申请/专利权人：徐州医科大学

申请日：2023-12-26

公开（公告）日：2024-03-22

公开（公告）号：CN117746068A

主分类号：G06V10/74

分类号：G06V10/74;G06V10/20;G06V10/24;G06V10/82;G06V10/764;G06V10/766;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了基于空间金字塔匹配模型修正多波长透射图像散射系数的系统，包括图像预处理模块、图像修正模块、异质体识别模型获取模块、检测模块。通过调制解调‑帧累加技术和空间金字塔匹配模型来提高图像的质量和清晰度；将高质量融合的多光谱图输入Faster‑RCNN和SSD网络模型中，实现异质体的检测。本发明通过调制解调‑帧累加技术和空间金字塔匹配模型提高图像清晰度的基础上，验证了深度学习网络模型在多光谱图像中检测异质体的可行性，进一步促进了多光谱透射成像技术在医学领域基于图像早期筛查中的临床应用。

主权项：1.基于空间金字塔匹配模型修正多波长透射图像散射系数的系统,其特征在于，包括：图像预处理模块，用于对采集的多波长透射图像进行图像解调和帧累加处理，得到原始帧累加图像；图像修正模块，基于空间金字塔模型统计图像不同空间特征点来计算不同波长中每组帧累加图像与对应波长真知图的匹配度，根据获得的匹配系数依次修正原始帧累加图像的灰度值，获得帧累加修正后的图像，然后按照彩色图中RGB三原色比例关系分别重新组合原始帧累加图和帧累加修正后的图像，得到原始帧累加结合帧累加修正后的多光谱融合真彩图；异质体识别模型获取模块，构建基于Faster-RCNN和SSD神经网络模型，同时构建包括多光谱融合真彩图以及对应标签的数据集，利用数据集对Faster-RCNN和SSD神经网络进行训练获得异质体识别模型；其中Faster-RCNN以区域候选网络RPN代替Fast-RCNN中的选择搜索网络来进行候选框的选择和修正，区域候选网络RPN判断和调整目标候选框的依据函数是分类损失和回归损失的和；检测模块，利用异质体识别模型对采集的多波长透射图像进行检测，获得识别结果。

全文数据：

权利要求：

百度查询： 徐州医科大学 基于空间金字塔匹配模型修正多波长透射图像散射系数的系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD