CN115330756A - 基于光影特征的oct图像中导丝识别方法及识别系统 - Google Patents
基于光影特征的oct图像中导丝识别方法及识别系统 Download PDFInfo
- Publication number
- CN115330756A CN115330756A CN202211237459.4A CN202211237459A CN115330756A CN 115330756 A CN115330756 A CN 115330756A CN 202211237459 A CN202211237459 A CN 202211237459A CN 115330756 A CN115330756 A CN 115330756A
- Authority
- CN
- China
- Prior art keywords
- guide wire
- oct image
- curve
- accumulation curve
- light
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009825 accumulation Methods 0.000 claims abstract description 81
- 238000009499 grossing Methods 0.000 claims abstract description 33
- 150000001875 compounds Chemical class 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000012014 optical coherence tomography Methods 0.000 description 76
- 238000010586 diagram Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013146 percutaneous coronary intervention Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
Images
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
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Endoscopes (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于光影特征的OCT图像中导丝识别方法及系统,该方法包括:获取OCT图像,并去除OCT图像中的导管区域;对去除导管区域的OCT图像,得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理;对平滑化后的灰度值累加曲线,根据预设的步长进行累加,得到步长累加曲线;根据步长累加曲线,得到导丝位置并对导丝位置进行纠正,完成导丝的识别。采用灰度值累加处理,进一步得到步长累加曲线,根据步长累加曲线逐帧判断导丝位置,再根据前后参照帧对导丝进行纠正,相比直接根据像素值进行判断,本申请技术方案更加周密严谨,避免其他光影噪声的影响。
Description
技术领域
本发明涉及OCT图像识别技术领域,尤其涉及一种基于光影特征的OCT图像中导丝识别方法及识别系统。
背景技术
光学相干断层扫描技术(Optical Coherence Tomography, OCT)可以指导经皮冠状动脉介入治疗(Percutaneous Coronary Intervention, PCI)。与单纯造影相比,可以优化支架植入指导和临床预后,即改善支架的膨胀与贴壁情况,降低支架植入的并发症发生率等。
一次OCT扫描可以得到200~300张图像序列,图像中通常存在三种光影,即:导丝、支架、血管分支等,具体如图1。其中,按照当前OCT采集图像方法,图像中不得不出现导丝及其形成光影,且导丝光影与较宽支架的光影相似容易混淆(如图2),这为以OCT图像作为研究对象的图像处理算法做进一步研究和工程化带来了阻碍。
现有的技术中,对于OCT中导丝的识别与去除多采用直接通过像素修正,例如专利号为 CN201910839921.X,名称为一种血管内光学相干层析成像血管壁内轮廓自动识别方法的专利中,对导丝进行识别时“将图像Inone在0~n/5的列坐标范围内按照行数进行遍历,若同一行中的连续为1的像素数目小于20,则将这些像素置为0,从而去除导丝”类似此种方法,常常会因为血管内环境与导丝光影相似,造成误判,因此,需要提供一种更为科学严谨的基于光影特征的OCT图像中导丝识别方法及识别系统。
发明内容
因此,本发明的目的在于提供一种基于光影特征的OCT图像中导丝识别方法及识别系统,基于OCT图像中光影特征,识别导丝存在区域。
为了实现上述目的,本发明的一种基于光影特征的OCT图像中导丝识别方法,包括以下步骤:
S1、获取OCT图像,并去除OCT图像中的导管区域;
S2、对去除导管区域的OCT图像,得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理;
S3、对平滑化后的灰度值累加曲线,根据预设的步长进行累加,得到步长累加曲线;
S4、根据步长累加曲线,得到导丝位置并对导丝位置进行纠正,完成导丝的识别。
进一步优选的,在S1中,所述获取OCT图像,并去除OCT图像中的导管区域包括以下步骤:
S101、在极坐标系下获取OCT图像;
S102、对获取OCT图像进行导管区域识别;
S103、对识别出的导管区域的像素值重新赋值;
S104、将赋值处理后的OCT图像变换到平面直角坐标系下。
进一步优选的,S2中,还包括对去除导管区域的OCT图像进行二值化处理,并对二值化处理后的图像进行灰度值累加计算,得到灰度值累加曲线。
进一步优选的,在S2中,所述对去除导管区域的OCT图像,得到的灰度值累加曲线采用如下公式表示:
进一步优选的,在S3中,所述根据预设的步长进行累加,得到的步长累加曲线按照如下公式表示:
进一步优选的,在S4中,根据步长累加曲线,得到导丝位置并对导丝位置进行纠正时,包括以下方法:
进一步优选的,纠正后导丝位置按照如下公式表示:
本发明还提供一种基于光影特征的OCT图像中导丝识别系统,用于实施上述基于光影特征的OCT图像中导丝识别方法,包括:图像获取模块,用于获取OCT图像,并去除OCT图像中的导管区域;平滑处理模块,用于对去除导管区域的OCT图像,得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理;曲线计算模块,用于对平滑化后的灰度值累加曲线,根据预设的步长进行累加,得到步长累加曲线;导丝纠正模块,用于根据步长累加曲线,得到导丝位置并对导丝位置进行纠正,完成导丝的识别。
本申请公开的一种基于光影特征的OCT图像中导丝识别方法及系统,相比于现有技术至少具有以下优点:
本申请对去除导管区域的OCT图像中,采用灰度值累加处理,进一步得到步长累加曲线,根据步长累加曲线逐帧判断导丝位置,再根据前后参照帧对导丝进行纠正,相比直接根据像素值进行判断,本申请技术方案更加周密严谨,避免其他光影噪声的影响。
本申请中还对当前帧得到导丝位置根据前后参考帧按照概率分布函数进行纠正,方案更具科学性,避免在进行后期导丝删除时,对其他血管内环境造成影响。
附图说明
图1为背景技术中存在三种光影的平面直角坐标系下OCT图像。
图2为背景技术中存在宽支架的平面直角坐标系下OCT图像。
图3为本申请实施例1中获取的极坐标系下OCT图像。
图4为本申请实施例1中去除导管区域的平面直角坐标系下OCT图像。
图5为本申请实施例2中极坐标系下OCT图像。
图6为本申请实施例2中去除导管区域的平面直角坐标系下OCT图像。
图7为本申请在平面直角坐标系下OCT图像,大津法处理效果图。
图9为本申请中平滑化后的累加值曲线。
图10为本申请中步长累加曲线与导丝位置示意图。
图11为本申请中实施例3所示的第一帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图12为本申请中实施例3所示的第二帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图13为本申请中实施例3所示的第三帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图14为本申请中实施例3所示的第四帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图15为本申请中实施例3所示的第五帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图16为本申请中导丝位置概率分布曲线以及针对图13纠正后导丝位置。
图17为本申请中基于光影特征的OCT图像中导丝识别方法的流程示意图。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图17所示,本发明一方面实施例提供的基于光影特征的OCT图像中导丝识别方法。
包括以下步骤:
S1、获取OCT图像,并去除OCT图像中的导管区域;
S2、对去除导管区域的OCT图像,得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理;
S3、对平滑化后的灰度值累加曲线,根据预设的步长进行累加,得到步长累加曲线;
S4、根据步长累加曲线,得到导丝位置并对导丝位置进行纠正,完成导丝的识别。
如图3所示,在S1中,所述获取OCT图像,并去除OCT图像中的导管区域包括以下步骤:
S101、在极坐标系下获取OCT图像;
S102、对获取OCT图像进行导管区域识别;
S103、对识别出的导管区域的像素值重新赋值;
S104、将赋值处理后的OCT图像变换到平面直角坐标系下。
实施例1在极坐标系下,在行列OCT图像中,由医
师选定导管区域。本方法假设导管区域为圆形,即接受信息为导管区域的圆心坐标与圆半
径,如图3中曲线所示。然后把该区域映射至平面直角坐标系区域,并将平面直角坐标系
下行列OCT图像中该区域像素值置为零,或置为较小值如图4。图
3为极坐标系下OCT图像,曲线表示医生选定的导管区域(假设该区域为圆形时,其圆心在
图像正中心)。 图4为导管区域被去除(置为零)的平面直角坐标系下OCT图像。
实施例2,由医师选定导管区域的原因是,在临床中导管区域(假设该区域为圆形
时,其圆心)不一定在OCT图像正中心。当导管区域在OCT图像中非正中心时,平面直角坐标
系下相应区域应随之变化,具体如图5与图6所示。 图5为,极坐标系下OCT图像,曲线表示
医生选定的导管区域(假设该区域为圆形时,其圆心不在图像正中心)。图6为导管区域图5
中曲线内区域被去除(置为零)的平面直角坐标系下OCT图像。
需要说明的是,导管区域”假设为圆形,是便于描述与处理。“导管区域”假设为任意多边形进行处理,也应在本专利保护范围中。极坐标系下图像与平面直角坐标系下图像,其行列大小没有绝对关系,可任意缩放。应在本专利保护范围中。描述“像素值置为零”可替代为“像素值置为低值”,应在本专利保护范围中。
S2中,还包括对去除导管区域的OCT图像进行二值化处理,并对二值化处理后的图像进行灰度值累加计算,得到灰度值累加曲线。
进一步,对原图像不进行二值化,直接进行灰度值累加得到曲线,也应在本专利
保护范围中。做二值化是便于减少图像中噪声对曲线平滑程度的影响。首先,在平面直角
坐标系下,对行列OCT图像进行二值化,具体方法可以采用(但
不限于)大津法,其处理效果如图7。并在图像中,分别把不同对应的方向全部像素值进行
累加,得到曲线如图8所示。
在S2中,所述对去除导管区域的OCT图像,得到的灰度值累加曲线采用如下公式1表示:
曲线平滑化的目的是:减少图像中噪声对曲线平滑程度的影响。因此平滑方式本身,可以采用上方数学表达式,但不局限于该表达式。以“曲线平滑化”作为直接目的或间接目的方法,均应在本专利保护范围中。
进一步在S3中,所述根据预设的步长进行累加,得到的步长累加曲线,做曲线步长
累加的目的,是为找到曲线中“连续低值”的区间。可以通过下文数学表达式,但不限于该方
法,应在本专利保护范围中。具体包括把假设的导丝宽度作为步长长度,对曲线进
行步长累加,步长累加曲线表达式为:
最后,基于步长累加曲线得出导丝位置,即在OCT图像中把曲线最低值对应的
横坐标视为导丝中心位置。如图10所示,步长累加曲线由曲线表示,导丝位置由直
线表示。在共有帧的OCT图像序列中,设为导丝位置,则有:
当OCT图像中存在较宽支架时,可能把该支架误识别为导丝。为了减少导丝误判,
对全部帧导丝识别后,根据前后帧导丝位置相对连续的特点进行导丝位置纠正。具体为,在
S4中,根据步长累加曲线,得到导丝位置并对导丝位置进行纠正时,包括以下方法:设定导
丝纠正参照帧数,导丝纠正容许偏差,概率分布函数,并设各帧导丝位
置。对第帧进行导丝纠正时,首先基于其前后帧导丝位置得到当前帧导丝位置
概率分布,表达式如下:
正后导丝位置按照如下公式表示:
实施例3中采用如图11至图15所示的,连续5帧OCT图像序列中对连续帧的导丝识
别结果,以及相应的概率分布曲线(高斯分布)。其中,图13、图14是识别错误的(把宽支架,
识别成导丝的结果)。导丝纠正过程是针对图13进行的。图16是参照了图11、12、14、15 后对
原图13纠正后的。纠正之前,各帧的【概率分布曲线】只是根据当前帧计算得出。然后根据图
11、12、14、15,计算得出【概率分布曲线】并进行纠正。因此图16中与原图13相比曲线高峰位
置发生相应变化。图11、12、13、14、15中步长累加曲线由曲线表示、导丝位置由直线表
示、对应的概率分布曲线由曲线所示;图16中相应的概率分布曲线由曲线表示,以及纠
正结果即纠正后的导丝位置采用直线表示。
本发明还提供一种基于光影特征的OCT图像中导丝识别系统,用于实施上述基于光影特征的OCT图像中导丝识别方法,包括:图像获取模块,用于获取OCT图像,并去除OCT图像中的导管区域;平滑处理模块,用于对去除导管区域的OCT图像,得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理;曲线计算模块,用于对平滑化后的灰度值累加曲线,根据预设的步长进行累加,得到步长累加曲线;导丝纠正模块,用于根据步长累加曲线,得到导丝位置并对导丝位置进行纠正,完成导丝的识别。具体实施例参见上述描述。
显然,上述实施例仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于光影特征的OCT图像中导丝识别方法,其特征在于,包括以下步骤:
S1、获取OCT图像,并去除OCT图像中的导管区域;
S2、对去除导管区域的OCT图像,得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理;
S3、对平滑化后的灰度值累加曲线,根据预设的步长进行累加,得到步长累加曲线;
S4、根据步长累加曲线,得到导丝位置并对导丝位置进行纠正,完成导丝的识别。
2.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法,其特征在于,在S1中,所述获取OCT图像,并去除OCT图像中的导管区域包括以下步骤:
S101、在极坐标系下获取OCT图像;
S102、对获取OCT图像进行导管区域识别;
S103、对识别出的导管区域的像素值重新赋值;
S104、将赋值处理后的OCT图像变换到平面直角坐标系下。
3.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法,其特征在于,S2中,还包括对去除导管区域的OCT图像进行二值化处理,并对二值化处理后的图像进行灰度值累加计算,得到灰度值累加曲线。
10.一种基于光影特征的OCT图像中导丝识别系统,其特征在于,用于实施上述权利要求1-8中任意一项所述的基于光影特征的OCT图像中导丝识别方法,包括:
图像获取模块,用于获取OCT图像,并去除OCT图像中的导管区域;
平滑处理模块,用于对去除导管区域的OCT图像,得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理;
曲线计算模块,用于对平滑化后的灰度值累加曲线,根据预设的步长进行累加,得到步长累加曲线;
导丝纠正模块,用于根据步长累加曲线,得到导丝位置并对导丝位置进行纠正,完成导丝的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237459.4A CN115330756B (zh) | 2022-10-11 | 2022-10-11 | 基于光影特征的oct图像中导丝识别方法及识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237459.4A CN115330756B (zh) | 2022-10-11 | 2022-10-11 | 基于光影特征的oct图像中导丝识别方法及识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330756A true CN115330756A (zh) | 2022-11-11 |
CN115330756B CN115330756B (zh) | 2023-02-28 |
Family
ID=83913532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211237459.4A Active CN115330756B (zh) | 2022-10-11 | 2022-10-11 | 基于光影特征的oct图像中导丝识别方法及识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330756B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6148101A (en) * | 1995-11-27 | 2000-11-14 | Canon Kabushiki Kaisha | Digital image processor |
US20040170327A1 (en) * | 2001-06-19 | 2004-09-02 | Whoi-Yul Kim | Method of extracting shape variation descriptor for retrieving image sequence |
US20090110299A1 (en) * | 2007-10-30 | 2009-04-30 | Kddi Corporation | Apparatus, method and computer program for classifying pixels in a motion picture as foreground or background |
CN102930278A (zh) * | 2012-10-16 | 2013-02-13 | 天津大学 | 一种人眼视线估计方法及其装置 |
CN102930513A (zh) * | 2012-09-25 | 2013-02-13 | 北京航空航天大学 | 一种视频场景的虚实光照融合方法 |
CN103207987A (zh) * | 2013-02-28 | 2013-07-17 | 华北电力大学 | 一种指针式仪表的示数识别方法 |
US20160124964A1 (en) * | 2014-10-31 | 2016-05-05 | Pixcon | Methods for uploading and ranking photographs |
CN106097269A (zh) * | 2016-06-11 | 2016-11-09 | 华南理工大学 | 基于计算鬼成像的高分辨率微视觉系统及获取图像的方法 |
CN108986064A (zh) * | 2017-05-31 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种人流量统计方法、设备及系统 |
CN112017254A (zh) * | 2020-06-29 | 2020-12-01 | 浙江大学 | 一种混合式光线跟踪绘制方法及系统 |
CN113077392A (zh) * | 2021-03-17 | 2021-07-06 | 华夏芯(北京)通用处理器技术有限公司 | 一种针对指针表模糊照片的高准确度自动读数方法 |
CN113470137A (zh) * | 2021-06-30 | 2021-10-01 | 天津大学 | 基于灰度加权的ivoct图像导丝伪影去除方法 |
CN113935961A (zh) * | 2021-09-29 | 2022-01-14 | 西安邮电大学 | 一种鲁棒性乳腺钼靶mlo视角图像胸肌分割方法 |
CN114820600A (zh) * | 2022-06-27 | 2022-07-29 | 天津恒宇医疗科技有限公司 | 基于oct图像的冠脉血管内支架检测方法及检测系统 |
-
2022
- 2022-10-11 CN CN202211237459.4A patent/CN115330756B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6148101A (en) * | 1995-11-27 | 2000-11-14 | Canon Kabushiki Kaisha | Digital image processor |
US20040170327A1 (en) * | 2001-06-19 | 2004-09-02 | Whoi-Yul Kim | Method of extracting shape variation descriptor for retrieving image sequence |
US20090110299A1 (en) * | 2007-10-30 | 2009-04-30 | Kddi Corporation | Apparatus, method and computer program for classifying pixels in a motion picture as foreground or background |
CN102930513A (zh) * | 2012-09-25 | 2013-02-13 | 北京航空航天大学 | 一种视频场景的虚实光照融合方法 |
CN102930278A (zh) * | 2012-10-16 | 2013-02-13 | 天津大学 | 一种人眼视线估计方法及其装置 |
CN103207987A (zh) * | 2013-02-28 | 2013-07-17 | 华北电力大学 | 一种指针式仪表的示数识别方法 |
US20160124964A1 (en) * | 2014-10-31 | 2016-05-05 | Pixcon | Methods for uploading and ranking photographs |
CN106097269A (zh) * | 2016-06-11 | 2016-11-09 | 华南理工大学 | 基于计算鬼成像的高分辨率微视觉系统及获取图像的方法 |
CN108986064A (zh) * | 2017-05-31 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种人流量统计方法、设备及系统 |
CN112017254A (zh) * | 2020-06-29 | 2020-12-01 | 浙江大学 | 一种混合式光线跟踪绘制方法及系统 |
CN113077392A (zh) * | 2021-03-17 | 2021-07-06 | 华夏芯(北京)通用处理器技术有限公司 | 一种针对指针表模糊照片的高准确度自动读数方法 |
CN113470137A (zh) * | 2021-06-30 | 2021-10-01 | 天津大学 | 基于灰度加权的ivoct图像导丝伪影去除方法 |
CN113935961A (zh) * | 2021-09-29 | 2022-01-14 | 西安邮电大学 | 一种鲁棒性乳腺钼靶mlo视角图像胸肌分割方法 |
CN114820600A (zh) * | 2022-06-27 | 2022-07-29 | 天津恒宇医疗科技有限公司 | 基于oct图像的冠脉血管内支架检测方法及检测系统 |
Non-Patent Citations (2)
Title |
---|
DAH-JYELEE ET AL.: "Multi-frame structure from motion using optical flow probability distributions", 《NEUROCOMPUTING》 * |
刘忠领: "旋转弹光电成像制导图像处理关键算法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115330756B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871938B (zh) | 一种基于卷积神经网络的零部件喷码检测方法 | |
CN117649357B (zh) | 一种基于图像增强的超声图像处理方法 | |
CN110717888B (zh) | 一种血管内光学相干层析成像血管壁内轮廓自动识别方法 | |
CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
CN106991380A (zh) | 一种基于掌静脉图像的预处理方法 | |
CN116993628B (zh) | 一种用于肿瘤射频消融引导的ct图像增强系统 | |
CN108447016B (zh) | 基于直线交点的光学图像和sar图像的匹配方法 | |
CN105389793B (zh) | 一种自动识别物体表面裂缝走向及宽度的方法 | |
CN113344823B (zh) | 一种银线型触头烧蚀区域形貌三维粗糙度表征方法 | |
CN116934763A (zh) | 一种基于视觉特征的医用橡胶胶塞缺陷检测方法 | |
CN107025640A (zh) | 基于优化的非局部均值的医学图像去噪方法 | |
CN115330756B (zh) | 基于光影特征的oct图像中导丝识别方法及识别系统 | |
CN112651984B (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
CN117974652B (zh) | 基于机器视觉的超声影像辅助定位方法 | |
CN115311696B (zh) | 一种基于静脉纹理特征的手指区域检测方法 | |
CN116485884B (zh) | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 | |
CN110288540B (zh) | 一种碳纤维导线x射线图像在线成像标准化方法 | |
CN114820678B (zh) | 基于oct图像的血管壁内轮廓自动提取方法及系统 | |
CN110188756B (zh) | 产品定位方法 | |
CN115239751A (zh) | 一种术后影像针道提取方法 | |
CN110838121A (zh) | 一种用于辅助骨龄鉴定的儿童手骨关节识别方法 | |
CN107369143B (zh) | 一种基于连续带通滤波和重建的图像降噪方法 | |
CN117152803B (zh) | 一种面部静脉图像均衡化方法 | |
CN117557587B (zh) | 一种内窥镜冷光源亮度自动调节系统 | |
CN115035056B (zh) | 基于微分几何的柔性ic基板线路刻蚀缺陷检测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |