一種基于人類視覺系統特性的多尺度x線圖像增強方法
【專利摘要】本發明公開了一種基于人類視覺系統特性的多尺度X線圖像增強方法，包括：采集數字化X線圖像，并進行歸一化處理；進行伽馬校正、色彩空間轉換，得到XYZ色彩空間的圖像，并進行硬拷貝的模擬；灰度處理，進行通道分解，得到視錐圖像和視桿圖像；利用拉普拉斯金字塔算法分別對圖像進行多尺度分解；進行亮度和對比度適配；進行傳感及門限處理；圖像分別合并，并對合并后圖像進行逆傳感和逆增益處理，實現拉普拉斯金字塔的圖像重建，得到重建圖像；對重建圖像歸一化處理，并對歸一化所得圖像進行色彩空間轉換和伽馬校正，得到校正后的RGB色彩空間圖像并輸出。本發明能夠有效地對X線圖像進行對比度增強和細節增強，能夠更好減弱噪聲對X線圖像的影響。
【專利說明】
一種基于人類視覺系統特性的多尺度X線圖像増強方法
技術領域
[0001] 本發明涉及一種基于人類視覺系統特性的多尺度X線圖像增強方法，屬于圖像處 理的技術領域。
【背景技術】
[0002] 乳腺癌是女性最常見的一種惡性腫瘤。據世界衛生組織統計，全球每年有超過50 萬婦女死于乳腺癌，超過120萬婦女被診斷患有乳腺癌，且發病率不斷上升，而增加人群主 要是來自發展中國家。早期檢查是降低乳腺癌死亡率的最重要手段。臨床篩查和診斷乳腺 癌的方法主要有身體檢查、血清雌/孕激素受體水平測定和影像學診斷，其中影像學診斷在 乳腺癌的檢查中占有非常重要的地位。而用X線攝影技術診斷乳腺病變，被公認為是診斷乳 腺癌的最有效、最可靠的方法。
[0003] 而在X線圖像的放射成像過程中，由于乳房組織的復雜性以及成像系統中的X線散 射、電器噪聲等各種不利因素的影響，導致圖像質量的下降，主要表現為細節模糊、對比度 差，從而影響醫生的分析和診斷。尤其在乳腺癌早期，癌變的征兆一一微鈣化顆粒在X線圖 像中表現十分細微，難以被察覺。因此，對X線圖像進行增強處理，是醫生進行診斷時不可或 缺的一步。
[0004] 傳統的圖像增強方法有直方圖均衡處理、邊緣增強處理等，它們都能有效提高圖 像的對比度，達到增強圖像的視覺效果。然而，傳統的圖像增強方法不能有效地增強X線圖 像中的細節，尤其對微鈣化顆粒的細節增強效果不佳。因此無法滿足X線圖像細節增強的需 求。
【發明內容】
[0005] 本發明所要解決的技術問題在于克服現有技術的不足，提供一種基于人類視覺系 統特性的多尺度X線圖像增強方法，以解決傳統的圖像增強方法不能有效地增強X線圖像中 的細節，尤其對微鈣化顆粒的細節增強效果不佳的問題。
[0006] 本發明具體采用以下技術方案解決上述技術問題：
[0007] -種基于人類視覺系統特性的多尺度X線圖像增強方法，包括：
[0008] 步驟(1)采集數字化X線圖像A，并對數字化X線圖像A的像素值進行歸一化處理，得 到圖像爲
[0009] 步驟（2)對所述圖像1進行伽馬校正、色彩空間轉換，得到XYZ色彩空間的圖像g:, 及將圖像芒的像素表示為物理亮度值，得到硬拷貝的模擬圖像C;
[0010] 步驟(3)對所述硬拷貝的模擬圖像C進行灰度處理，根據人眼視錐、視桿細胞的特 性進行通道分解，得到視錐圖像和視桿圖像C Md;
[0011] 步驟⑷利用拉普拉斯金字塔算法分別對視錐圖像和視桿圖像Crcid進行多尺 度分解；
[0012] 步驟(5)對所述分解后的視錐圖像Cc_和視桿圖像CrQd進行亮度和對比度適配；
[0013]步驟(6)對所述適配后的視錐圖像Cc_和視桿圖像Crod進行傳感及門限處理；
[0014] 步驟(7)將經步驟(6)處理后的視錐圖像和視桿圖像分別合并，并對合并后圖像進 行逆傳感和逆增益處理，實現拉普拉斯金字塔的圖像重建，得到重建圖像C ;
[0015] 步驟(8)對所述重建圖像進行歸一化處理，得到歸一化后的圖像◎，并對圖像泛 進行色彩空間轉換和伽馬校正，得到校正后的RGB色彩空間圖像F并輸出。
[0016] 進一步地，作為本發明的一種優選技術方案:所述步驟(2)中硬拷貝的模擬圖像C 的像素值為：
[0017] Χ -? :、:!'極似-級板'i卞Λ設' L·搬政.+ !'游淑級意
[0018] ? ~~ ~~ ^??????·) ^ ^?????? ^'ffi^Ssssssss
[001 9] '& -.厶、級軟 厶欲isJ. 么貨、.乙.SS5&! 了 .厶《·欲fess.
[0020] 其中，（X，Y，Z)為圖像C的像素值；（Xw，Yw，Zw)為白光的亮度值;ftf ,1)為圖像C的 像素值;Lmax為亮度的最大值;Lmin為亮度的最小值;L ambient為環境光亮度。
[0021] 進一步地，作為本發明的一種優選技術方案:所述步驟(3)中視錐圖像和視桿 圖像Crod的像素值為：
[0022] f F f .Z) '
[0023] Xcone = 0.3897X+0.6890Y-0.0787Z = X
[0024] Xrod = -0.702X+1.039Y+0.433Z = 0.77X
[0025] 其中，X_表示視錐圖像C_的像素值，Xrod表示視桿圖像Crod的像素值。
[0026] 進一步地，作為本發明的一種優選技術方案:所述步驟(4)將視錐圖像進行多 尺度分解為：
[0027] LPcone, n+1 - f DOWN( LPcone, n) j LPcone, 0 - Ccone Ο^Π^Ν
[0028] BPcone,n = LPcone,n-fup(LPcone,n+i) 0<n<N
[0029] 其中1^_3,"和8?_3,"分別表示視錐圖像(：_3的低通金字塔和帶通金字塔的第11層 圖像，N為金字塔的總層數，fmm和f UP分別為向下采樣函數和向上插值函數；
[0030] 以及，將視桿圖像Crod進行多尺度分解為：
[0031 ] LP rod, n+l - fDOWN ( LProd, η)，LProd, 0 - Crod
[0032] BProd, η = LProd, n~fUP( LProd, n+l ) 0^Π<Ν
[0033] 其中LProd, n和BProd, n分別表示視桿圖像Crod的低通金字塔和帶通金字塔的第n層圖 像，N為金字塔的總層數，fmm和fUP分別為向下采樣函數和向上插值函數。
[0034] 進一步地，作為本發明的一種優選技術方案:所述步驟(5)對所述分解后的視錐圖 像Cc_和視桿圖像Crod進行亮度和對比度適配，包括，
[0035]步驟(5.1)對所述帶通金字塔的第η層圖像8匕_,"和8?1。(1,11分別計算視錐信號和視 桿信號的增益因子Gcone和Grod ;
[0036] 步驟(5.2)將所求得視錐信號的增益因子6。_與帶通金字塔的第η層圖像BPc^m 相乘，得到對比度適配圖像ABPc_,n;及將所求得視桿信號的增益因子Grod與帶通金字塔的 第η層圖像BProd, η相乘，得到對比度適配圖像ABProd, η ;
[0037] 步驟(5.3)根據視錐信號的低通金字塔第Ν層圖像LP_e,N計算獲取增益因子，并得 到該增益因子與低通金字塔的第N層圖像的乘積;及根據視桿信號的低通金字塔第N 層圖像LPrcid,N計算獲取增益因子，并得到該增益因子與低通金字塔的第N層圖像LP rcid,N的乘 積，以完成適配。
[0038] 進一步地，作為本發明的一種優選技術方案:所述步驟(8)還包括根據輸出圖像的 格式調整圖像疋的值。
[0039] 進一步地，作為本發明的一種優選技術方案:所述方法用于乳腺X線圖像增強。
[0040] 本發明采用上述技術方案，能產生如下技術效果：
[0041] 本發明提出的基于人類視覺系統特性的多尺度X線圖像增強方法，與現有的方法 相比，本發明的優點在于：（1)采用多尺度的增強方法可以避免單一尺度增強方法的局限 性，不會產生谷粒效應；（2)本發明的基于人類視覺系統特性的多尺度增強方法，能夠針對 人眼的敏感特性，使得對比度和細節的增強效果都更加良好，更適于人眼觀察，也能夠更好 地減弱噪聲對X線圖像的影響。
[0042] 因此，本發明的方法能夠有效地對X線圖像進行對比度增強和細節增強，尤其能夠 增強微鈣化顆粒，適合應用于早期乳腺癌的診斷，能夠有效提高醫務工作者的診斷效率同 時降低誤診率，是一種實用的醫學圖像增強方法。
【附圖說明】
[0043] 圖1是本發明的基于人類視覺系統特性的多尺度X線圖像增強方法流程圖。
[0044] 圖2(a)為原始圖像。
[0045] 圖2(b)為傳統的直方圖均衡化方法的增強圖像。
[0046] 圖2(c)為本發明方法中采用圖像平均策略的增強圖像。
[0047] 圖2(d)為本發明方法中采用像素平均策略的增強圖像。
【具體實施方式】
[0048] 下面結合說明書附圖對本發明的實施方式進行描述。
[0049] 如圖1所示，本發明設計了一種基于人類視覺系統特性的多尺度X線圖像增強方 法，該方法可適用于醫學圖像增強方法，具體包括如下步驟：
[0050] 步驟(1)采集數字X線醫學圖像。
[0051] 利用設備采集數字化的X線圖像A，并對A的像素值進行歸一化處理，得到:1。
[0052]步驟(2)對圖像進行伽馬校正、色彩空間轉換及硬拷貝的模擬，具體如下：
[0053] 首先，對所述圖像1;進行伽馬校正，得到圖像凝，即： iF/i2^S ^ 〇
[0054] 卜渺+罐雜纖y ^糊祕壯徹，.吵.fc詠物U.:)
[0055] 其中，v表示校正后的圖像像素值，屬于非線性rgb色彩空間；V表示校正前圖像的 像素值，屬于線性RGB色彩空間，γ的取值范圍在1.8-2.6之間。
[0056] 其次，對所得圖像藏進行色彩空間轉換，以標準光源D65為例，得到ΧΥΖ色彩空間的 圖像I即： r 2,3?tW43 -O'SilOMtlS Ηλ4?^33β|
[0057] : FM; ---§,S!雜翻：L4H纖6 認誦( 2 ) 〇d i 0.011S29S2 …(10M釣49 LOO^B^B
[0058] 其中（r，g，b)表示圖像?的像素值，（X，Y，Z)表示C的像素值。
[0059] 最后，給定亮度的最大值Lma#最小值。"以及環境光亮度Lambie3nt，單位為坎德拉 每平方米，將圖像g的像素值表示為物理亮度值，得到硬拷貝的模擬圖像C，即：
[0060] 在一戈飛￡欲激 ^·；!?5?!?：ν! -^?SSS&SSSSi (- 1 '
[0061 ] i =卜級她：s)十 幽.十1政級&:減： ?
[0062] & ' - i'描放、、).+ 2醫 ' /?欲敘.卞微(5 )
[0063] 其中，（Xw，Yw，Zw)為白光的亮度值，(足Rf)為圖像芒的像素值，（Χ，Υ，Ζ)為圖像C的 像素值。
[0064] 步驟(3)根據人眼視錐、視桿細胞的特性進行通道分解，具體為如下：
[0065] 首先，對硬拷貝的模擬圖像C進行灰度處理，根據人眼視錐、視桿細胞的不同特性 進行通道分解，得到視錐圖像和視桿圖像Crod，即
(6) L0067J Xcone = 0.3897X+0.6890Y-0.0787Z = X (7)
[0068] Xrod = -0.702X+1.039Y+0.433Z = 0.77X (8)
[0069] 其中，X_表示視錐圖像C_的像素值，Xrod表示視桿圖像Crod的像素值。
[0070] 步驟(4)利用拉普拉斯金字塔算法分別對視錐圖像和視桿圖進行多尺度分解，具 體如下：
[0071 ]首先，利用拉普拉斯金字塔算法對視錐圖像(：。_進行多尺度分解，即：
[0072] LPcone,n+l = fD0WN(LPcone,n) , LPcone, 0 = Ccone 0^Π<Ν (9)
[0073] BPcone,n = LPcone,n-fup(LPcone,n+i) 0<η<Ν (10)
[0074] 其中，LPcine,n和BP_e,r^1j表示視錐圖像C c_的低通金字塔和帶通金字塔的第η 層圖像，Ν為金字塔的總層數，fmm和fUP分別為向下采樣函數和向上插值函數。
[0075] 同理，對視桿圖像Crod進行多尺度分解，即：
[0076] LProd, n+l = fDOWN(LProd, η) , LProd, 0 = Crod 0^Π<Ν (11)
[0077] BProd,n = LProd, n~fUP(LProd,n+l ) 0^Π<Ν (12)
[0078] 其中，LProd, n和BProd,以別表示視桿圖像Crod的低通金字塔和帶通金字塔的第n層 圖像，N為金字塔的總層數，fmm和fUP分別為向下采樣函數和向上插值函數。
[0079] 步驟(5)對所述分解后的視錐圖像和視桿圖像進行亮度和對比度適配，具體如下：
[0080] 首先，對于視錐圖像Cc^的帶通金字塔的第η層圖像ΒΡ^,η和視桿圖像Crod帶通金 字塔的第η層圖像BProd,n，分別計算出視錐信號和視桿信號的增益因子6。_和Grod的計算公 式，即：
[0083]其中，I為輸入信號。
[0084] 對于帶通圖像BPccme.n和8?411，將相應的低通圖像1^。11(3, 11+1和1^。(1,11+1作為輸入信 號分別代入公式（13)和（14)，求得的增益因子GconjLPcione, n+1 )和Grod(LProd, n+1 )分別與 BPcone, η和BProd, η相乘，得到對比度適配圖像ABPcone, η和ABProd, η，即：
[0085] ΑΒΡ cone, η - Gcone ( LPcone, n+1 ) * BPcone,n, 0^n<N (15)
[0086] ABProd,n = Grod(LProd,n+l) · BProd, η , 0 <N (16)
[0087] 而對于低通圖像LPc^u和LPrcid,N，分為兩種增益控制策略:第一種圖像平均策略， 先求得低通圖像中整體亮度的平均值和，再求出相應的增益因子 最終的適配結果為增益因子和低通圖像的乘積，即：
[0090] 第二種像素平均策略，分別對低通圖像LPc^.n和LPrcid,N的每個像素進行增益因子 計算，得到相應的增益因子圖，最終的適配結果為增益因子圖和低通圖像的乘積，即：
[0091] ALP cone - Gcone ( LPcine, η ) * LPcine,N (19)
[0092] ALProd = Grod(LProd,N) 1 LProd.N (20)
[0093] 步驟(6)對所述適配后的視錐圖像和視桿圖像進行傳感及門限處理，具體如下：
[0094] 首先，對于帶通圖像，視錐信號和視桿信號傳感的輸出值 為：
[0096]其中，0<η<Ν，指數p的值與層數η的對應關系如下表所示：
[0098] 接著，進行門限處理，即當TBP, CQne, η或者TBP, rod, η的值大于50時，將其設為50。
[0099] 然后，對于低通圖像^^。的和了口^^則只需計算視錐信號和視桿信號的傳感的輸 出值TLP, 和TLP, rod，不需要門限處理，即：
[0100] Tlp ,cone = ALP cone /I ALP cone X30.5(ALP cone )°·5 (23)
[0101] TLp,r〇d=ALPr〇d/|ALPr〇d| X122(ALPr〇d)0·5 (24)
[0102] 步驟7:對圖像分別進行合并，并對合并后圖像進行逆傳感處理和逆增益處理，實 現拉普拉斯金字塔的圖像重建，得到重建圖像。具體如下：
[0103] 首先，將相應的視錐圖像TBP, cone, η 和Tlp ,cone 以及視桿圖像TbP, rod, n和Tlp, rod分別合 并，即：
[0104] TbP, n = TBP, cone, η+ΤβΡ, rod, η/7,0^η<Ν (25)
[0105] Tlp = Tlp, c〇ne+TLP, r〇d/7 (26)
[0106] 其中，TBP,n和Tlp分別為合并后的帶通圖像和低通圖像。
[0107]然后，對合并后的圖像進行逆傳感處理，即：
[0110]其中，ABP/和ALP/分別為逆傳感處理后的對比度適配圖像的高頻分量和低頻分 量。
[0111] 最后，進行逆增益處理和圖像重建，給出求逆增益因子Ginv(I)的公式，即：
[0112] Ginv(I)=0.555(1+1.0)0'85 ( 29)
[0113] 用顯示屏的平均亮度f作為輸入信號，算出該信號的逆增益因子，求得AUV與該 逆增益因子的乘積UV，即：
[0114] f 1,0)^ - 411? (30)
[0115] 將LP/作為重建的第一步，進行帶通圖像的逆增益處理和圖像重建，在此過程中 根據公式(31)依次求得低通金字塔中的其余圖像. . .，IiV，最終得到重建圖 像C，，即：
[0116] LP/ =Ginv(LPn+i/ )ABPn7 UPn+i7 ,Ο^η^Ν (31)
[0117] C7 =?Ρο7 (32)
[0118] 步驟8:對所述重建圖像進行歸一化處理，得到歸一化后的圖像，并對圖像進行色 彩空間轉換和伽馬校正，得到校正后的RGB色彩空間圖像并輸出。具體如下：
[0119] 首先，對重建后的圖像進行歸一化處理，得到歸一化后的圖像P。對圖像P進行 色彩空間轉換，得到圖像鏟，即： : Γ'1 『2、3:?辦:?43 -遼、9沏04· ：^Η：
[0120] /I ===：! -O.S1SS8S0 4X0鬆SS8H …Γ?: ? 33 ) #'1 . 貓2 料 Ι、(Μ>93968 IbN:
[0121] 其中，（V ，l/ )表示淤的像素值，（X7 ,Υ7 ,Ζ7 )表示lif:的像素值。接著對圖像r進 行伽馬校正，得到校正后的圖像龍，即：
[0122] r-1 i y 鏟e 救 1 (34、
[0123] 其中，/表示校正前的圖像像素值，屬于非線性rgb色彩空間，V表示校正后圖像 的像素值，屬于線性RGB色彩空間，γ的取值范圍在1.8-2.6之間。
[0124] 最后，優選地，根據輸出圖像的格式調整圖像F的值，輸出圖像f，即：
[0125] 05)
[0126] 其中，η為圖像的位數。
[0127] 另外，本實施例還給出X線圖像增強前后的仿真對比示例，如圖2(a)所示，為原始 圖像;如圖2(b)所示，為傳統的直方圖均衡化方法的增強圖像;如圖2(c)所示，為本發明方 法中采用圖像平均策略的增強圖像;如圖2(d)所示，為本發明方法中采用像素平均策略的 增強圖像。由此，可以看出圖2(c)和圖2(d)，使得圖像對比度和細節的增強效果都更加良 好，能夠更好地減弱噪聲對X線圖像的影響。
[0128] 由此，本發明提出的基于人類視覺系統特性的多尺度X線圖像增強方法能夠有效 地對X線圖像進行對比度增強和細節增強，尤其能夠增強微鈣化顆粒，適合應用于早期乳腺 癌的診斷，可有效地用于乳腺X線圖像增強中。可以能夠有效提高醫務工作者的診斷效率同 時降低誤診率，是一種實用的醫學圖像增強方法。
[0129] 上面結合附圖對本發明的實施方式作了詳細說明，但是本發明并不限于上述實施 方式，在本領域普通技術人員所具備的知識范圍內，還可以在不脫離本發明宗旨的前提下 做出各種變化。
【主權項】
1. 一種基于人類視覺系統特性的多尺度X線圖像增強方法，其特征在于，包括： 步驟（1)采集數字化X線圖像A，并對數字化X線圖像A的像素值進行歸一化處理，得到圖 像深 步驟(2)對所述圖像遂進行伽馬校正、色彩空間轉換，得到XYZ色彩空間的圖像??，及將圖 像??的像素表示為物理亮度值，得到硬拷貝的模擬圖像C; 步驟(3)對所述硬拷貝的模擬圖像C進行灰度處理，根據人眼視錐、視桿細胞的特性進 行通道分解，得到視錐圖像Cwne和視桿圖像Crnd; 步驟(4)利用拉普拉斯金字塔算法分別對視錐圖像Ccone和視桿圖像CrcKl進行多尺度分 解； 步驟(5)對所述分解后的視錐圖像Ccone和視桿圖像CrcKl進行亮度和對比度適配； 步驟(6)對所述適配后的視錐圖像Ccone和視桿圖像CrcKl進行傳感及口限處理； 步驟(7)將經步驟(6)處理后的視錐圖像和視桿圖像分別合并，并對合并后圖像進行逆 傳感和逆增益處理，實現拉普拉斯金字塔的圖像重建，得到重建圖像C/; 步驟(8)對所述重建圖像C/進行歸一化處理，得到歸一化后的圖像r，并對圖像護進行 色彩空間轉換和伽馬校正，得到校正后的RGB色彩空間圖像萊并輸出。2. 根據權利要求1所述基于人類視覺系統特性的多尺度X線圖像增強方法，其特征在 于:所述步驟(2)中硬拷貝的模擬圖像C的像素值為：其中，（Χ，Υ，Ζ)為圖像C的像素值；（Xw，Yw，Zw)為白光的亮度值;撰，夢，錢為圖像€的像素 值;Lmax為亮度的最大值;Lmin為亮度的最小值;Lambient為環境光亮度。3. 根據權利要求1所述基于人類視覺系統特性的多尺度X線圖像增強方法，其特征在 于:所述步驟(3)中視錐圖像Ccone和視桿圖像Crod的像素值為：Xcone = 0.3897X+0.6890Y-0.0787Z = X Xrod = -ο. 702X+1.039Y+0.433Z = 0.77X 其中，XsDne表示視錐圖像CsDne的像素值，XrDd表示視桿圖像CrDd的像素值。4. 根據權利要求1所述基于人類視覺系統特性的多尺度X線圖像增強方法，其特征在 于:所述步驟(4)將視錐圖像Cwne進行多尺度分解為： LPcone, n+1_ f D0WN(LPcone, η)，LPcone, 0_ Ccone 0^Π*\Ν BPcone，n 二 LPcone，n-f up ( LP cone, n+i)0^n<N 其中LPtDne，n和BPscme，。分別表示視錐圖像Ccxme的化通金字塔和帶通金字塔的第n層圖像， N為金字塔的總層數，fD〇?和fuP分別為向下采樣函數和向上插值函數； ^及，將視桿圖像CrcKi進行多尺度分解為： LProd, n+1_ f D0WN( LProd, η)，LProd, 0_ Crod 0^Π*\Ν BProd, n二 LProd'n-fuP(LProd, n+1) 其中LProd.n和BProd.n分別表示視桿圖像Crod的低通金字塔和帶通金字塔的第η層圖像，N 為金字塔的總層數，時〇?和時P分別為向下采樣函數和向上插值函數。5. 根據權利要求4所述基于人類視覺系統特性的多尺度X線圖像增強方法，其特征在 于:所述步驟(5)對所述分解后的視錐圖像Ccone和視桿圖像CrcKl進行亮度和對比度適配，包 括， 步驟巧.1)對所述帶通金字塔的第η層圖像BPcnne.n和BPrnd,n分別計算視錐信號和視桿信 號的增益因子G cone^PGrod ； 步驟(5.2)將所求得視錐信號的增益因子6。。。6與帶通金字塔的第11層圖像8口。。。6,。相乘， 得到對比度適配圖像ABPwne, η;及將所求得視桿信號的增益因子Grod與帶通金字塔的第η層 圖像BProd, η相乘，得到對比度適配圖像ABProd, η ; 步驟(5.3)根據視錐信號的低通金字塔第Ν層圖像化。ne,N計算獲取增益因子，并得到該 增益因子與低通金字塔的第N層圖像LPsDne.N的乘積;及根據視桿信號的低通金字塔第N層圖 像LProd.N計算獲取增益因子，并得到該增益因子與低通金字塔的第N層圖像LProd.N的乘積， W完成適配。6. 根據權利要求1所述基于人類視覺系統特性的多尺度X線圖像增強方法，其特征在 于:所述步驟(8)還包括根據輸出圖像的格式調整圖像藻'的值。7. 根據權利要求1所述基于人類視覺系統特性的多尺度X線圖像增強方法，其特征在 于:所述方法用于乳腺X線圖像增強。
【文檔編號】G06T5/00GK106097283SQ201610578378
【公開日】2016年11月9日
【申請日】2016年7月20日 公開號201610578378.9, CN 106097283 A, CN 106097283A, CN 201610578378, CN-A-106097283, CN106097283 A, CN106097283A, CN201610578378, CN201610578378.9
【發明人】王天云, 盧官明
【申請人】南京郵電大學