[发明专利]图像确定方法、装置、设备和存储介质有效

专利信息
申请号: 201910164692.6 申请日: 2019-03-05
公开(公告)号: CN109934806B 公开(公告)日: 2022-08-19
发明(设计)人: 孙钦佩;杨叶辉;王磊;许言午;黄艳 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/62;G06T7/73
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 确定 方法 装置 设备 存储 介质
【权利要求书】:

1.一种图像确定方法,其特征在于,所述方法包括:

提取待处理图像中的第一图像区域;

根据所述第一图像区域的特征参数,确定所述待处理图像中的第二图像区域的特征参数;

根据所述第二图像区域的特征参数,确定所述待处理图像中的第二图像区域;

其中,根据所述第一图像区域的特征参数,确定所述待处理图像中的第二图像区域的特征参数,包括:

根据视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径,确定黄斑区图像区域的中心位置;

根据视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径,确定黄斑区图像区域的中心位置,包括:

基于线性多项式回归模型,根据所述视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径,确定黄斑区图像区域的中心位置;

其中,所述线性多项式回归模型是根据眼底样本图像中包括的视盘图像区域的特征参数和黄斑区图像区域的特征参数训练得到的。

2.根据权利要求1所述的方法,其特征在于,所述第一图像区域为视盘图像区域;所述第二图像区域为黄斑区图像区域。

3.根据权利要求1所述的方法,其特征在于,根据所述第一图像区域的特征参数,确定所述待处理图像中的第二图像区域的特征参数,还包括:

将所述视盘图像区域的区域直径,作为所述黄斑区图像区域的区域半径。

4.根据权利要求1所述的方法,其特征在于,提取待处理图像中的第一图像区域,包括:

将所述待处理图像作为图像提取模型的输入,得到所述第一图像区域;

其中所述图像提取模型是基于深度学习网络,根据样本图像和样本图像中包括的第一图像区域训练得到的。

5.一种图像确定装置,其特征在于,所述装置包括:

第一图像区域提取模块,用于提取待处理图像中的第一图像区域;

第二特征参数确定模块,用于根据所述第一图像区域的特征参数,确定所述待处理图像中的第二图像区域的特征参数;

第二图像区域确定模块,用于根据所述第二图像区域的特征参数,确定所述待处理图像中的第二图像区域;

其中,所述第二特征参数确定模块具体用于:

根据视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径,确定黄斑区图像区域的中心位置;

所述第二特征参数确定模块具体还用于:

基于线性多项式回归模型,根据所述视盘图像区域的视盘中心位置、视盘水平直径和视盘竖直直径,确定黄斑区图像区域的中心位置;

其中,所述线性多项式回归模型是根据眼底样本图像中包括的视盘图像区域的特征参数和黄斑区图像区域的特征参数训练得到的。

6.根据权利要求5所述的装置,其特征在于,所述第一图像区域为视盘图像区域;所述第二图像区域为黄斑区图像区域。

7.根据权利要求5所述的装置,其特征在于,所述第二特征参数确定模块用于:

将所述视盘图像区域的区域直径,作为所述黄斑区图像区域的区域半径。

8.根据权利要求5所述的装置,其特征在于,所述第一图像区域提取模块具体用于:

将所述待处理图像作为图像提取模型的输入,得到所述第一图像区域;

其中所述图像提取模型是基于深度学习网络,根据样本图像和样本图像中包括的第一图像区域训练得到的。

9.一种设备,其特征在于,所述设备包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序,

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的图像确定方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一所述的图像确定方法。

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百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,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/pat/books/201910164692.6/1.html,转载请声明来源钻瓜专利网。

×

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

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