-
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
Applicant: 三峡大学
IPC: G06T7/11
Abstract: 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：CN110288604A
公开(公告)日：2019-09-27
申请号：CN201910504330.7
申请日：2019-06-12
Applicant: 三峡大学 , 湖北九感科技有限公司
Abstract: 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：CN112308011B
公开(公告)日：2024-03-19
申请号：CN202011265449.2
申请日：2020-11-12
Applicant: 湖北九感科技有限公司 , 三峡大学
IPC: G06V20/40 , G06V20/52 , G06V10/762
Abstract: 本发明提供一种多特征联合目标检测方法及装置，该方法包括：基于深度学习网络模型对待检测图像中目标的多个特征进行检测，获取所述多个特征中检测到的特征和未检测到的特征，以及所述检测到的特征和未检测到的特征的置信度；将所述检测到的特征的置信度和未检测到的特征的置信度分别与相应的预设阈值进行比较，确定所述未检测到的特征在所述待检测图像中是否存在；若存在，则根据每个图像样本中所述未检测到的特征与所述检测到的特征的中心点坐标之间的比值，以及边界框尺寸之间的比值，计算待检测图像中未检测到的特征的中心点坐标和边界框尺寸。本发明提升目标检测效果，降低漏检效率，并且鲁棒性较高。
-
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
Applicant: 三峡大学
Abstract: 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：CN110163840A
公开(公告)日：2019-08-23
申请号：CN201910274998.7
申请日：2019-04-08
Applicant: 三峡大学 , 湖北九感科技有限公司
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN106210637A
公开(公告)日：2016-12-07
申请号：CN201610565383.6
申请日：2016-07-18
Applicant: 三峡大学
CPC classification number: H04N7/18 , G06F7/4833
Abstract: 一种基于时间序列的最小逻辑运算集及其应用，它是在最小逻辑运算中加入了时间序列，从而解决各技术领域，特别是物联网中带时间序列的逻辑运算。在保证最基本的最小逻辑运算不变的前提下加入时间序列，形成四类运算符号：时间序列逻辑与运算；时间序列逻辑或运算；时间序列逻辑非运算；时间序列逻辑顺序运算。从而解决在逻辑运算中加入时间序列的问题。本发明在物联网领域中的作用尤为突出，同时也适用于其他研究领域。
-
公开(公告)号：CN116740085A
公开(公告)日：2023-09-12
申请号：CN202310523188.7
申请日：2023-05-10
Applicant: 三峡大学
IPC: G06T7/11 , G06T7/00 , G06T7/194 , G06T5/00 , G06T5/50 , G06V10/77 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 一种多尺度拆分注意力机制的皮肤病图像分割方法，它包括以下步骤：步骤1：读取皮肤病图像数据集并进行划分和预处理；步骤2：构建多尺度拆分注意力机制网络；步骤3：将步骤1中的皮肤病图像中的训练集和验证集送入步骤2构建的网络中训练；步骤4：将步骤1划分的测试集送入步骤3训练好的网络进行预测；步骤5：输出最终预测图像。本发明的目的是为了解决现有皮肤病图像分割技术存在的图像病变区域大小不一、对比度不足的技术问题，而提供的一种多尺度拆分注意力机制的皮肤病图像分割方法。
-
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
Applicant: 三峡大学
Abstract: 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：CN110309728B
公开(公告)日：2022-03-22
申请号：CN201910504326.0
申请日：2019-06-12
Applicant: 三峡大学 , 湖北九感科技有限公司
IPC: G06V20/58 , G06V10/762 , G06K9/62 , G06T5/00 , G06T7/11
Abstract: 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：CN112308011A
公开(公告)日：2021-02-02
申请号：CN202011265449.2
申请日：2020-11-12
Applicant: 湖北九感科技有限公司 , 三峡大学
Abstract: 本发明提供一种多特征联合目标检测方法及装置，该方法包括：基于深度学习网络模型对待检测图像中目标的多个特征进行检测，获取所述多个特征中检测到的特征和未检测到的特征，以及所述检测到的特征和未检测到的特征的置信度；将所述检测到的特征的置信度和未检测到的特征的置信度分别与相应的预设阈值进行比较，确定所述未检测到的特征在所述待检测图像中是否存在；若存在，则根据每个图像样本中所述未检测到的特征与所述检测到的特征的中心点坐标之间的比值，以及边界框尺寸之间的比值，计算待检测图像中未检测到的特征的中心点坐标和边界框尺寸。本发明提升目标检测效果，降低漏检效率，并且鲁棒性较高。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.024 seconds)
