| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 21 | 基于动态分配的分水岭图像分割并行方法 | CN201710267501.X | 2017-04-21 | CN107424154B | 2020-04-03 | 杨昊; 赵长名; 王婷; 张永清; 陈海宁 |
| 本发明涉及一种基于动态分配的分水岭图像分割并行方法，将图像平均分成k个基础子图，并将基础子图动态分配给k个线程同时处理，并让先处理完基础子图的线程分担任务较重的线程的任务；然后对基础子图进行分水岭分割，通过排序和浸没对像素点进行处理；再通过改进灰度准则对过分割的基础子图进行后处理；最后采用层叠拼接的方法对基础子图进行并行拼接。本发明的方法通过将基础子图动态分配给多个线程同时进行处理，提高了算法的效率，采用改进灰度准则，具有一定的噪声抑制作用，增强了算法的鲁棒性，最后采用层叠拼接基础子图，进一步的提高了算法效率。 | ||||||
| 22 | 一种结合改进快速合并算法的分水岭分割方法 | CN201710512338.9 | 2017-06-28 | CN107945183A | 2018-04-20 | 孟庆岩; 王永吉; 杨健; 孙震辉 |
| 本发明公开了一种结合改进快速合并算法的分水岭分割方法，该方法包括如下步骤：步骤1)基于GF-1数据，研发一整套基于前处理的分水岭分割算法技术流程；步骤2)研究基于前处理的分水岭分割算法中全局标记阈值α和区域自适应阈值调整系数g对分割结果的影响，分析α和g的取值范围；步骤3)基于前处理的分水岭分割算法的初分割结果，以RAG和NNG为实现方式，利用基于可控公共边界长度惩罚的Fast Lambda合并算法对初分割结果进行区域合并，以达到满意的分割结果；步骤4)研究基于可控公共边界长度惩罚的Fast Lambda合并算法中控制区域合并的阈值T和公共边界惩罚系数λ对合并结果的影响，分析T和λ的取值范围。 | ||||||
| 23 | 基于幂律分布的彩色图像分水岭分割方法 | CN201711171232.3 | 2017-11-22 | CN107808385A | 2018-03-16 | 任大勇; 贾振红 |
| 本发明公开了一种基于幂律分布的彩色图像分水岭分割方法，包括:步骤S1、利用SOBLE算子求得彩色图像的原始梯度图像，并对原始梯度图像进行形态学极小值标定，从而得到标定后的图像；步骤S2、对标定后的图像进行分水岭预分割，从而得到预分割标签图像，并通过区域面积-数目的幂律分布关系选择面积阈值；步骤S3、引入上述选择的面积阈值破坏上述预分割标签图像的自组织临界态，使预分割标签图像中的区域重新分布并达到新的自组织临界态，从而完成最终分割。以实现抑制过分割现象且降低算法时间复杂度的优点。 | ||||||
| 24 | 基于复小波提取标记的分水岭SAR图像分割方法 | CN200910021742.1 | 2009-03-30 | CN101515366A | 2009-08-26 | 王爽; 焦李成; 张晓静; 侯彪; 刘芳; 公茂果; 刘若辰 |
| 本发明公开一种基于复小波提取标记的分水岭SAR图像分割方法，用于解决分水岭SAR图像分割的过分割问题。本发明综合了专门针对纹理信息的特征提取方法及分水岭的方法分割SAR图像之长，能很好的抑制过分割。其具体实现步骤为：(1)用复小波能量特征提取的方式获得标记分水岭变换的标记；(2)对原图像做高斯低波滤波；(3)对滤波后的图像用Priwitt算子求梯度；(4)用上内、外标记并利用强制最小技术对梯度修正，以便局部最小区域仅出现在标记位置；(5)对修正后的梯度图进行分水岭变换，所得SAR图像的初始分割图。经一组实验，验证了本发明的图像分割效果基本符合标准。既减少了过分割，又保证了边缘的准确性。 | ||||||
| 25 | 基于分水岭分割的机械零件轧制异常检测方法 | CN202210473360.8 | 2022-04-29 | CN114972203A | 2022-08-30 | 赵爱梅; 郑海珍 |
| 本发明涉及轧辊异常检测技术领域，具体涉及一种基于分水岭分割的机械零件轧制异常检测方法，该方法包括：获取轧辊表面灰度图像的灰度直方图，并根据灰度直方图进行混合高斯模型拟合，进而获取多个灰度值集合；分别以各灰度值集合中每个灰度值为阈值，对轧辊表面灰度图像进行分割且进行距离变化之后，得到距离变换图像；根据各距离变换图像上像素点的像素值计算各像素点的前景率，并根据前景率对像素点进行标记得到标记图像；基于标记图像利用分水岭分割的方法对轧辊表面灰度图像进行分割，得到特征图像；利用神经网络对特征图像进行识别，得到轧辊表面图像上的异常类别区域。本发明能够得到具有较高分割准确度的图像，使得图像识别的结果更精准。 | ||||||
| 26 | 基于幂律分布的彩色图像分水岭分割方法 | CN201711171232.3 | 2017-11-22 | CN107808385B | 2021-05-25 | 任大勇; 贾振红 |
| 本发明公开了一种基于幂律分布的彩色图像分水岭分割方法，包括:步骤S1、利用SOBLE算子求得彩色图像的原始梯度图像，并对原始梯度图像进行形态学极小值标定，从而得到标定后的图像；步骤S2、对标定后的图像进行分水岭预分割，从而得到预分割标签图像，并通过区域面积‑数目的幂律分布关系选择面积阈值；步骤S3、引入上述选择的面积阈值破坏上述预分割标签图像的自组织临界态，使预分割标签图像中的区域重新分布并达到新的自组织临界态，从而完成最终分割。以实现抑制过分割现象且降低算法时间复杂度的优点。 | ||||||
| 27 | 一种结合改进快速合并算法的分水岭分割方法 | CN201710512338.9 | 2017-06-28 | CN107945183B | 2021-04-23 | 孟庆岩; 王永吉; 杨健; 孙震辉 |
| 本发明公开了一种结合改进快速合并算法的分水岭分割方法，该方法包括如下步骤：步骤1)基于GF‑1数据，研发一整套基于前处理的分水岭分割算法技术流程；步骤2)研究基于前处理的分水岭分割算法中全局标记阈值α和区域自适应阈值调整系数g对分割结果的影响，分析α和g的取值范围；步骤3)基于前处理的分水岭分割算法的初分割结果，以RAG和NNG为实现方式，利用基于可控公共边界长度惩罚的Fast Lambda合并算法对初分割结果进行区域合并，以达到满意的分割结果；步骤4)研究基于可控公共边界长度惩罚的Fast Lambda合并算法中控制区域合并的阈值T和公共边界惩罚系数λ对合并结果的影响，分析T和λ的取值范围。 | ||||||
| 28 | 基于像素优化的海冰冰块分水岭分割方法 | CN202010686569.3 | 2020-07-16 | CN111862117A | 2020-10-30 | 卫志军; 王安良; 季顺迎; 陈晓东; 杜祥璞 |
| 一种基于基于像素优化的分水岭算法，可有效对海冰冰块识别，并计算海冰尺寸分布，属于图像处理及自动化检测技术领域。在处理的过程中首先利用经纬度对海冰卫星图像的实际尺寸进行标定及灰度图像转化；用分水岭法对海冰冰块进行边界的分割。对分割以后的海冰和海水图像进行二值化处理，通过灰度平均值、最大值、方差等像素总体特性来区分海水和海冰；然后，用腐蚀-膨胀方法对分割结果进行分割边界优化，去掉无效分割，将复制图像优化的分割结果与原始图像相叠加；最后，计算出等效直径及其分布区间，由此拟合得到海冰尺寸概率密度分布函数。本发明通过像素优化分水岭分割海冰方法，有效解决了高清卫星图像中海冰和海水较难区分和统计海冰尺寸分布的技术难题。 | ||||||
| 29 | 一种基于分水岭的极化SAR影像超像素分割方法 | CN201910981741.5 | 2019-10-16 | CN110827290A | 2020-02-21 | 郎丰铠 |
| 本发明公开了一种基于分水岭的极化SAR影像超像素分割方法，利用极化信息进行梯度计算；然后按照规则网格布置种子点，并利用标记分水岭算法对极化SAR影像进行超像素分割；最后利用极化信息对初步分割结果进行后处理，将边缘像素划分到其邻近区域中，并消除噪声区域。极化信息的利用以及后处理步骤可最大程度上保证分割精度，以利于后续基于对象的处理和分析。 | ||||||
| 30 | 基于分水岭算法和形态学标记的图像分割方法 | CN201410136163.2 | 2014-04-04 | CN103914843B | 2018-04-03 | 袁鑫; 熊振华; 盛鑫军; 贾磊; 朱向阳 |
| 本发明提供一种基于分水岭算法和形态学标记的图像分割方法，对灰度图像进行中值滤波得到滤波后的图像；对滤波后的图像使用OTSU大津法得到二值化图像；利用基于重建的形态学运算处理二值化图像得到特征标记图像；采用分水岭算法对特征标记图像进行变换得到分割后的图像。本发明提供的图像分割方法，利用OTSU大津法和中值滤波，对图像的杂质和噪点进行过滤，并作为分水岭算法的初步标记来源，有效的消除了噪声的干扰；采用形态学运算方法，在保证不丧失有效区域的信息的同时，能够将某些模糊区域或相连区域分离开，保证图像分割的完整性和一致性；结合连通域的计算，可以排除非噪点的无效目标和信息，精确定位的分水岭算法的标记，消除了过分割现象。 | ||||||
| 31 | 基于动态分配的分水岭图像分割并行方法 | CN201710267501.X | 2017-04-21 | CN107424154A | 2017-12-01 | 杨昊; 赵长名; 王婷; 张永清; 陈海宁 |
| 本发明涉及一种基于动态分配的分水岭图像分割并行方法，将图像平均分成k个基础子图，并将基础子图动态分配给k个线程同时处理，并让先处理完基础子图的线程分担任务较重的线程的任务；然后对基础子图进行分水岭分割，通过排序和浸没对像素点进行处理；再通过改进灰度准则对过分割的基础子图进行后处理；最后采用层叠拼接的方法对基础子图进行并行拼接。本发明的方法通过将基础子图动态分配给多个线程同时进行处理，提高了算法的效率，采用改进灰度准则，具有一定的噪声抑制作用，增强了算法的鲁棒性，最后采用层叠拼接基础子图，进一步的提高了算法效率。 | ||||||
| 32 | 结合边缘检测和分水岭算法的图像分割方法 | CN201410410464.X | 2014-08-13 | CN105335960A | 2016-02-17 | 罗胜 |
| 本发明公开了一种结合边缘检测和分水岭算法的图像分割方法，包括以下步骤，第一步，图像边缘抽取：采用边缘检测算法提取边缘；第二步，边缘连接：采用相同大小的模板对第一步中抽取的图像边缘进行膨胀连接，或对第一步中抽取的图像边缘端点进行连接，然后用不同大小的模板膨胀；第三步，分割图像：将第二步中得到的在膨胀区域作为生长区域，其它区域作为分水岭算法的种子区域，在生长区域中用分水岭算法进行生长，确认连接或者断开连接，将图像分割成区域。本发明的有益效果：利用了边缘检测算法，得到封闭的目标轮廓，并且位置比Canny边缘准确；没有分水岭算法的过分割等问题，速度快，并且原本连通的区域不会被强行分割。 | ||||||
| 33 | 一种结合分水岭和canny算子的图像分割方法 | CN201510100163.1 | 2015-03-06 | CN104766305A | 2015-07-08 | 罗胜 |
| 本发明公开了一种结合分水岭和canny算子的图像分割方法，包括以下步骤，第一步，图像边缘抽取：采用Canny算法提取的边缘；第二步，边缘连接：采用相同大小的模板膨胀方法或不同大小的模板膨胀方法对第一步中抽取的图像边缘进行连接；第三步，分割图像：将第二步中得到的Canny边缘包围区域作为分水岭算法的种子区域，在膨胀区域中用分水岭算法进行生长，确认连接或者断开连接，将图像分割成区域。本发明的有益效果：利用了canny算子生成边缘，得到封闭的分割，并且位置比canny边缘准确；没有分水岭算法的过分割等问题，速度快，并且原本连通的区域不会被强行分割。 | ||||||
| 34 | 阈值法标记提取的分水岭SAR图像分割方法 | CN200910021741.7 | 2009-03-30 | CN101556693B | 2011-10-19 | 王爽; 焦李成; 张晓静; 侯彪; 刘芳; 钟桦; 缑水平 |
| 本发明涉及一种阈值法标记提取的分水岭SAR图像分割方法，将OTSU阈值法和标记分水岭结合，用阈值分割后的图像作为标记分水岭标记的来源，有效的消除了纹理信息的影响，得到一种新的基于阈值分割的分水岭SAR图像分割方法。其实现包括如下步骤：(1)对原图像Img进行高斯低通滤波得滤波后图像GImg；(2)对滤波后图像GImg求梯度得梯度图PGImg；(3)对原图像Img用Otsu法提取内部标记LImg；(4)对内部标记进行经典分水岭变换得外部标记WLImg；(5)用内、外标记对梯度图PGImg进行梯度修正。利用强制最小技术修正，以便局部最小区域仅出现在标记位置；(6)对修正后的梯度图进行分水岭变换，所得的图为最终的分割图RImg。用本发明的方法分割SAR图像既减少了过分割，又保证了边缘的准确性。 | ||||||
| 35 | 基于水平集和分水岭方法的医学图像分割方法 | CN02126555.0 | 2002-07-24 | CN1471034A | 2004-01-28 | 朱付平; 田捷 |
| 一种基于水平集和Watershed方法的医学图像分割方法，包括步骤：各向异性扩散滤波，用于去除噪声；采用Watershed方法，对图像进行过度分割；堆数据结构的建立，用于定位窄带中具有最小时间T的网格点；采用Fast Marching方法，对图像进行最后的分割。本发明利用Watershed方法与改进的Fast Marching方法进行医学图像分割，不仅能够大大地提高分割的速度，同时还具有广泛的适应性，无论是CT还是MR影像。在计算机辅助诊断和治疗等领域有着重要的应用价值。 | ||||||
| 36 | 一种基于改进分水岭的名优茶嫩叶识别分割方法 | CN202110077428.6 | 2021-01-20 | CN112785571B | 2024-04-12 | 张雷; 邹浪; 武传宇; 陈建能 |
| 本发明涉及到人工智能、机器视觉及图像处理算法领域。技术方案是：一种基于改进分水岭的名优茶嫩叶识别分割方法，包括以下步骤：第1步：从茶园采集茶叶原图，运用高斯滤波去除原图中的各种噪声以提高图像的质量，得到预处理图像；第2步：在RGB色彩空间下将预处理图拆分为R通道图像、G通道图像、B通道图像；第3步：对B通道图像的高亮区进行补偿处理；第4步：将G通道图像与处理后的B通道图像做差运算，获取G‑B分量图像；第5步：采用最小误差法来获取最佳自适应值T1和T2；第6步：对处理后的G‑B分量图像运用Otsu算法进行初次二值化；第7步：对二值图进行腐蚀形态学处理。该方法能大大提高茶叶嫩叶分割的完整度和精度。 | ||||||
| 37 | 一种基于深度学习和分水岭分割的设备仪表参数检测方法 | CN202211468424.1 | 2022-11-22 | CN117253033A | 2023-12-19 | 王峰; 陈志奎; 王铁; 吕羿澎; 李季; 钟芳明; 何江海; 任浩 |
| 本发明公开了一种基于深度学习和分水岭分割的设备仪表参数检测方法，包括：获取带有仪表盘设备的原始图像数据集；构建深度卷积神经网络模型，输出图片中仪表盘设备的完整区域以及中心区域的两个语义分割预测掩膜；对仪表盘设备的完整区域以及中心区域的两个语义分割预测掩膜和原始图像数据集进行预处理操作，输出限定区域原始图像以及标签图像；采用分水岭算法借助标签图像对限定区域原始图像进行分割，从而对图像中的每个仪器仪表进行定位；将实现仪表定位的图像中每个仪表区域进行截图，采用光学字符识别方法对每个截图进行仪表参数信息获取。 | ||||||
| 38 | 基于交互式前景提取与信息熵分水岭的医学图像分割方法 | CN202011226634.0 | 2020-11-05 | CN112330561B | 2023-06-13 | 陈祖国; 唐至强; 刘洋龙; 卢明; 陈超洋; 吴亮红; 张胥卓 |
| 本发明公开了一种基于交互式前景提取与信息熵分水岭的医学图像分割方法，包括以下步骤：对原图像进行标准化处理；利用形态学开运算消除图像中存在的白点噪声及边缘；将图像前景所在的大致位置使用矩形框标注出来，将图像中背景区域剔除；利用高斯混合模型对图像确定性前景与背景进行建模，创建新的像素分布，生成完整图像；利用图像信息熵找到完整图像分割的阈值，并转为二值化图像；通过分水岭算法对二值化图像进行图像提取，得到所需图像。本发明通过交互式前景提取法滤除图像边缘，结合信息熵与分水岭算法，能够将图像进行有效的分割，获得的肝脏CT图像完整，克服了因像素值分布不均、前景子图相互连接与个体间肝脏器官形状各异带来的干扰。 | ||||||
| 39 | 基于优化标记和边缘约束分水岭算法的泡沫图像分割方法 | CN202111053563.3 | 2021-09-24 | CN113763404B | 2023-06-06 | 彭成; 刘亦坤; 陈青; 唐朝晖; 袁鑫攀; 桂卫华 |
| 一种基于优化标记和边缘约束分水岭算法的泡沫图像分割，首先对泡沫图像使用多尺度Retinex算法进行图像对比度增强，然后将增强后的图像进行双边滤波，去除掉泡沫图像上的纹理噪声；其次使用形态学处理去除亮边和白点噪声，使用模糊C均值算法、形态学重构法和自适应阈值法提取处理后的泡沫图像的前景标记，然后对三种算法提取出来的前景标记进行组合优化，得到组合前景标记；再使用高斯拉普拉斯算子和形态学算法提取预处理泡沫图像的边缘，并将两种算法提取的边缘进行融合，采用阈值法提取边缘二值图像；最后为梯度图设置种子点和边界约束，并在前景标记的基础上使用分水岭算法，实现泡沫图像的精确分割。本发明利用了优化标记和边缘约束来改进分水岭算法，提高了泡沫图像分割的准确度。 | ||||||
| 40 | 基于超像素与分水岭的遥感图像深度学习分割方法及系统 | CN202210671099.2 | 2022-06-14 | CN114898216A | 2022-08-12 | 杨文军; 李智勇; 邓志鹏; 易敏; 曹雪佳; 张鹏; 杨芳 |
| 本发明公开了一种基于超像素与分水岭的遥感图像深度学习分割方法及系统，通过利用超像素分割算法对遥感图像进行超像素分割，输出超像素分割结果图；利用语义分割类卷积神经网络对遥感图像进行地物分割，输出地物分割结果图；将每个超像素块的几何中心定义为种子点的位置，结合输出的超像素分割图和地物分割结果图，逐个统计计算超像素块内不同地物类别标签的占比数量，取占比最大的地物类别标签作为该超像素块种子点类别；将定义的种子点作为输入参数，利用分水岭算法对遥感图像进行地物分割，输出相同尺寸的地物分割效果图。本发明有效提高遥感图像地物分割的可视化效果和遥感图像地物分割的精度。 | ||||||
QQ群二维码
意见反馈
意见反馈