb为大号斑点模板Tb的分布引导矩阵;TDb[p'][q']表示所述大号斑点模板Tb的分布引导矩阵TDb中第p'行和第q'列的元素值;所述第p'行和第q'列的元素[p'][q']对应于所述分布引导图MDI+2中的坐标(p,q);步骤4、采用贪心算法绘制所述迷彩图案雏形图MI+2,从而获得所述迷彩图案雏形图MI+3:步骤4.1、在所述迷彩图案雏形图MI+2寻找最大连通域Dmax,并判断所述最大连通域Dmax是否大于等于设定的阈值,若否,则执行步骤5;若是,则将所述最大连通域Dmax内的像素点所构成的集合作为候选像素点集合P={P1,P2,…,Pr,…,PR},1≤r≤R,R表示候选像素点的总数;步骤4.2、从所述迷彩斑点模板库中选取任一中号斑点模板Te;1≤e≤t;利用式(3)获得所述候选像素点集合P中任意一个候选像素点Pr(xr,yr)的重复喷绘代价<mrow><msub><mi>EC</mi><msub><mi>P</mi><mi>r</mi></msub></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mi>s</mi><mi>m</mi></munderover><munderover><mi>&Sigma;</mi><mi>k</mi><mi>n</mi></munderover><msub><mi>T</mi><mi>e</mi></msub><mo>[</mo><mi>s</mi><mo>]</mo><mo>[</mo><mi>k</mi><mo>]</mo><mo>&times;</mo><msub><mi>MC</mi><mrow><mi>I</mi><mo>+</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>s</mi><mo>+</mo><msub><mi>x</mi><mi>r</mi></msub><mo>-</mo><mfrac><mrow><mi>m</mi><mo>+</mo><mn>1</mn></mrow><mn>2</mn></mfrac><mo>,</mo><mi>k</mi><mo>+</mo><msub><mi>y</mi><mi>r</mi></msub><mo>-</mo><mfrac><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow><mn>2</mn></mfrac><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>式(3)中,Te[s][k]表示所述中号斑点模板Te中第s行和第k列的元素值;MCI+2表示所述迷彩图案雏形图MI+2的绘制代价图;步骤4.3、定义一个变量为所述候选像素Pr(xr,yr)的联合分布指导值,利用式(4)获得所述候选像素Pr(xr,yr)的联合分布指导值<mrow><msub><mi>JD</mi><msub><mi>P</mi><mi>r</mi></msub></msub><mo>=</mo><mi>&lambda;</mi><mo>&times;</mo><msub><mi>C</mi><msub><mi>P</mi><mi>r</mi></msub></msub><mo>+</mo><mi>&gamma;</mi><mo>&times;</mo><msub><mi>MD</mi><mrow><mi>I</mi><mo>+</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><msub><mi>x</mi><mi>r</mi></msub><mo>,</mo><msub><mi>y</mi><mi>r</mi></msub><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>式(4)中,MDI+2表示所述迷彩图案雏形图MI的分布引导图;MDI+2(xr,yr)表示分布引导图MDI+2中候选像素Pr(xr,yr)的值;λ、γ∈(0,1);步骤4.4、重复步骤4.2和步骤4.3,获得所述候选像素点集合P中每个候选像素点的联合分布指导值,选取联合分布指导值最小的候选像素点作为最优位置Pos;步骤4.5、以所述最优位置Pos为所述中号斑点模板Te的中心位置;将所述中号斑点模板Te分布在所述迷彩图案雏形图MI+2上,并在所述喷绘主色序列中任意选取一种喷绘主色Cω填充所述大号斑点模板Te上的着色像素点;ω≠α;从而获得迷彩图案雏形图MI+3;步骤4.6、将I+1的值赋给I;步骤4.7、利用式(1)和式(2)分别获得所述迷彩图案雏形图MI+2的绘制代价图MCI+2和分布引导图MDI+2后返回步骤4.1;步骤5、用小号斑点模板对步骤4获得的迷彩图案雏形图MI+3进行修饰,从而获得目标迷彩图案M:步骤5.1、在所述迷彩斑点模板库中随机选取任意一个小号斑点模板To,1≤o≤t;在所述迷彩图案雏形图MI+3中寻找最大连通域D'max,在所述最大连通域D'max内和周围随机选取一个像素点作为所述小号斑点模板To的中心位置,将所述小号斑点模板To分布在所述迷彩图案雏形图MI+3上,从而获得迷彩图案雏形图MI+4;步骤5.2、将I+1的值赋给I;并判断I是否超出阈值F,若是,则退出执行,从而获得目标迷彩图案M;否则,执行步骤5.1。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201410670163.0/,转载请声明来源钻瓜专利网。

同类专利
  • 一种全球图描画的方法、装置及相关导航终端-201810421270.8
  • 任海滨 - 沈阳美行科技有限公司
  • 2018-05-04 - 2019-11-12 - G06T11/00
  • 本发明公开了一种全球图描画的方法、装置及相关导航终端。所述方法包括:根据全球图中地理区域的标识和配色,从预先保存的栅格化后的图像数据中读取对应的图像数据;将读取的所述图像数据转换成球体图像数据并描画显示。本发明在描画全球图的过程中,直接采用预先已经经过栅格化处理后的图像数据,这样,相比于现有技术的做法,由于可以直接使用之前处理好的图像数据,因此可以大大减少在全球图比例尺下GPU栅格化所消耗的时间,同时也可以提高了GPU描画的帧率和用户的使用体验。
  • 个性化绘画作品生成方法、装置、介质及电子设备-201910712264.2
  • 李夫路;梁爽 - 泰康保险集团股份有限公司
  • 2019-08-02 - 2019-11-08 - G06T11/00
  • 本公开实施例提供了一种个性化绘画作品生成方法、装置、介质及电子设备,属于计算机技术领域。该个性化绘画作品生成方法包括:获取目标对象的绘画偏好信息;根据所述绘画偏好信息检索目标绘画作品;将所述目标绘画作品输入至生成式对抗网络,获得所述目标对象的个性化绘画作品。本公开实施例的技术方案能够基于目标对象的绘画偏好信息生成针对所述目标对象的个性化绘画作品。
  • PET图像重建方法、系统、可读存储介质和设备-201910689288.0
  • 顾笑悦 - 上海联影医疗科技有限公司
  • 2019-07-29 - 2019-11-05 - G06T11/00
  • 本发明涉及一种PET图像重建方法、系统、可读存储介质和设备,属于医疗影像技术领域,在医学成像设备对扫描对象进行扫描后,获取PET扫描的原始数据,以原始数据为基础分析生成第一数据弦图,将其输入至经训练的深度学习图像重建模型中,利用深度学习图像重建模型的学习能力自动获取PET重建图像,相比于传统的动态重建方式,通过深度学习图像重建模型输出PET重建图像的速度更快,占用资源较少,有效减少重建时间耗时。
  • 验证码的背景生成方法和装置-201511004833.6
  • 罗斌 - 腾讯科技(深圳)有限公司
  • 2015-12-28 - 2019-11-05 - G06T11/00
  • 本发明公开了一种验证码的背景生成方法和装置。该验证码的背景生成方法包括:获取预设图片,其中,预设图片为用于生成验证码的背景的图片;对预设图片执行灰度处理,得到灰度图片;按照预设算法提取灰度图片对应的噪声信息;根据噪声信息生成验证码的背景图片。本发明解决了验证码的背景生成速度慢的技术问题。
  • 图像纹理控制方法、装置、设备和存储介质-201910547426.1
  • 钟谢伟;何思敏;郭肖 - 武汉联影医疗科技有限公司
  • 2019-06-24 - 2019-11-01 - G06T11/00
  • 本申请涉及一种图像纹理控制方法、装置、设备和存储介质,判断已缓存图像纹理中是否存在未使用时长大于时长阈值的待清理图像纹理,时长阈值用于指示允许已缓存图像纹理未使用的最大时长;若存在待清理图像纹理,则删除待清理图像纹理,本申请中,通过判断已缓存图像纹理中是否存在未使用时长大于时长阈值的待清理图像纹理,当存在待清理图像纹理时,删除待清理图像纹理,使得删除图像纹理是通过判断该图像纹理的最长未使用时间是否大于时间阈值而确定的,避免了当图像渲染完成时直接删除该图像数据对应的图像纹理的情况,进而避免了短时间内需要对图像数据进行重复渲染时,需要重新创建图像纹理的情况,提高了图像渲染的流程度。
  • 一种基于张量字典约束的动态PET图像重建方法-201710287366.5
  • 刘华锋;崔佳楠 - 浙江大学
  • 2017-04-27 - 2019-11-01 - G06T11/00
  • 本发明公开了一种基于张量字典约束的动态PET图像重建方法,该方法通过引入三阶张量的概念和相关的张量乘积的定义来帮助动态PET图像重建,通过建立重建问题的张量数学模型,加入张量字典约束,基于张量字典的约束来进行动态PET图像重建;最后采取ADMM算法进行优化求解。故本发明有效利用张量字典约束,改善了计算机在进行PET图像重建的过程中产生的结果低分辨率和噪声干扰的问题。
  • 基于卷积神经网络的任意尺寸样本纹理合成方法-201710781915.4
  • 宋彬;吴科永;郭洁;蔡秀霞;秦浩 - 西安电子科技大学
  • 2017-09-02 - 2019-11-01 - G06T11/00
  • 本发明公开了一种基于卷积神经网络的任意尺寸样本纹理合成方法。其步骤为:(1)输入一幅512×512的待处理纹理图像;(2)构建并训练卷积神经网络;(3)划分待处理纹理图像;(4)生成待处理纹理图像的合成图像矩阵;(5)生成待处理纹理图像的合成图像。本发明将卷积神经网络引入到纹理图像合成领域来,克服了现有技术中采用最佳匹配易导致得到的结果是局部最优以及无法合成任意尺寸的纹理图像的不足,合成的纹理图像轮廓更加清晰,更加真实自然。
  • 一种教学图像的显示方法及装置-201910497601.0
  • 周俊太;蒋博峰;周逸旺 - 深圳市华方信息产业有限公司
  • 2019-06-10 - 2019-10-25 - G06T11/00
  • 本发明适用于电子设备技术领域,提供了教学图像的显示方法及装置,包括:获取用户选择的图形显示板面;根据所述图形显示板面显示教学界面,所述教学界面包括:所述图形显示板面对应的图像背景以及教学图像元素选项;获取用户选择的教学图像元素以及所述教学图像元素的位置信息;根据所述教学图像元素的位置信息在所述图形显示板面对应的图像背景中显示所述教学图像元素。
  • 一种医学图像的生成方法和医学图像处理系统及其交互方法-201910750855.9
  • 郑笔耕 - 荆楚理工学院
  • 2019-08-14 - 2019-10-25 - G06T11/00
  • 本发明属于医学图像技术领域,具体的说是一种医学图像的生成方法和医学图像处理系统及其交互方法,该医学图像的生成方法采用的定位装置包括成像仪;成像仪内设有检测孔;检测孔中的丝杠一端与伺服电机输出轴固连;丝杠上的丝杆螺母上设有定向麦克风;丝杆螺母上方的检测孔中固连有滑轨,丝杆螺母上的滑块与滑轨上的滑槽滑动连接;滑轨远离滑台一侧的检测孔中固连有转轴,转轴上转动连接有一组风轮;风轮一侧的转轴上设有定位单元,本发明通过受检者鼻孔中呼出的气体吹动对应位置的风轮,驱使定位单元向PLC控制器发出信号,PLC控制器控制伺服电机转动,进而将定向麦克风移动到鼻孔对应位置,采集受检者的呼吸声像信息。
  • 一种半色调设备光谱特性化模型优化方法及系统-201710765965.3
  • 刘强 - 武汉大学
  • 2017-08-30 - 2019-10-25 - G06T11/00
  • 一种半色调设备光谱特性化模型优化方法及系统,可以有效实现细胞分区形式尤尔尼尔森光谱涅格伯尔模型特性化流程的优化,包括制备正向建模样本并测量其光谱反射率信息;分别构建全墨色组合及不含黑色墨色组合正向模型;利用不含黑色墨色组合正向模型预测阶调明度阈值,并将设备色域分为亮调、中间调以及暗调三部分;对于任意待复制色彩光谱反射率信息,求取其对应明度,并对其所述阶调进行判断;对于亮调色彩,对不含黑色墨色组合正向模型进行反向分色;对于暗调色彩,对全墨色组合正向模型进行反向分色;对于中间调色彩,分别对全墨色及不含黑色墨色组合正向模型进行反向分色,并以反向模型精度最优化为原则,确定最终分色。
  • 生成被检查的PCB的合成彩色图像的方法及计算机可读介质-201910598410.3
  • 诺尼·弗依斯沃瑟;泰尔·夏连;诺玛·葛顿 - 康代影像科技(苏州)有限公司
  • 2019-07-04 - 2019-10-18 - G06T11/00
  • 本发明公开了一种生成被检查的PCB的合成彩色图像的方法及计算机可读介质,该方法包括:选择一个或多个PCB中的一个或多个感兴趣区域;用辐射照亮感兴趣区域获取感兴趣区域的一个或多个彩色图像;基于彩色图像,确定彩色到单色的映射;基于彩色到单色的映射,计算单色到彩色的映射,其把至少一个单色图像像素的值映射到至少一个合成图像像素的值;由一检查系统获取被检查的PCB的至少部分的单色图像;以及通过应用单色到彩色的映射,由一图像处理器将被检查的PCB的至少部分的单色图像转换成被检查的PCB的至少部分的合成彩色图像。本发明通过在彩色图像上彩色到单色的映射反转应用为单色到彩色的映射,无需彩色相机即可获取PCB的合成彩色图像。
  • 一种图像绘制方法及终端-201710301745.5
  • 韩山骏 - 腾讯科技(深圳)有限公司
  • 2017-05-02 - 2019-10-18 - G06T11/00
  • 本发明实施例公开了一种图像绘制方法,包括:获取与终端匹配的目标拆分参数,按所述目标拆分参数对所述待绘制图像数据和所述待绘制图像数据对应的绘制区域分别进行拆分处理,获得拆分处理后的至少一个待绘制子图像数据以及每个待绘制子图像数据对应的绘制子区域,将每个待绘制子图像数据绘制至对应的绘制子区域,获得所述待绘制图像数据的绘制后图像。本发明实施例还公开了一种终端。采用本发明,使得终端可自动获取与终端匹配的目标拆分参数对待绘制图像数据进行拆分绘制,有效提高终端对待绘制图像数据进行拆分绘制的效率以及处理速度。
  • 一种面向多变元个体中心网络演变的可视化方法-201710561715.8
  • 朱敏;陆斌斌;李晓伟;夏婷 - 四川大学
  • 2017-07-11 - 2019-10-18 - G06T11/00
  • 本发明公开了一种面向多变元个体中心网络演变的可视化方法,包括以下步骤:步骤1:获取网络结构信息,根据自定义的时间戳和确定的个体中心对象得到网络快照信息;步骤2:获取多变元信息;步骤3:对步骤1和步骤2中得到的信息进行视觉映射,将数据转换为图形结构;步骤4:将步骤3得到的图形进行视图转换,转换为交互式视图,进行人机交互;本发明具有更高的节点扩展性,具有更灵活的布局,具有更低的视觉混淆度。
  • 一种自动生成日漫肖像的方法-201710550145.2
  • 郭礼华;王得丘 - 华南理工大学
  • 2017-07-07 - 2019-10-18 - G06T11/00
  • 本发明公开了一种自动生成日漫肖像的方法,包括步骤:1、人脸检测和人脸特征点的检测及人脸部位的分割;2、将日漫中辨识度比较高的人脸区域与数据集中对应的人脸区域进行匹配,数据集中每个人脸区域都有其对应的漫画人脸区域;3、利用特征点和日漫的特征生成其他部位的漫画笔画;4、最后将生成的各个部位根据人脸各部位的几何关系合成人脸漫画。通过本发明方法可以根据真实人脸生成日漫这种广受欢迎的二次元漫画形象,具有很高的娱乐性和应用价值。
  • 一种基于RGB三通道多路合成的灰度图像着色方法及系统-201910426633.1
  • 代天;李克勤;刘楚波;朱宁波;谭光华;肖国庆;李肯立 - 湖南大学
  • 2019-05-22 - 2019-10-15 - G06T11/00
  • 本发明公开了一种基于RGB三通道多路合成的灰度图像着色方法及系统。所述方法包括以下步骤(1)将待着色的灰度图片分别输入R、G、以及B通道的生成器生成R通道图片、G通道图片和B通道图片;(2)将步骤(1)中获得的R通道图片、G通道图片和B通道图片合成为彩色图片输出。所述系统包括R单通道子网络、G单通道子网络、B单通道子网络以及合成模块。本发明通过对大量的彩色图片进行学习,训练生成器生成高质量的单通道图片,并基于RGB色彩模式合成R、G、B单通道图片获得高质量的彩色图片,避免人工着色依赖专业人员经验和大量繁复的人工劳动的问题,在较短的时间内即能对灰度图片进行自动着色。
  • 一种重建数据的确定方法、装置、医疗影像设备及介质-201910591309.5
  • 任晓敏;徐天艺;刘洋洋;陈湖山;宋瑞祺 - 上海联影医疗科技有限公司
  • 2019-07-02 - 2019-10-15 - G06T11/00
  • 本发明实施例公开了一种重建数据的确定方法、装置、医疗影像设备及介质。该确定方法包括:获取目标对象的视频图像序列;基于视频图像序列确定视频图像序列内的目标对象的运动状态;根据运动状态确定目标对象的原始扫描数据中的重建数据。本发明实施例通过获取目标对象的视频图像序列;基于视频图像序列确定视频图像序列内的目标对象的运动状态;根据运动状态确定目标对象的原始扫描数据中的重建数据,以实现避免麻醉和长时间动态扫描,减少扫描带来的副作用,同时获得准确的扫描数据。
  • 一种基于深度神经网络的双示踪剂PET重建方法-201710233344.0
  • 刘华锋;余海青 - 浙江大学
  • 2017-04-11 - 2019-10-15 - G06T11/00
  • 本发明公开了一种基于深度神经网络的双示踪剂PET重建方法,其通过建立了对双示踪剂混合TAC进行分类的深度神经网络实现了双示踪剂PET图像重建;对动态PET的测量数据进行重建后重组成以像素点为基准的时间放射性曲线组合后,基于房室模型理论,确定深度神经网络的输入输出标签,并使用了符合双示踪剂混合TAC的损失函数利用误差的反向传播的方法对整个网络的参数进行调整。针对不同的数据组合,本发明利用深度神经网络分别学习出最优的隐藏表达从而实现目标TAC的重建。
  • 用于短扫描偏心探测器X射线断层摄影的冗余度加权-201780079838.6
  • D·舍费尔 - 皇家飞利浦有限公司;离子束应用股份有限公司
  • 2017-12-19 - 2019-10-15 - G06T11/00
  • 本发明涉及基于投影数据对对象的图像的偏心探测器X射线断层摄影重建,所述投影数据是在小于360°的两个旋转通过中的X射线源和的偏心探测器围绕所述对象的旋转期间采集的,其中,所述X射线射束的焦点沿着所述两个旋转通过中的在很大程度上交叠的弧(401、402)行进,所述偏心探测器相对于所述X射线射束的中心非对称地被定位,并且探测器偏移的方向在所述通过之间反转。根据本发明,相对于所述旋转通过中的每个期间的投影值的冗余采集对所述投影数据的冗余度加权使用基于弧(401、402)的并集确定的冗余度加权函数完成。
  • 一种基于虚拟条件生成对抗网络的图像生成方法及系统-201910425497.4
  • 卢剑;何良华;李旭升;颜野 - 北京大学第三医院(北京大学第三临床医学院);同济大学
  • 2019-05-21 - 2019-10-08 - G06T11/00
  • 本发明提供一种基于虚拟条件生成对抗网络的图像生成方法及系统,该方法包括:构造虚拟条件生成对抗网络模型中的生成器;构造虚拟条件生成对抗网络模型中的判别器;构造虚拟条件生成对抗网络模型中的损失函数;对构造完成的虚拟条件生成对抗网络进行训练和测试。通过模数转换函数实现模拟噪声到数字噪声的跳变,然后利用放大偏移独热码指导解码器生成相应条件(类别)的图像样本,并在多个数据集上训练了不同网络配置的虚拟条件对抗生成网络模型,和基线模型的生成分布质量进行对比,展示了模型性能的提升和模型对超参数选择的鲁棒性。
  • 一种基于自动分工隐聚类生成对抗网络的图像生成方法-201910502034.3
  • 何良华;李旭升 - 同济大学
  • 2019-06-11 - 2019-10-08 - G06T11/00
  • 本发明涉及一种基于自动分工隐聚类生成对抗网络的图像生成方法,包括以下步骤:S1、构建自动分工隐聚类生成对抗网络,所述自动分工隐聚类生成对抗网络包括生成器和判别器;S2、基于训练数据集,训练自动分工隐聚类生成对抗网络;S3、输入随机噪声,由自动分工隐聚类生成对抗网络中的生成器生成图像。与现有技术相比,本发明采用多分支结构来实现可跳变的生成器,能够捕捉不同数据分布的特点,既增加了生成图像的多样性,也减少了存储空间和训练计算量;此外,通过生成器基于概率权重自动学习不同模式,能有效提高无监督数据生成图像的分布质量。
  • 医学图像中边缘伪影的去除方法及装置-201610584093.6
  • 杨乐;张娜;滕万里;冯娟 - 上海联影医疗科技有限公司
  • 2016-07-22 - 2019-10-08 - G06T11/00
  • 一种医学图像中边缘伪影的去除方法及装置。所述医学图像为滤波后的投影图像,所述医学图像中边缘伪影的去除方法包括:生成与投影图像对应的模板;以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。本发明技术方案去除了医学图像中的高亮边缘伪影,提高了重建后的医学图像的质量,避免了漏诊或误诊情况的发生。
  • 一种基于各向异性基函数建立SPECT重构的方法-201910553129.8
  • 江颖;刘婷 - 中山大学
  • 2019-06-25 - 2019-10-01 - G06T11/00
  • 本发明公开了一种基于各向异性基函数建立SPECT重构的方法,包括下述步骤:S1:基于各向异性基函数建立SPECT重构的离散模型;S2:采用最大似然估计准则模拟SPECT重构,得到离散模型参数的估计值,建立SPECT重构的优化模型;S3:在SPECT重构的优化模型中引入两类不同的正则项,分别是HDCR和HFNR,建立描述SPECT重构的最小泛函;S4:采用不动点算法建立迭代模型,求解SPECT重构的优化模型。本发明建立SPECT重构的方法能够在不损坏图像质量的前提下减少SPECT检查中使用的放射试剂的剂量,并且能够有效消除由全变差正则化所导致的阶梯效应,同时能保持图像细节以及真实边界。
  • 一种医学红外图像重建方法、系统和计算机及存储介质-201910689274.9
  • 陈耀弘;武力;王华伟;谢庆胜 - 西安中科飞图光电科技有限公司
  • 2019-07-29 - 2019-10-01 - G06T11/00
  • 本发明属于医学红外图像处理方法,具体涉及一种医学红外图像重建方法、系统和计算机及存储介质。解决了现有红外图像处理中,红外图像的对比度不足,经重建后边缘轮廓仍然较为模糊,导致精度不足的问题。其中重建方法包括采集稳定的预处理图像,分割为多个像元,根据每个像元温度恢复速率和制冷速率得到每个像元的活性比,通过色彩映射得到相应的活性比图像完成重建;重建系统包括红外热像仪、图像处理模块和显示模块,用于实现上述方法。另外,本发明的重建方法还能够存储于计算机可读存储介质或存储于计算机的处理器上用于执行。能够得到对比度和轮廓清晰度更好的图像。
  • 一种保证精度的实时单分子定位方法及系统-201510560412.5
  • 黄振立;李梦婷;李路长 - 华中科技大学
  • 2015-09-02 - 2019-10-01 - G06T11/00
  • 本发明公开了一种保证精度的实时单分子定位方法及系统。其中,该方法包括:先基于像素级定位参数对待处理图像进行区域提取;再对提取到的图像进行粗定位,得到提取到的图像的亚像素级定位参数;接着基于提取到的图像的亚像素级定位参数对提取到的图像进行精定位。由于经过粗定位得到的初始值(亚像素级定位参数)更接近于真实值,再据此进行精定位计算,因而减少了在精定位时的迭代次数,从而加快了超分辨图像的定位速度。这样,本发明在保证定位精度的情况下,加快了超分辨图像的定位速度。
  • 一种压迫式超宽带微波乳腺肿瘤成像方法-201910500198.2
  • 肖夏;刘雨;宋航 - 天津大学
  • 2019-06-11 - 2019-09-27 - G06T11/00
  • 本发明涉及一种压迫式超宽带微波乳腺肿瘤成像方法,包括下列步骤:构建压迫式MRI乳房数值模型;从图像处理的角度将MRI图像的灰度值映射为乳房内不同组织,导出乳房模型,用Canny算法提取乳房‑空气边界,生成皮肤边界;选择其中一侧的乳房,设置肿瘤大小和位置,并对各类组织的电磁参数值进行赋值,经过贴于乳房皮肤表面的阵列天线压缩过后,内部组织会在纵向上呈压缩分布,同时还会在横向上呈扩展分布,乳房整体下压,乳房内包含的肿瘤会在压缩比例的作用下同步下移;设置天线位置,使用共焦成像算法对乳房内的肿瘤进行成像。
  • 基于三维对抗性生成网络的低剂量CBCT图像重建方法-201910559108.7
  • 戴修斌;叶佳豪;刘天亮;晏善成 - 南京邮电大学
  • 2019-06-25 - 2019-09-27 - G06T11/00
  • 本发明公开了一种基于三维对抗性生成网络的低剂量CBCT图像重建方法,属于医学图像处理技术领域。所述方法包括如下步骤:构建三维对抗性生成网络模型;通过正弦图像及其对应的投影数据训练三维对抗性生成网络模型;将测试图像输入至已训练好的对抗性生成网络模型,对不完全投影数据的正弦图像缺失部分进行预测,获取完整投影的正弦图像;根据所述完整投影数据的正弦图像重建CT图像。本发明有效缩短锥形束投影数据的获取时间,提高临床诊断效率。
  • 一种基于超深稠密网络的压缩感知磁共振图像重建方法-201910573075.1
  • 曾坤;肖国宝;赖桃桃 - 闽江学院
  • 2019-06-28 - 2019-09-27 - G06T11/00
  • 本发明涉及一种基于超深稠密网络的压缩感知磁共振图像重建方法。该方法通过训练一个深度网络学习图像训练数据库中多个欠采样的k空间数据和高质量磁共振图像之间的对应关系,泛化到图像测试数据库,从而实现对测试数据的重建。该深度网络有两个特征:首先,网络层数多,包含较多的复杂子网络,每个子网络可以预重建一张磁共振图像;其次,子网络之间的连接是稠密连接,这样子网络可以通过分析多张预重建图像生成一张重建质量更好的图像。只要把图像测试数据库中的欠采k空间数据作为该深度网络的输入,得到的输出就是生成的高质量磁共振图像。本发明方法可以快速地进行压缩感知磁共振图像重建,而且生成清晰度较高的磁共振图像。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top