[發(fā)明專利]一種畫鐘試驗的評估系統(tǒng)及方法有效
| 申請?zhí)枺?/td> | 201711477062.1 | 申請日: | 2017-12-29 |
| 公開(公告)號: | CN108197564B | 公開(公告)日: | 2023-06-23 |
| 發(fā)明(設(shè)計)人: | 汪昕;史傳進(jìn);丁晶;王清;毛玲艷;段濛;王亮 | 申請(專利權(quán))人: | 復(fù)旦大學(xué)附屬中山醫(yī)院;復(fù)旦大學(xué) |
| 主分類號: | G06V10/82 | 分類號: | G06V10/82;G06V10/26;G06V10/44;G06V10/764;G06V10/774;G16H50/20 |
| 代理公司: | 上海容慧專利代理事務(wù)所(普通合伙) 31287 | 代理人: | 于曉菁 |
| 地址: | 200032 *** | 國省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 試驗 評估 系統(tǒng) 方法 | ||
1.一種畫鐘試驗的評估系統(tǒng),其特征在于,包括:
用于采集畫鐘試驗所得圖像信息的采集模塊;
與所述采集模塊相連的預(yù)處理模塊,所述預(yù)處理模塊對所述采集模塊所采集的圖像信息進(jìn)行預(yù)處理;
與所述預(yù)處理模塊相連的分析模塊,所述分析模塊采用深度學(xué)習(xí)模型對預(yù)處理后的圖像信息進(jìn)行分析,所述深度學(xué)習(xí)模型采用卷積神經(jīng)網(wǎng)絡(luò);
與所述分析模塊相連的評估模塊,所述評估模塊對所述分析模塊得到的結(jié)果進(jìn)行評價;所述采集模塊包括采集器件,與所述采集器件相連的信號接收裝置,以及與所述信號接收裝置相連的數(shù)據(jù)存儲裝置;所述采集器件包括采集設(shè)備和信息傳感器,所述采集設(shè)備與所述信息傳感器相連,所述信息傳感器與所述信號接收裝置相連;所述采集模塊還包括用于控制信息傳感器的參數(shù)的控制模塊,所述控制模塊與所述信息傳感器相連;
所述評估系統(tǒng)利用七分法進(jìn)行打分;
步驟S1:獲得畫鐘試驗的圖像信息,包括:采集圖像和存儲圖像;
步驟S2:對所述存儲的圖像信息進(jìn)行預(yù)處理,所述預(yù)處理具體包括:二值化處理所述存儲的圖像,得到黑白圖像;利用主動輪廓模型對所述黑白圖像進(jìn)行分割,得到目標(biāo)輪廓;沿著目標(biāo)輪廓進(jìn)行剪裁,得到預(yù)設(shè)大小的目標(biāo)圖片;對所述存儲的圖像進(jìn)行局部自適應(yīng)門限二值化處理;得到目標(biāo)輪廓后,對所述目標(biāo)輪廓進(jìn)行對齊和矯正,用于對目標(biāo)輪廓的角度進(jìn)行修正;按照不同預(yù)設(shè)值的長寬比對所述目標(biāo)輪廓進(jìn)行裁剪,得到若干目標(biāo)圖片;利用二維圖像重采樣算法將所述若干目標(biāo)圖片進(jìn)行插值和抽取,通過丟棄數(shù)據(jù)并擬合的方式,得到優(yōu)化后的分析圖片;
步驟S3:分析所述目標(biāo)圖片,具體過程為:利用深度學(xué)習(xí)模型提取所述目標(biāo)圖片的若干特征值,并將所述若干特征值進(jìn)行分類,最后計算出所述若干特征值的置信度;
步驟S4:通過比較若干所述置信度與相應(yīng)閾值的大小,獲得若干所述特征值的得分;若所述特征值的置信度的大小大于所述特征值相應(yīng)的閾值的大小,則所述特征值識別成功,得到相應(yīng)分?jǐn)?shù);若所述特征值的置信度的大小小于所述特征值相應(yīng)的閾值的大小,則所述特征值識別失敗,得分為零;
步驟S5:綜合若干所述特征值的得分,得到總得分,將所述總得分與預(yù)設(shè)值進(jìn)行比較,得到評估結(jié)果;
通過主動輪廓模型檢測和目標(biāo)對齊與矯正得到正確方向的輪廓以后,進(jìn)行目標(biāo)圖片的裁剪與重采樣;
裁剪的具體過程為通過主動輪廓模型檢測算法得到了待識別物體的輪廓,并且通過矯正得到正確方向的輪廓以后,圖片檢測將圖像數(shù)據(jù)裁剪為長度為L、寬度為W的圖片;裁剪完成后,對圖像進(jìn)行重采樣,具體步驟為:
(1)輸入需要重采樣的鐘表圖片,其圖片大小規(guī)格為L?x?W;
(2)計算重采樣比例因子:
(3)對重采樣后的每個輸出圖片像素位置,計算歸一化坐標(biāo)和浮點坐標(biāo),重采樣的圖片像素的二維索引范圍為:
(4)對重采樣后的每個輸出圖片像素位置,計算歸一化坐標(biāo)和浮點坐標(biāo),定義采樣后的任意像素的歸一化坐標(biāo)為(l,w),對應(yīng)的浮點坐標(biāo)為(i,j)
(5)計算浮點坐標(biāo)的整數(shù)部分、小數(shù)部分和對應(yīng)的插值系數(shù):
(6)更新重采樣后的圖像像素值:
pixel(l,w)=c1*pixel(ii,ji)+c2*jd·pixel(ii,ji+1)+c3*pixel(ii+1,ji)+c4*
pixel(ii+1,ji+1)。
2.如權(quán)利要求1所述的畫鐘試驗的評估系統(tǒng),其特征在于,所述預(yù)處理模塊包括:二值化處理模塊,所述二值化處理模塊與所述的數(shù)據(jù)存儲裝置相連;與所述二值化處理模塊相連的圖片處理模塊。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于復(fù)旦大學(xué)附屬中山醫(yī)院;復(fù)旦大學(xué),未經(jīng)復(fù)旦大學(xué)附屬中山醫(yī)院;復(fù)旦大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711477062.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





