[发明专利]一种从高到低扫描一维投影图分割目标的方法在审
申请号: | 201910763577.0 | 申请日: | 2019-08-19 |
公开(公告)号: | CN110517281A | 公开(公告)日: | 2019-11-29 |
发明(设计)人: | 罗胜 | 申请(专利权)人: | 温州大学 |
主分类号: | G06T7/136 | 分类号: | G06T7/136;G06T7/11 |
代理公司: | 33247 温州市品创专利商标代理事务所(普通合伙) | 代理人: | 程春生<国际申请>=<国际公布>=<进入 |
地址: | 325000 浙江省温州市瓯海*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种从高到低扫描一维投影图分割目标的方法,其首先将投影图从最大值向最小值扫描,定位出低洼区域和峰值区域,再按任务的特征判别低洼区域和峰值区域是否是合理的目标,或者低洼区域和峰值区域经过合并是否是合理的目标。这种方法能准确定位出投影图中所有的低洼区域和峰值区域,同时能按具体任务设计判定条件,判断低洼区域和峰值区域是否是目标。 | ||
搜索关键词: | 峰值区域 低洼 投影图 扫描 分割目标 判定条件 任务设计 特征判别 准确定位 合并 | ||
【主权项】:
1.一种从高到低扫描一维投影图分割目标的方法,其特征在于,包括如下步骤:/nS1、找到对一维投影图数据D的最大值、最小值和阶梯值;/n将一维数据D升序排列为D’,计算D’的前向差分为D’d;则,D’中的第一个值作为最小值Ve,最后一个值作为最大值V1;D’d中的最小值为阶梯值Vs;/nS2、从高到低扫描一维投影图,在数据D中查找低洼区域,并将找到的低洼区域记录在低洼区域数组里;/nS2.1、在开始时间,只有最大值一个峰V1,有1或者两个低洼区域;从第一个峰开始下降,每次下降Vs,直到遇到第二个峰,第二个峰会分割所在的低洼区域为两个低洼区域;/nS2.2、在当前下降区域(Vi,Vi+1)如果遇到新的峰,新峰值将峰值所在的原低洼区域裁成1-2个新的低洼区域,将原低洼区域去除,将新产生的低洼区域记录在低洼区域数组里;/nS2.3、如此迭代,直到到达最小值Ve;/nS3、分割低洼区域和峰值区域;/nS3.1、找到低洼区域的最小值;/nS3.2、找到低洼区域的左边最大值和右左边最大值,左边最大值为左边界,右左边最大值为右边界;/nS3.3、求取左边界、右边界内的D’d负最小值、正最大值,以此位置为低洼区域的新左边界、新右边界;/nS3.4、从新左边界向右,找到满足条件的点为新左边界Sl;/nDi<Di-1&(Di<Di+1|(Di=Di+n&Di+n<Di+n+1))/n式中,Di为当前点,Di-1为当前点左边点,Di+1为当前点右边第1个点,Di+n为当前点右边第n个点,Di+n+1为当前点右边第n+1个点;/nS3.5、从新右边界向左,找到满足条件的点为新右边界Sr;/nDi<Di+1&(Di<Di-1|(Di=Di-n&Di-n<Di-n-1))/n式中,Di为当前点,Di-1为当前点左边第1个点,Di+1为当前点右边点,Di-n为当前点左边第n个点,Di-n-1为当前点左边第n+1个点;/nS3.6、将[Sl:Sr]作为低洼区域放入区域数组;/nS3.7、将两个低洼区域间的区域作为放入峰值区域放入区域数组,与低洼区域一一相间;/nS4、合并区域/nS4.1、对每个低洼区域,分析是否满足以下条件:/nabs(Mp1-min(Ml1,Mr1))/(Mp1+min(Ml1,Mr1))<T1 (1)/nabs(Mp2-min(Ml2,Mr2))/(Mp2+min(Ml2,Mr2))<T2 (2)/nabs(Mdp1-min(Mdl1,Mdr1))/(Mdp1+min(Mdl1,Mdr1))<T3 (3)/nabs(Mdp2-min(Mdl2,Mdr2))/(Mdp2+min(Mdl2,Mdr2))<T4 (4)/nSr-Sl<T5 (5)/nSr-Sl>T6 (6)/nSr’-Sl’<T7 (7)/nSr’-Sl’>T8 (8)/nabs((Sr-Sl)-(Sr’-Sl’))/((Sr-Sl)+(Sr’-Sl’))<T9 (9)/nabs((Sr-Sl)-(Sr’-Sl’))/((Sr-Sl)+(Sr’-Sl’))>T10 (10)/n /nλ6×abs((Sr-Sl)-(Sr’-Sl’))/((Sr-Sl)+(Sr’-Sl’))<T12 (12)/n式中,Mp1为D在左边界、右边界内的平均值,Mp2为D在左边界、右边界内的最大值,Ml1为D在左峰值区域内的平均值,Ml2为D在左峰值区域内的最大值,Mr1为D在右峰值区域内的平均值,Mr2为D在右峰值区域内的最大值,Mdp1为D’d在左边界、右边界内的平均值,Mdp2为D’d在左边界、右边界内绝对值的最大值,Mdl1为D’d在左峰值区域内的平均值,Mdl2为D’d在左峰值区域内绝对值的最大值,Mdr1为D’d在右峰值区域内的平均值,Mdr2为D’d在右峰值区域内绝对值的最大值,Sr’是峰值区域的左边界(相邻左低洼区域的右边界),Sl’是峰值区域的右边界(相邻右低洼区域的左边界),λ1-λ6是加权系数,T1-T12是经验阈值,abs()是计算绝对值,min()是求两个值中的最小值;/nS4.2、满足条件的低洼区域,其两侧的峰值区域才成立;/nS4.3、合并不满足条件的低洼区域到左低洼区域或者右低洼区域:如果左峰值较右峰值小,合并当前低洼区域到左低洼区域,如果右峰值较左峰值小,合并当前低洼区域到右低洼区域;如果左峰值、右峰值都不合格,当前低洼区域与左低洼区域、右低洼区域三个同时合并;/nS5、按从左到右的顺序间隔存入峰值区域、低洼区域作为分析结果。/n
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温州大学,未经温州大学许可,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/patent/201910763577.0/,转载请声明来源钻瓜专利网。
- 上一篇:基于红外识别船舶尾气监测系统
- 下一篇:一种二值图像连通域标记方法
- 同类专利
- 高置信度更新策略结合SVM再检测技术的目标跟踪方法-201910959687.4
- 马珺;王昱皓 - 太原理工大学
- 2019-10-10 - 2020-02-14 - G06T7/136
- 本发明公开了高置信度更新策略结合SVM再检测技术的目标跟踪方法,在跟踪过程中,基于核相关滤波的框架下对目标可能所在位置进行快速定位;高置信度更新模块利用目标定位所得到的滤波器响应分布图。利用响应图的最高响应峰值和响应图波动情况两个指标对所跟踪的目标进行置信度判断。当两个判断指标同时高于所设置的阈值时才对滤波器模版进行更新,在目标重新检测模块,当判断跟踪目标的置信度过低时,启动检测器。重新对目标可能所处的位置进行检测并进行打分,其中得分最高的位置为所跟踪的目标的位置。利用再检测模块对目标长期被遮挡或目标丢失的情况重新检测。提高目标跟踪算法的性能和计算速度,实现长时间稳定跟踪目标。
- 一种基于深度相机的传送带静止包裹检测方法及检测系统-201911230741.8
- 张维忠;张宏峰;孙泽龙;袁翠梅;李广文;罗桂富;韩涛 - 青岛大学;青岛点之云智能科技有限公司;青岛华正信息技术股份有限公司
- 2019-12-05 - 2020-02-11 - G06T7/136
- 本发明属于测量技术领域,公开了一种基于深度相机的传送带静止包裹检测方法及检测系统,给定固定检测区域D,比较相邻两帧的深度图像,统计固定区域D内灰度值发生明显变化的点的数量N,设定一个判断是否存在运动物体的阈值或静止检测的比例阈值,当变化点数量超过存在运动物体的阈值或变化点所占比例超过相应静止检测的比例阈值时,判定存在运动的物体;当且仅当存在运动物体时,开始利用体积测量法进行包裹。本发明可自动工作,操作简单,实施方便,无需人工判断,准确率高,效率大大提升。本发明可嵌套在其他系统中,为其他系统提供准确可靠的服务。
- 一种视频镜头分割方法、系统、装置和存储介质-201910871401.7
- 龚云波 - 天脉聚源(杭州)传媒科技有限公司
- 2019-09-16 - 2020-02-07 - G06T7/136
- 本发明公开了一种视频镜头分割方法、系统、装置和存储介质,其中方法包括以下步骤:获取视频的序列帧,并对序列帧进行镜头边缘检测后,获得多个镜头边界帧;根据镜头边界帧在同一镜头内获取若干个镜头关键帧;获取标注信息后,结合镜头边界帧、镜头关键帧和标注信息对视频镜头进行分割。本发明通过对视频进行检测后获得多个镜头边界帧,并在同一镜头内获取若干个镜头关键帧,通过镜头关键帧显示镜头的复杂情况,最后结合标注信息对视频镜头进行分割,能够极大地提高镜头分割的精准度,可广泛应用于视频数据处理领域。
- 基于引导滤波器的细节层图像获取的方法及其相关设备-201911010184.9
- 周波;梁琨 - 华中科技大学鄂州工业技术研究院;华中科技大学
- 2019-10-23 - 2020-02-07 - G06T7/136
- 本发明公开了一种基于基于引导滤波器的细节层图像获取的方法及其相关设备,属于红外图像处理技术领域,包括依据预设的阈值,对统计直方图进行划分,所述划分的方式包括:若方差对应的统计值大于所述阈值时,则判断所述统计直方图的该区域为对应图像中噪声区域和微弱细节区域;若方差对应的统计值小于所述阈值时,则判断所述统计直方图的该区域为对应图像中的强边缘区域;依据细节层的表达形式,对所述噪声区域、所述微弱细节区域和所述强边缘区域进行处理,来获得所述细节层图像。本发明达到了能够对图像局部方差的统计直方图进行有效划分的。
- 肺部图像分割方法、装置和肺部病变区域识别设备-201911046434.4
- 张武龙;吕文尔 - 上海微创医疗器械(集团)有限公司
- 2019-10-30 - 2020-02-07 - G06T7/136
- 本发明提供了一种肺部图像分割方法、装置和肺部病变区域识别设备,所述方法包括:根据预设灰度阈值,将待分割肺部图像转换为第一二值化图像;对第一二值化图像进行取反处理,以得到第二二值化图像;对第二二值化图像进行孔洞填充,并进行取反处理,以得到第三二值化图像;去除第三二值化图像中的干扰区域,以得到第一掩膜;对第一掩膜进行填充,以得到第二掩膜;对第二掩膜和第一掩膜进行减操作,以得到肺部区域掩膜;对肺部区域掩膜和待分割肺部图像进行乘操作,以得到肺实质图像。本发明可以快速准确地提取出肺实质图像并利用三维图像进行肺部病变区域识别,从而更好辅助医生,提高工作效率。
- 基于马尔可夫背景与前景吸收链的图像显著性检测方法-201910353130.6
- 唐伟;王志坚 - 河海大学
- 2019-04-29 - 2020-01-24 - G06T7/136
- 本发明涉及基于马尔可夫背景与前景吸收链的图像显著性检测方法,首先根据边界连通性,删除候选边界背景集B
- 一种基于遥感影像的海岸线提取方法及装置-201910908101.1
- 王宇翔;闫军朝;殷晓斌;李占强 - 北京航天宏图信息技术股份有限公司
- 2019-09-24 - 2020-01-03 - G06T7/136
- 本申请提供一种基于遥感影像的海岸线提取方法及装置,该方法包括:获取海岸区域的遥感影像;利用所述遥感影像中不同波段的反射率计算每一像元的归一化差异水体指数,得到水体指数影像;计算将所述水体指数影像按照不同分割阈值划分出的目标区域与背景区域间的类间方差,并根据多个类间方差确定目标分割阈值,根据所述目标分割阈值得到所述水体指数影像的二值图像;根据所述二值图像中面积大于预设面积的目标区域确定所述海岸区域的海岸线。本申请实施例能够基于海岸区域的遥感影像快速提取出海岸边界线,无需人工手动标注,自动化程度较高。
- 一种基于超像素分割的视差修正方法-201610888875.9
- 李宏亮;孙文龙;王久圣;廖伟军;罗旺 - 成都快眼科技有限公司
- 2016-10-12 - 2019-12-31 - G06T7/136
- 本发明提供了一种基于超像素分割的视差修正方法,针对校正后的双目相机拍摄的左右图像,根据像素亮度值,对左右图像分别进行超像素块分割;针对无纹理区域误匹配的问题,对平坦区域超像素块标记不稳定超像素块;根据相邻超像素块越相近的区域的视差越接近,来修正不稳定超像素块的视差。该方法针对局部立体算法前景膨胀的问题,基于超像素分割,根据相邻超像素块越相似的区域的视差越接近,来修正错误匹配的区域,生成视差图速度快,精度高。
- 一种基于混合粗分割特征的3D U-Net网络的肺分割装置-201810092245.X
- 吴健;陆逸飞;林志文;应兴德;刘雪晨;郝鹏翼;吴福理;吕卫国;陈为;叶德仕;吴朝晖 - 浙江大学
- 2018-01-30 - 2019-12-17 - G06T7/136
- 本发明公开了一种基于混合粗分割特征的3D U‑Net网络的肺分割装置,包括:肺部3D二值图生成模块,对原始肺部CT切片依次进行高斯滤波、二值化、标记连通区域并筛选、尺寸匹配以及微调处理,生成肺部3D二值图;肺分割模块,采用训练完毕的3D U‑Net网络对原始肺部CT图像和肺部3D二值图进行计算,输出分割概率图;优化模块,采用条件随机场对分割概率图进行计算,输出最终肺部分割结果。该装置在产生更高分割精确度的同时,保证了较低的计算消耗和内存消耗。
- 玉米节根后生木质部导管的三维提取方法及装置-201710624580.5
- 潘晓迪;郭新宇;马黎明;张颖;杜建军;王璟璐 - 北京农业信息技术研究中心
- 2017-07-27 - 2019-12-17 - G06T7/136
- 本发明提供一种玉米节根后生木质部导管的三维提取方法及装置。该方法包括:步骤1,对玉米节根进行固定和脱水处理,得到玉米节根样本;步骤2,采用显微CT对所述玉米节根样本进行扫描和重构,获取一系列玉米节根样本的二维重构图像;步骤3,利用阈值分割、基于连通性的拓扑学操作和形态学方法,从所述一系列玉米节根样本的二维重构图像构成的原始三维体中提取出后生木质部导管。本发明能够对后生木质部导管进行快速的三维提取,避免了通过制作切片获取序列图像过程中的费时费力问题,以及逐一处理序列图像过程中效率低的问题。
- 一种自动落锁的方法-201810534996.2
- 周群 - 周群
- 2018-05-30 - 2019-12-10 - G06T7/136
- 本发明涉及一种自动落锁的方法,包括提供并使用组合式桌面访问控制机构,所述机构包括:组合式桌面,包括固定桌面和多组盒体,多组盒体均匀分布在所述固定桌面的侧面位置,每一组盒体包括多种容纳盒,所述多种容纳盒包括餐巾纸盒、温控盒和碗筷盒;球形摄像机,包括闪光灯、光量测量仪和CCD传感器;授权验证设备,用于基于预设授权人员脸部特征对融合处理图像的图像特征进行特征匹配,当特征匹配的百分比值超过预设百分比阈值时,发出存在授权人员信号,否则,发出不存在授权人员信号;锁体控制设备,与所述授权验证设备连接,用于在接收到所述不存在授权人员信号时,对每一组盒体的锁体进行闭锁操作。
- 一种快速的含噪图像二维最大类间方差阈值法-201611198772.6
- 叶志伟;徐炜;王春枝;陈宏伟;马烈;侯玉倩;杨娟;张旭;欧阳勇 - 湖北工业大学
- 2016-12-22 - 2019-12-10 - G06T7/136
- 本发明涉及一种快速的含噪图像二维最大类间方差阈值法,首先求出噪音图像的灰度均值和灰度标准差;对图像每个像素采用3×3邻域的平均灰度值进行平滑,得到平滑图像;然后用最大类间方差阈值法计算平滑图像的类间方差,通过灰度均值和标准差缩小类间方差解的搜索空间,遍历搜索空间,记录使类间方差最大时的解为最优一维阈值T0;用二维最大类间方差法计算目标类与背景类的类间方差离散度矩阵的迹,通过T0和噪音图像的灰度标准差缩小迹的解的搜索空间,最后遍历解的搜索空间,记使离散度矩阵的迹最大时的灰度值二元组为最优二维切割阈值。本发明能够避免遍历全部灰度级,大大缩小计算量的同时也能得到准确的解。
- 一种基于激光点云数据的电力线悬挂点空间坐标提取方法-201910408087.9
- 徐梁刚;虢韬;杨刘贵;王时春;何泽坤;刘勇;余照东;王迪;赵健;杨洋;龙新 - 贵州电网有限责任公司;中国电建集团贵州电力设计研究院有限公司
- 2019-05-15 - 2019-12-03 - G06T7/136
- 本发明公开了一种基于点云数据的电力线悬挂点空间坐标提取方法,它包括:步骤1、获取已分类的跨越多档的输电线路点云数据;步骤2、确定杆塔中心平面坐标;步骤3、确定每档电力线的准确分割平面;步骤4、悬挂点初步搜索;步骤5、缺失电力线局部重建;步骤6、搜索局部重建后的电力线相交点,通过本发明可解决现有技术存在的电力线悬挂点空间坐标提取不准确、提取方法鲁棒性差等技术问题。
- 一种从高到低扫描一维投影图分割目标的方法-201910763577.0
- 罗胜 - 温州大学
- 2019-08-19 - 2019-11-29 - G06T7/136
- 本发明公开了一种从高到低扫描一维投影图分割目标的方法,其首先将投影图从最大值向最小值扫描,定位出低洼区域和峰值区域,再按任务的特征判别低洼区域和峰值区域是否是合理的目标,或者低洼区域和峰值区域经过合并是否是合理的目标。这种方法能准确定位出投影图中所有的低洼区域和峰值区域,同时能按具体任务设计判定条件,判断低洼区域和峰值区域是否是目标。
- 一种基于USFaster R-CNN的甲状腺超声图像结节自动定位识别方法-201910594057.1
- 蔡庆玲;孙玮;梁伟霞;何鸿奇;林进可 - 中山大学
- 2019-07-03 - 2019-11-22 - G06T7/136
- 本发明公开了一种基于USFaster R‑CNN的甲状腺超声图像结节自动定位识别方法,属于人工智能和深度学习领域。该方法包括甲状腺超声图像的预处理,深度神经网络模型的搭建,网络模型训练和优化,其中深度神经网络模型包括底层卷积特征提取网络,候选框生成网络,特征图池化层、分类与候选框回归网络。利用深度学习方法,实现甲状腺超声图像特征自动提取,候选框自动生成,筛选,位置修正。实现甲状腺结节的自动定位识别功能。本发明可以有效辅助医生进行甲状腺超声图像诊断,提高诊断的客观性和准确率,有效降低医生的工作量以及小目标结节的漏检率。
- 图像要素提取方法及装置-201910589131.0
- 江瑞;陈晓阳 - 清华大学
- 2019-07-02 - 2019-11-19 - G06T7/136
- 本发明公开了一种图像要素提取方法及装置,方法包括:步骤S10,获取待处理图像;步骤S20,对待处理图像进行预处理,得到去噪图像,并得到去噪图像的边缘轮廓图;步骤S30,对经过预处理的图像进行阈值分割,得到分割阈值;步骤S40,利用分割阈值对经过预处理的图像进行二值化处理,得到二值化图像;步骤S50,对二值化图像中的轮廓进行图形学变换处理;步骤S60,获取经过图形学变换处理的图像的轮廓向量,并根据轮廓向量求取圈定轮廓的最小矩形;步骤S70,根据所述最小矩形,提取图像要素。本发明对图像要素的提取具有较高的准确率,并提高图像要素提取的效率。并且,本发明无需多样本进行训练,具有较高的适用性。
- 一种自适应光条图像阈值分割方法-201710715098.2
- 刘巍;张致远;叶帆;赵海洋;兰志广;张洋;马建伟;贾振元 - 大连理工大学
- 2017-08-21 - 2019-11-19 - G06T7/136
- 本发明一种自适应光条图像阈值分割方法属于双目视觉技术领域,涉及一种自适应光条图像阈值分割方法。该方法通过传统的固定阈值图像分割方法来分割初始光条区域,获得光条横截面左右边界的列坐标;然后建立图像灰度分布评价系数,根据初始阈值分割结果,计算每行光条横截面的光条横截面能量强度;根据光条分布特征,计算理想光条横截面能量强度的灰度分部水平;再建立与光条图像灰度分布系数正相关的光条图像自适应阈值分割关联模型,以确定光条图像的自适应图像分割阈值,从背景中准确分离出光条区域。该方法提高了随机曲面大型航空构件表面光条的提取精度,避免了局部过曝或者局部光条过暗而导致光条提取困难,光条提取精度不高的问题。
- 专利分类