| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 41 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 | CN201810565986.5 | 2018-06-04 | CN108986104B | 2022-05-17 | 徐嘉龙; 李凯迪; 胡俊华; 罗世栋; 李伟勇; 周阳洋; 刘正庭; 石雷; 宋亮宇; 林国士; 张德保; 吴金祥; 胡振宇; 李明; 黄巍; 吴桂华; 李斌帅; 姚建刚; 尹骏刚; 朱向前; 钱珏臻; 张利民; 程泳; 沈立荣 |
| 基于距离变换和标记分水岭算法的绝缘子图像分割方法，涉及一种绝缘子红外图像分割方法；原有的阈值分割方法，分割错误率较高，不适合绝缘子的图像分割。本发明在预处理操作后采用分水岭算法进行图像分割；并对二值图像求补后作欧式距离变换，给每个像素赋值为离它最近的背景像素点与其距离，对处理后的图像求反并据此寻找串区域的局部最小值作为标记符，以相邻两个标记符之间为绝缘子片分割线所在区域，确保每个区域内只有惟一一个内部标记和部分背景，有效防止过分割将绝缘子片区域割裂，本技术方案简单，便于实现；同时采用标记符控制和距离变换的手段，有效缓解噪声干扰，防止图像过度分割为许多微小的区域，显著提高图像分割的效率和准确率。 | ||||||
| 42 | 基于代数多重网格和分水岭分割的图像融合方法 | CN201810086907.2 | 2018-01-30 | CN107993218B | 2021-09-07 | 黄颖; 谢蓉 |
| 本发明公开了一种基于代数多重网格和分水岭分割的图像融合方法；方法包括：将同一场景焦点不同的两幅或者多幅图像进行处理，得到一幅信息更加丰富的合成图像；利用代数多重网格方法对源图像进行重建，得到重建图像，通过分水岭图像分割算法，将均值图像分割成为不同的区域；并根据所分割的图像区域，计算该区域源图像与重建图像的均方误差，判断其清晰程度，生成区域清晰度决策图；根据区域清晰度决策图，得到图片清晰与模糊边界，根据这个边界对图像进行融合；相对于多分辨率的图像融合方法，该方法融合图像的每个目标区域都从源图像中清晰区域直接选取，避免了由于图像变化引起的图像清晰度的丢失。 | ||||||
| 43 | 结合光流与分水岭分割的岩心序列图像标注方法 | CN201911240627.3 | 2019-12-06 | CN112927238A | 2021-06-08 | 滕奇志; 王润涵; 何小海; 卿粼波; 王正勇; 吴晓红 |
| 本发明公开了一种结合光流与分水岭分割的岩心序列图像标注方法，主要涉及岩心序列图像的标注技术。包括以下步骤：(1)将岩心序列图像进行配准；(2)对第一帧设置标记点，并对当前图像进行基于标记的分水岭分割；(3)若分割后的图像满足标注要求则继续执行步骤(4)，否则调整少量标记点，并再次分割；(4)将满足标注的当前帧的标记点作为基于金字塔分层的改进LK光流法的特征点进行跟踪，得到下一帧的标记点；(5)重复(2)～(4)最终得到每一张序列图像的标注。本发明方法通过利用岩心序列图的特点和层间相关性，显著提高标注效率，并提高标注质量。 | ||||||
| 44 | 基于改进分水岭算法的复合材料CT图像分割方法 | CN202010487023.5 | 2020-06-02 | CN111738256A | 2020-10-02 | 朱平; 薛永波; 刘钊; 李泽阳 |
| 一种基于改进分水岭算法和形态学评估的复合材料CT图像分割处理方法，对原始图像进行预处理强化其局部特征，通过形态学处理、距离变换得到初始标记点，进而对全局采用自适应h值选取算法和分水岭算法进行预分割；再通过区域有效性指标对已分割标记中每个连通区域进行有效性评估，针对有效性在设定标准以下的区域进行局部h值的自适应选取和分水岭算法分割，进行迭代直至几乎所有连通区域达到有效性指标要求，即得到算法最终分割结果。本发明针对局部对比度低的特点，通过h值的局部自适应迭代分割策略，提高了边缘检测和实例分割的准确度；针对研究对象固有的形态学特征建立有效性指标，从而准确识别欠分割区域并判定是否继续实施局部分割算法。 | ||||||
| 45 | 一种结合林区三维形态滤波的分水岭冠层自动分割方法 | CN201911378323.3 | 2019-12-27 | CN111160236A | 2020-05-15 | 王瑞瑞; 石伟; 李文静; 苏婷婷; 李怡燃; 段芸杉 |
| 本发明公开了一种结合林区三维形态滤波的分水岭冠层自动分割方法，包括：采用地形信息和植被信息构建三维形态滤波算子；根据三维形态滤波算子，对林区多光谱影像进行掩膜处理，提取感兴趣区域；根据林区样地信息构建开闭组合形态滤算子，对所述感兴趣区域进行运算，得到林区显著优化冠层图；根据显著优化冠层图提取梯度算子，生成标记图；通过标记分水岭分割算法对标记图进行自动分割，得到分割后的林区单木冠层结构。该方法可有效解决传统输电线路通道下人工巡线开展树木调查时劳动强度大、工作条件艰苦、效率低下、巡检数据出错率高等问题；也有效克服不同冠层之间边界模糊的问题，分割得到闭合的单木冠层轮廓，可大力提高电力巡线的效率。 | ||||||
| 46 | 基于优化分水岭的结核杆菌图像分割识别方法及装置 | CN201710205964.3 | 2017-03-31 | CN106960424B | 2019-06-21 | 严斯能; 庄泉洁 |
| 本发明公开了一种基于优化分水岭的结核杆菌图像分割识别方法及装置，该方法包括：获取结核杆菌RGB图像，把该结核杆菌图像RGB模式转为Lab模式，并计算其a分量的梯度的模图像g；根据梯度的模图像g的数值分布情况删除背景并保留结核杆菌边界，对结核杆菌边界断裂处进行边界线段连接，对得到的图像使用分水岭算法得到分水岭图像L；依次判断分水岭图像L的每个区域，根据颜色信息和结核杆菌的形状信息，删除杂质区域，保留结核杆菌。本发明能够有效地提高显微成像下结核杆菌的分类识别精度与速度。 | ||||||
| 47 | 融合深度学习网络和分水岭算法的图像精确分割方法 | CN201910060144.9 | 2019-01-22 | CN109886985A | 2019-06-14 | 饶秀勤; 宋晨波; 张小敏; 高迎旺; 应义斌; 泮进明; 郑荣进 |
| 本发明公开了一种融合深度学习网络和分水岭算法的图像精确分割方法。采用DeepLab识别模型并对待定图像进行识别，得到初始分割图，采用分水岭算法对待定图像进行分割，得到一组待定区域，将待定区域数量与初始分割图点乘，将待定区域划分为待测物区域，否则将待测物区域内的待定区域去除。本发明综合利用待定点与待测物质心的距离和待定点与前景及背景的灰度差异来判断等点的属性，实现了图像的精确分割。本发明利用分水岭将相邻灰度相近的像素间分区的特性，采用深度学习方法，建立待测物核心区域，提高检测精度。 | ||||||
| 48 | 一种改进的基于分水岭变换的泡沫图像分割方法 | CN201510290834.5 | 2015-05-25 | CN104851105B | 2018-03-13 | 伍雁鹏; 彭小奇; 阮凯 |
| 本发明涉及一种改进的基于分水岭变换的泡沫图像分割方法，其步骤如下：步骤1：针对泡沫图像增强；步骤2：进行H‑极小区域变换；步骤3：集水盆标记检验；步骤4：集水盆标记形态学整形；步骤5：泡沫图像重构；步骤6：泡沫边缘分割。本发明提出的改进的基于分水岭变换的泡沫图像分割方法，在使用梯度变换、高低帽变换、标记整形等技术的基础上，利用高阈值确定大泡沫集水盆标记、低阈值确定小泡沫集水盆标记，提高了集水盆标记的准确度。实验结果表明，本发明方法具有更高的分割精度和良好的鲁棒性。 | ||||||
| 49 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 | CN201410311363.7 | 2014-07-02 | CN104075965B | 2016-08-24 | 李雨洋; 王赢元 |
| 本发明公开了一种基于分水岭分割的显微图像颗粒粒度测量方法，本方法首先利用中值滤波器、全局阈值方式对获取的原始显微图像进行预处理，然后计算预处理后显微图像的梯度图像，构建梯度图像的数据矩阵，通过数据矩阵计算梯度图像的内部标记符集合和外部标记符集合，获得分割后显微图像，再对颗粒的数目、大小、形状进行测量，从而实现了基于分水岭分割的显微图像颗粒粒度测量。本方法有效地解决了颗粒粒度测量系统获取的颗粒轮廓不连续且不单一，保证了颗粒粒度参数测量的精度。该方法使用简便，无需增加额外辅助设备。 | ||||||
| 50 | 一种基于分水岭分割的静态背景下运动目标检测方法 | CN201310032167.1 | 2013-01-28 | CN103093481B | 2015-11-18 | 徐小龙; 谷宇章; 胡珂立; 魏智; 邹方圆; 张诚 |
| 本发明涉及一种基于分水岭分割的静态背景下运动目标检测方法，包括以下步骤：对采集到的视频数据进行预处理；然后使用极小值点的分水岭算法对视频图像进行分割，通过对相邻帧之间的特征点映射关系得到连续帧内的特征点运动轨迹，最后利用一个综合评价模型，综合考虑特征点轨迹信息的七个主要影响因素，计算出每个特征点的综合评价分数，将低于设定阈值的特征点判决为运动目标。本发明实现简单，计算复杂度低，可以稳定、准确地判断出运动目标，适用于实时的高分辨率视频监测系统。 | ||||||
| 51 | 一种基于纹理抑制平滑滤波和分水岭算法的重织物图像分割方法 | CN201410658317.4 | 2014-11-17 | CN104408714A | 2015-03-11 | 张华熊; 康锋; 胡洁; 屠永坚; 张诚 |
| 本发明公开了一种基于纹理抑制平滑滤波和分水岭算法的重织物图像分割方法，该方法针对带有重组织的织物图像特点，在色彩模式转换的基础上，采用混合中值滤波算法滤除扫描噪声；再通过纹理抑制平滑滤波算法进行滤波，去除织物图像中的重组织阴影和同颜色纱线纹理，保留纱线颜色特征；然后提取织物图像的色差梯度，通过分水岭算法进行图像分割，获得区域标记图像；最后将颜色相近的分割区域进行合并，得到织物图像的分色索引图像；使得在平滑同颜色纱线纹理和重组织边缘阴影的同时，有效保持了不同颜色纱线的边缘，避免了高斯滤波后区域之间的边缘细节被弱化以及双边滤波将纱线纹理保留为边缘等问题。 | ||||||
| 52 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 | CN201410311363.7 | 2014-07-02 | CN104075965A | 2014-10-01 | 李雨洋; 王赢元 |
| 本发明公开了一种基于分水岭分割的显微图像颗粒粒度测量方法，本方法首先利用中值滤波器、全局阈值方式对获取的原始显微图像进行预处理，然后计算预处理后显微图像的梯度图像，构建梯度图像的数据矩阵，通过数据矩阵计算梯度图像的内部标记符集合和外部标记符集合，获得分割后显微图像，再对颗粒的数目、大小、形状进行测量，从而实现了基于分水岭分割的显微图像颗粒粒度测量。本方法有效地解决了颗粒粒度测量系统获取的颗粒轮廓不连续且不单一，保证了颗粒粒度参数测量的精度。该方法使用简便，无需增加额外辅助设备。 | ||||||
| 53 | 一种基于分水岭算法的高空间分辨率多光谱遥感图像分割方法 | CN200910158237.1 | 2009-07-23 | CN101923707B | 2012-06-20 | 余先川; 康增基 |
| 本发明是一种基于分水岭算法的高空间分辨率多光谱遥感图像分割方法，目的在于解决高空间分辨率多光谱遥感图像的分割问题。具体步骤如下：首先用多光谱梯度算法对多光谱图像求梯度得到梯度图像，然后用分水岭算法对梯度图像进行分割，最后按合并算法利用区域间的相似性进行区域合并得到最终的分割结果。 | ||||||
| 54 | 基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法 | CN200910021396.7 | 2009-03-05 | CN101493932B | 2011-04-27 | 焦李成; 张晓静; 王爽; 侯彪; 刘芳; 公茂果; 梁建华 |
| 本发明公开了一种基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法，它涉及图像处理技术领域，其目的是解决分水岭纹理图像分割的过分割问题。采用该方法既可以减少过分割，又在运算速度上比其它解决过分割的后处理方法有很大的提升。本方法的具体实现步骤为：(1)对原始纹理图像用形态Haar小波变换提取其纹理梯度图TG；(2)将原图像顺时针旋转90度后用形态Haar小波提取其纹理梯度图RTG；(3)将纹理梯度图RTG和纹理梯度图TG作旋转加权得纹理梯度图G；(4)对纹理梯度图G做形态滤波，得到平滑后的纹理梯度图OCG；(5)对纹理梯度图OCG进行标记分水岭分割，得到最终的纹理分割结果。经用图像分割标准对比，验证了本发明的图像分割效果基本符合标准。 | ||||||
| 55 | 一种基于分水岭算法的高空间分辨率多光谱遥感图像分割方法 | CN200910158237.1 | 2009-07-23 | CN101923707A | 2010-12-22 | 余先川; 康增基 |
| 本发明是一种基于分水岭算法的高空间分辨率多光谱遥感图像分割方法，目的在于解决高空间分辨率多光谱遥感图像的分割问题。具体步骤如下：首先用多光谱梯度算法对多光谱图像求梯度得到梯度图像，然后用分水岭算法对梯度图像进行分割，最后按合并算法利用区域间的相似性进行区域合并得到最终的分割结果。 | ||||||
| 56 | 基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法 | CN200910021396.7 | 2009-03-05 | CN101493932A | 2009-07-29 | 焦李成; 张晓静; 王爽; 侯彪; 刘芳; 公茂果; 梁建华 |
| 本发明公开了一种基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法，它涉及图像处理技术领域，其目的是解决分水岭纹理图像分割的过分割问题。采用该方法既可以减少过分割，又在运算速度上比其它解决过分割的后处理方法有很大的提升。本方法的具体实现步骤为：(1)对原始纹理图像用形态Haar小波变换提取其纹理梯度图TG；(2)将原图像顺时针旋转90度后用形态Haar小波提取其纹理梯度图RTG；(3)将纹理梯度图RTG和纹理梯度图TG作旋转加权得纹理梯度图G；(4)对纹理梯度图G做形态滤波，得到平滑后的纹理梯度图OCG；(5)对纹理梯度图OCG进行标记分水岭分割，得到最终的纹理分割结果。经用图像分割标准对比，验证了本发明的图像分割效果基本符合标准。 | ||||||
| 57 | 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。 | ||||||
| 58 | 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。 | ||||||
| 59 | 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。 | ||||||
| 60 | 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。 | ||||||
QQ群二维码
意见反馈
意见反馈