[发明专利]剪影成像方法及装置在审

专利信息
申请号: 201910274250.7 申请日: 2019-04-08
公开(公告)号: CN109961490A 公开(公告)日: 2019-07-02
发明(设计)人: 王菁;高毅;周永进 申请(专利权)人: 深圳大学
主分类号: G06T11/00 分类号: G06T11/00
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 徐彦圣
地址: 518060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预测图像 图像 差异图像 成像方法及装置 图像采集器 仿真计算 目标对象 第二模 图像识别技术 获取目标 异常结构 终端配置 差异点 第一模 终端 应用
【权利要求书】:

1.一种剪影成像方法,其特征在于,所述方法应用于终端,所述终端配置有图像采集器,所述方法包括:

利用所述图像采集器获取目标对象在第一模态下的第一图像和在第二模态下的第二图像;其中,所述第一模态和所述第二模态为所述目标对象在不同环境下的两种模态;

基于所述第一图像,仿真计算所述目标对象在所述第二模态下的第二预测图像;

将所述第二图像和所述第二预测图像进行去同存异处理,生成所述第二图像与所述第二预测图像之间的差异图像。

2.根据权利要求1所述的方法,其特征在于,基于所述第一图像,仿真计算所述目标对象在所述第二模态下的第二预测图像的步骤,包括:

将所述第一图像输入至预训练的模态预测模型中,得到所述目标对象在所述第二模态下的第二预测图像。

3.根据权利要求2所述的方法,其特征在于,所述模态预测模型的训练过程,包括:

获取样本对象在第一模态下的第一图像样本和在第二模态下的第二图像样本;

应用所述第一图像样本和所述第二图像样本训练初始预测模型,得到训练好的模态预测模型。

4.根据权利要求1所述的方法,其特征在于,将所述第二图像和所述第二预测图像进行去同存异处理,生成所述第二图像与所述第二预测图像之间的差异图像的步骤,包括:

提取所述第二图像和所述第二预测图像之间的相同图像区域;

去除所述第二图像中的所述相同图像区域;

将去除所述相同图像区域后的第二图像作为所述第二图像与所述第二预测图像之间的差异图像。

5.根据权利要求1所述的方法,其特征在于,将所述第二图像和所述第二预测图像进行去同存异处理,生成所述第二图像与所述第二预测图像之间的差异图像的步骤,包括:

提取所述第二图像的图像特征向量和所述第二预测图像的图像特征向量;

对所述第二图像的图像特征向量和所述第二预测图像的图像特征向量进行求差异,得到差异特征向量;

根据所述差异特征向量,生成与所述差异特征向量对应的差异图像。

6.一种剪影成像装置,其特征在于,所述装置应用于终端,所述终端配置有图像采集器,所述装置包括:

获取模块,用于利用所述图像采集器获取目标对象在第一模态下的第一图像和在第二模态下的第二图像;其中,所述第一模态和所述第二模态为所述目标对象在不同环境下的两种模态;

仿真计算模块,用于基于所述第一图像,仿真计算所述目标对象在所述第二模态下的第二预测图像;

去同存异模块,用于将所述第二图像和所述第二预测图像进行去同存异处理,生成所述第二图像与所述第二预测图像之间的差异图像。

7.根据权利要求6所述的装置,其特征在于,所述仿真计算模块还用于:

将所述第一图像输入至预训练的模态预测模型中,得到所述目标对象在所述第二模态下的第二预测图像。

8.根据权利要求6所述的装置,其特征在于,所述去同存异模块还用于:

提取所述第二图像和所述第二预测图像之间的相同图像区域;

去除所述第二图像中的所述相同图像区域;

将去除所述相同图像区域后的第二图像作为所述第二图像与所述第二预测图像之间的差异图像。

9.根据权利要求6所述的装置,其特征在于,所述去同存异模块还用于:

提取所述第二图像的图像特征向量和所述第二预测图像的图像特征向量;

对所述第二图像的图像特征向量和所述第二预测图像的图像特征向量求差异,得到差异特征向量;

根据所述差异特征向量,生成与所述差异特征向量对应的差异图像。

10.一种终端,其特征在于,所述终端包括存储器以及处理器,所述存储器用于存储支持处理器执行如权利要求1至5任一所述的剪影成像方法的程序,所述处理器被配置为用于执行该存储器中存储的程序。

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深圳大学,未经深圳大学许可,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/pat/books/201910274250.7/1.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