-
公开(公告)号：CN110288604A
公开(公告)日：2019-09-27
申请号：CN201910504330.7
申请日：2019-06-12
申请人： 三峡大学 , 湖北九感科技有限公司
摘要： 本发明实施例提供一种基于K-means的图像分割方法和装置，其中所述方法包括：对待分割图像进行灰度统计，获取所述待分割图像中的每一峰值灰度值；将每一所述峰值灰度值作为初始聚类中心；所述峰值灰度值的数量与所述初始聚类中心的数量一致；基于每一所述初始聚类中心，应用K-means聚类算法对所述待分割图像进行图像分割，获取图像分割结果。本发明实施例提供的方法和装置，将峰值灰度值作为初始聚类中心应用于K-means聚类算法进行图像分割，相比现有的随机选取初始聚类中心的方法，能够减少迭代开销，有效避免陷入局部最优或者产生空类的情形，提高图像分割的准确性。
-
公开(公告)号：CN110309728A
公开(公告)日：2019-10-08
申请号：CN201910504326.0
申请日：2019-06-12
申请人： 三峡大学 , 湖北九感科技有限公司
摘要： 本发明实施例提供一种停车线检测方法，其中该方法包括：获取待检测图像的灰度图；基于Retinex算法对所述灰度图进行图像增强，得到增强灰度图；对所述增强灰度图进行停车线检测。本发明实施例提供的方法和装置，基于Retinex算法对所述灰度图进行图像增强，实现了待检测图像的去阴影，为停车线检测提供了细节清晰的高质量图像，降低了停车线检测难度，提高了停车线检测的准确性。
-
公开(公告)号：CN110309728B
公开(公告)日：2022-03-22
申请号：CN201910504326.0
申请日：2019-06-12
申请人： 三峡大学 , 湖北九感科技有限公司
IPC分类号： G06V20/58 , G06V10/762 , G06K9/62 , G06T5/00 , G06T7/11
摘要： 本发明实施例提供一种停车线检测方法，其中该方法包括：获取待检测图像的灰度图；基于Retinex算法对所述灰度图进行图像增强，得到增强灰度图；对所述增强灰度图进行停车线检测。本发明实施例提供的方法和装置，基于Retinex算法对所述灰度图进行图像增强，实现了待检测图像的去阴影，为停车线检测提供了细节清晰的高质量图像，降低了停车线检测难度，提高了停车线检测的准确性。
-
公开(公告)号：CN110288604B
公开(公告)日：2022-03-22
申请号：CN201910504330.7
申请日：2019-06-12
申请人： 三峡大学 , 湖北九感科技有限公司
IPC分类号： G06T7/10 , G06V10/26 , G06V10/762 , G06K9/62
摘要： 本发明实施例提供一种基于K‑means的图像分割方法和装置，其中所述方法包括：对待分割图像进行灰度统计，获取所述待分割图像中的每一峰值灰度值；将每一所述峰值灰度值作为初始聚类中心；所述峰值灰度值的数量与所述初始聚类中心的数量一致；基于每一所述初始聚类中心，应用K‑means聚类算法对所述待分割图像进行图像分割，获取图像分割结果。本发明实施例提供的方法和装置，将峰值灰度值作为初始聚类中心应用于K‑means聚类算法进行图像分割，相比现有的随机选取初始聚类中心的方法，能够减少迭代开销，有效避免陷入局部最优或者产生空类的情形，提高图像分割的准确性。
-
公开(公告)号：CN110288605A
公开(公告)日：2019-09-27
申请号：CN201910504393.2
申请日：2019-06-12
申请人： 三峡大学 , 湖北九感科技有限公司
摘要： 本发明实施例提供一种细胞图像分割方法和装置，其中所述方法包括：获取待分割细胞图像；将待分割细胞图像输入至细胞分割模型中，获取细胞分割模型输出的细胞分割结果；其中，细胞分割模型是基于样本细胞图像和样本细胞图像对应的真实标签图像，对增强U-Net网络进行训练得到的；增强U-Net网络是在初始U-Net网络中增加网络层数，并在网络中加入BN层的神经网络。本发明实施例提供的方法和装置，在基于初始U-Net网络提高重叠细胞和粘连细胞的分割效果，优化细胞分割准确率的同时，基于BN算法加速模型训练、优化模型性能。将待分割细胞图像输入至由此训练得到的细胞分割模型，即可实现快速、准确、简便的细胞分割。
-
公开(公告)号：CN110163840A
公开(公告)日：2019-08-23
申请号：CN201910274998.7
申请日：2019-04-08
申请人： 三峡大学 , 湖北九感科技有限公司
摘要： 本发明实施例提供一种基于环状置信度传播的医学图像分割方法及装置，所述方法包括：在基于环状置信度传播算法对待分割医学图像进行分割的任一次迭代中，根据前一次迭代中待分割医学图像的分割结果，基于EM算法估计高斯混合模型参数，并计算本次迭代的分割结果；根据高斯混合模型的参数，获取本次迭代中分割结果的特征场能量，并获取本次迭代中分割结果的标记场能量，根据本次迭代中分割结果的特征场能量和标记场能量相加，获取本次迭代中分割结果的全局能量；将所有迭代中最小的全局能量对应的分割结果作为待分割医学图像的最终分割结果，本发明实施例使得分割结果达到全局最优，分割更精确。
-
公开(公告)号：CN111583277A
公开(公告)日：2020-08-25
申请号：CN202010376872.3
申请日：2020-05-07
申请人： 三峡大学
IPC分类号： G06T7/11
摘要： 本发明实施例提供一种肺部CT图像分割方法及装置，所述方法包括：获取待分割的肺部CT图像；对待分割的肺部CT图像进行双树复小波变换，确定各尺度上的双树复小波的低频分量；利用聚类算法获取最粗尺度上的初始分割；利用高斯模型进行参数估计；基于估计的参数，采用置信度传播算法通过全局能量最小获取尺度n上优化的分割结果；进行尺度内迭代；进行尺度间迭代；输出最终的分割结果。本发明实施例提供的肺部CT图像分割方法及装置，基于复小波域MRF置信度传播对肺部CT图像进行分割，分割结果中不但可以清晰地分割出感兴趣的区域，而且很好的保留了区域的细节部分以及边界信息。
-
公开(公告)号：CN110473210B
公开(公告)日：2022-05-24
申请号：CN201910715594.7
申请日：2019-08-05
申请人： 三峡大学
摘要： 本发明实施例提供一种基于置信度传播的图像分割方法和装置，方法包括：对待分割图像进行小波变换，得到各尺度的特征向量；针对任一尺度，基于置信度传播算法进行尺度内迭代分割，并计算每一迭代分割结果对应的全局能量，直至达到预设尺度内迭代条件；全局能量包括基于迭代分割结果和特征向量得到的标记场能量和特征场能量；将全局能量最小时对应的迭代分割结果作为该尺度的最终分割结果，将该尺度的最终分割结果作为下一尺度的初始分割结果，进行尺度间迭代分割，直至得到最细尺度的最终分割结果；将最细尺度的最终分割结果作为待分割图像的最终分割结果。本发明实施例提供的方法和装置，实现了全局最优的图像分割，提高了图像分割的准确性。
-
公开(公告)号：CN110473210A
公开(公告)日：2019-11-19
申请号：CN201910715594.7
申请日：2019-08-05
申请人： 三峡大学
摘要： 本发明实施例提供一种基于置信度传播的图像分割方法和装置，方法包括：对待分割图像进行小波变换，得到各尺度的特征向量；针对任一尺度，基于置信度传播算法进行尺度内迭代分割，并计算每一迭代分割结果对应的全局能量，直至达到预设尺度内迭代条件；全局能量包括基于迭代分割结果和特征向量得到的标记场能量和特征场能量；将全局能量最小时对应的迭代分割结果作为该尺度的最终分割结果，将该尺度的最终分割结果作为下一尺度的初始分割结果，进行尺度间迭代分割，直至得到最细尺度的最终分割结果；将最细尺度的最终分割结果作为待分割图像的最终分割结果。本发明实施例提供的方法和装置，实现了全局最优的图像分割，提高了图像分割的准确性。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.035 秒)
