-
公开(公告)号：CN101604446B
公开(公告)日：2011-08-31
申请号：CN200910108704.X
申请日：2009-07-03
Applicant: 清华大学深圳研究生院
IPC: G06T7/00
Abstract: 本发明公开了一种用于疲劳检测的嘴唇图像分割方法，包括以下步骤：A1、利用图像的颜色信息建立脸部和嘴唇的高斯模型；B1、对嘴唇进行粗定位，确定嘴唇分割的种子区域；及C1、使用种子区域初始化水平集函数，并对水平集函数进行演化而获取嘴唇的边界。公开了一种用于疲劳检测的嘴唇图像分割系统。本发明能够克服不同光照条件以及个体差异的影响而获得出精确的嘴唇轮廓，实时检测效率高，提高了检测的准确率和实用性，并大大降低了检测成本。
-
Patent Agency Ranking
公开(公告)号：CN101604446A
公开(公告)日：2009-12-16
申请号：CN200910108704.X
申请日：2009-07-03
Applicant: 清华大学深圳研究生院
IPC: G06T7/00
Abstract: 本发明公开了一种用于疲劳检测的嘴唇图像分割方法，包括以下步骤：A1.利用图像的颜色信息建立脸部和嘴唇的高斯模型；B1.对嘴唇进行粗定位，确定嘴唇分割的种子区域；及C1.使用种子区域初始化水平集函数，并对水平集函数进行演化而获取嘴唇的边界。公开了一种用于疲劳检测的嘴唇图像分割系统。本发明能够克服不同光照条件以及个体差异的影响而获得出精确的嘴唇轮廓，实时检测效率高，提高了检测的准确率和实用性，并大大降低了检测成本。
-
公开(公告)号：CN101507861A
公开(公告)日：2009-08-19
申请号：CN200910105863.4
申请日：2009-03-06
Applicant: 清华大学深圳研究生院
Abstract: 一种基于腹部体表轮廓线产生数字化呼吸门控信号的方法，包括以下步骤：(1)分别提取参考腹部视频的每帧图像中的腹部体表轮廓线，计算各时刻的腹部体表轮廓线与参考轮廓线的归一化相关系数NCC，得到NCC－时间曲线；(2)在NCC－时间曲线上设置门控窗，为每一帧图像提供门控的类标签；(3)将所述参考腹部视频的每帧图像转换为列向量，组成含类标签的训练集；(4)对所述训练集降维，训练得到支持向量ω*和分类阈值b*；(5)将实时腹部视频转换为列向量，用所述支持向量ω*和分类阈值b*计算各个列向量的类别信号，得到的类别信号即为门控信号。采用本方法可降低成本，而且不会给患者带来不适感，耐受性好。
-
公开(公告)号：CN102509286A
公开(公告)日：2012-06-20
申请号：CN201110302081.7
申请日：2011-09-28
Applicant: 清华大学深圳研究生院
Abstract: 一种医学图像目标区域勾画方法，包括以下步骤：（1）预处理；（2）在参考时相上勾画出目标轮廓，并根据该目标轮廓选取若干轮廓控制区域；（3）分别提取所述若干轮廓控制区域的图像纹理特征；（4）根据图像纹理特征，跟踪参考时相上的每个轮廓控制区域在待处理时相上的对应位置；（5）在待处理时相上跟踪得到的每相邻两个轮廓控制区域的中心之间进行插值处理，从而完成待处理时相上目标区域的自动勾画。本发明勾画方法能够根据参考时相上的目标轮廓和轮廓控制区域，快速、准确地自动勾画出其它时相上的目标区域，能够大大减轻工作人员在图像分割中的工作量。
-
公开(公告)号：CN102509286B
公开(公告)日：2014-04-09
申请号：CN201110302081.7
申请日：2011-09-28
Applicant: 清华大学深圳研究生院
Abstract: 一种医学图像目标区域勾画方法，包括以下步骤：（1）预处理；（2）在参考时相上勾画出目标轮廓，并根据该目标轮廓选取若干轮廓控制区域；（3）分别提取所述若干轮廓控制区域的图像纹理特征；（4）根据图像纹理特征，跟踪参考时相上的每个轮廓控制区域在待处理时相上的对应位置；（5）在待处理时相上跟踪得到的每相邻两个轮廓控制区域的中心之间进行插值处理，从而完成待处理时相上目标区域的自动勾画。本发明勾画方法能够根据参考时相上的目标轮廓和轮廓控制区域，快速、准确地自动勾画出其它时相上的目标区域，能够大大减轻工作人员在图像分割中的工作量。
-
公开(公告)号：CN101507861B
公开(公告)日：2011-11-16
申请号：CN200910105863.4
申请日：2009-03-06
Applicant: 清华大学深圳研究生院
Abstract: 一种基于腹部体表轮廓线产生数字化呼吸门控信号的方法，包括以下步骤：(1)分别提取参考腹部视频的每帧图像中的腹部体表轮廓线，计算各时刻的腹部体表轮廓线与参考轮廓线的归一化相关系数NCC，得到NCC-时间曲线；(2)在NCC-时间曲线上设置门控窗，为每一帧图像提供门控的类标签；(3)将所述参考腹部视频的每帧图像转换为列向量，组成含类标签的训练集；(4)对所述训练集降维，训练得到支持向量ω*和分类阈值b*；(5)将实时腹部视频转换为列向量，用所述支持向量ω*和分类阈值b*计算各个列向量的类别信号，得到的类别信号即为门控信号。采用本方法可降低成本，而且不会给患者带来不适感，耐受性好。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
