| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 81 | 基于UNet网络与分水岭算法的电镜红细胞分割与定位方法 | CN202210964897.4 | 2022-08-12 | CN115393293A | 2022-11-25 | 彭爽; 陶丽 |
| 本发明涉及电镜细胞诊断技术领域，具体公开了一种基于UNet网络与分水岭算法的电镜红细胞分割与定位方法，包括步骤：S1、构建基于UNet的多注意力分割模型对电镜红细胞进行细胞前后景的分割；S2、基于分水岭算法对分割好的图形进行细胞的定位与分割。本发明提首先采用数据增强等方法扩充数据集丰富度，接着采用设计的多注意力分割模型Aca‑UNet进行细胞前后景的分割。最后将分割好的图形进行距离变换、分水岭修正后，寻找单个细胞区域，完成细胞的定位与分割。本方法第一次将计算机辅助算法应用到电镜数据集上，实验中，密集细胞分割的dice系数达到88.94％，高倍放大细胞分割的dice系数达到93.10％。 | ||||||
| 82 | 一种基于分水岭约束和边缘连接的图像分割算法 | CN202210893472.9 | 2022-07-27 | CN115330821A | 2022-11-11 | 丁伟利; 张志鹏; 杨韬 |
| 本发明公开了一种基于分水岭约束和边缘连接的图像分割算法，属于计算机视觉中的图像分割技术领域，该算法将边缘检测算法和分水岭算法相结合，使用边缘检测算法得到初始边缘图，同时将其进行并行化，使用基于标记的分水岭算法得到超分割边缘图，检测初始边缘图中的断点，对断点进行距离连接和去除伪断点，将未处于超分割边缘上的断点更新在超分割边缘上，将其作为搜索断裂边缘的初始点。对于断裂边缘的搜索，利用超分割边缘作为搜索路径，在初始边缘图的基础上进行断裂边缘连接，最终得到多个封闭边缘轮廓，即得图像的分割结果。 | ||||||
| 83 | 基于弱监督学习和分水岭处理的荧光信号分割方法和装置 | CN202210990178.X | 2022-08-18 | CN115063797A | 2022-09-16 | 吕行; 邝英兰; 王华嘉 |
| 本发明提供一种基于弱监督学习和分水岭处理的荧光信号分割方法和装置，其中方法包括：获取细胞荧光图像的信号点预测结果和信号点统计信息；基于分水岭算法，对信号点预测结果进行图像分割，得到各个信号点的初始实例分割结果；基于分水岭算法，以各个信号点的初始实例分割结果为引导，对细胞荧光图像进行图像分割。本发明通过在信号点预测模型中添加回归分支，提升了信号点预测分支在存在粘连信号点和杂点等复杂场景下的分割能力，利用分水岭算法，先后对信号点预测结果和细胞荧光图像进行图像分割，从细胞荧光图像中分割出保留有信号点原始形态的信号点，提高了信号点分割的精度。另外通过将分割的标注从像素级标注降为点标注，提高了标注效率。 | ||||||
| 84 | 基于分水岭和CV模型的超声相控阵NDT图像分割方法 | CN201810488999.7 | 2018-05-21 | CN108648199B | 2022-07-19 | 刘永洛; 么娆; 马立武; 王文强 |
| 本发明涉及一种基于分水岭和CV模型的超声相控阵NDT图像分割方法，该方法包括：基于分水岭算法对待分割图像进行分水岭变换，获得分水岭图像，统计所述分水岭图像的像素信息，获得权重矩阵；对所述待分割图像进行滤波去噪处理，获得预处理图像，基于所述预处理图像设置CV模型初始参数；将所述权重矩阵引入CV模型中，建立权重CV模型；基于所述权重CV模型进行水平集函数迭代，获得最终分割结果。与现有技术相比，本发明具有分割效率高、超声相控阵NDT图像的分割精度高等优点。 | ||||||
| 85 | 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 | CN112927238B | 2022-07-01 | 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。 | ||||||
| 86 | 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 | CN113763404A | 2021-12-07 | 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。 | ||||||
| 87 | 一种基于分水岭分割的高频海洋雷达一阶回波提取方法 | CN202011582741.7 | 2020-12-28 | CN112799029A | 2021-05-14 | 赖叶平; 王玉皞 |
| 本发明提供了一种基于分水岭分割的高频海洋雷达一阶回波提取方法，属于高频地波雷达海洋环境监测技术领域。本发明把雷达收集的距离‑多普勒幅度图看成一副灰度图像，采用图像处理方法使得一阶海洋回波得以增强，进而利用基于标记控制的分水岭分割方法对正负多普勒频率两部分图像分别进行分割以提取出包含一阶回波的图像区域，最后利用预设的信噪比阈值进一步剔除不满足信噪比要求的频点，最终提取出回波谱中的一阶海洋回波信号。相较于现有方法，本发明不再是逐个距离元提取一阶回波，而是一次性提取整个距离‑多普勒谱中的一阶回波。本发明仅仅需要预设一个信噪比参数，因此大大简化了雷达运行中的参数调整、优化过程。 | ||||||
| 88 | 一种综合阈值分割和分水岭变换算法的冰面湖提取方法 | CN202010667704.X | 2020-07-13 | CN112036233A | 2020-12-04 | 杨晓彤; 赵彬如; 郭灿文; 王朝阳; 孙毅; 马永; 王力彦; 赵现仁; 侯辰; 李艳雯 |
| 一种综合阈值分割和分水岭变换算法的冰面湖提取方法，包括如下步骤：①遥感影像预处理；②应用蓝光波段和红波段进行归一化指数计算；③基于归一化水体指数计算结果，在影像上选择水体和非水体的典型样本；④对采集的水体和非水体典型样本的MNDWI的数值进行直方图统计分析；⑤选择步骤④记录的两个数值中较小的一个作为最终的阈值t；⑥应用阈值t进行阈值分割；⑦应用分水岭变换算法得到矢量格式的影像分割结果；⑧将分割后得到的面状矢量数据转为线状数据，然后从中提取出冰面湖的线状矢量范围，即可得到冰面湖的边界范围。该方法阈值确定方法简单易实现，鲁棒性好，可从水体提取结果中剔除误分象元，并进一步区分冰面湖与冰面水文要素。 | ||||||
| 89 | 基于分水岭算法和图像类别标签的弱监督语义分割方法 | CN201811268396.2 | 2018-10-29 | CN109858487A | 2019-06-07 | 张祥雷; 宋康; 周宏明; 纪军豪; 徐玲杰 |
| 本发明提供一种基于分水岭算法和图像类别标签的弱监督语义分割方法，首先构建弱监督卷积神经网络，利用图像的类别标签对原始RGB图像进行训练后图像二值化为二值图像，获得目标在二值图像中的大致位置和形状，再利用分水岭算法预分割原始RGB图像成掩膜，并通过掩膜对二值图像中的目标的形状和位置进一步细化；接着，构建全监督卷积神网络，以弱监督卷积神经网络细化的图像为首次标签进行训练后，继续以所得掩膜细化；然后，再以上次全监督卷积神网络细化结果作为本次全监督卷积神网络的标签继续相同的迭代，直至迭代运算完成，即实现对图像的语义分割。实施本发明，极大程度降低标签制作的复杂度，节省大量人工标注时间和精力。 | ||||||
| 90 | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | CN201811507574.2 | 2018-12-11 | CN109741337A | 2019-05-10 | 薛永安; 张明媚; 杨波; 吴翔; 高炜; 张勇 |
| 本发明属于遥感影像处理领域，提出了一种基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法，包括以下步骤：对影像进行预处理后，通过分水岭分割算法对影像进行分割；将分割所得到结果区域像素的RGB值转换为Lab值，计算各个区域所有像素的Lab平均值作为该区域的颜色值，并建立以Lab均值作为区域颜色的各个区域的四个领域数组；寻找极小区域作为合并初始区域，寻找极小区域邻近的相似区域，对极小区域和其相似区域进行合并；将完成合并后的所有区域的Lab值转换为RGB值。本发明提高了遥感影像的处理效率，并且处理效果较好，可以广泛应用于遥感影像处理领域。 | ||||||
| 91 | 一种基于分水岭算法和字典学习的SAR图像分割方法 | CN201811322086.4 | 2018-11-07 | CN109410223A | 2019-03-01 | 漆进; 秦金泽; 胡顺达 |
| 本发明公开了一种分水岭算法和字典学习的SAR图像分割方法，该方法包括：利用去噪算法对原图像进行预处理，使图像变的更加平滑，同时提取三层小波特征；利用K-means算法对原图像进行初次分割；求出训练图像的形态梯度图像，算出浮点活动图像，再用分水岭算法进行分割；每一个小块区域内的数据看作一类数据的数据集合，将该集合中的所有数据分别和每一类字典中的原子计算最近邻，对应每一类字典我们都可以得到一个统计直方图，计算对应于每一类的直方图和原始训练数据得到的该类的直方图之间的误差；判断在哪一类上的误差最小，就将集合内的数据划分为哪一类，依次将所有的小块区域进行划分，得到最终的分割结果。与传统的SAR图像分割方法相比，本发明在识别过程中的有效性和准确性更高，并且算法复杂度较低。 | ||||||
| 92 | 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 | CN108986104A | 2018-12-11 | 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。 | ||||||
| 93 | 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 | CN107993218A | 2018-05-04 | 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。 | ||||||
| 94 | 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 | CN104408714B | 2017-08-01 | 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。 | ||||||
| 95 | 一种基于标记分水岭分割的钢材晶粒晶界自动提取方法 | CN201611037462.6 | 2016-11-21 | CN106599793A | 2017-04-26 | 许桢英; 朱建栋; 张琦; 洪红 |
| 本发明提供了一种基于标记分水岭分割的钢材晶粒晶界自动提取方法，主要步骤1、金相图像预处理，包括灰度转换、双边滤波去噪；2、利用标记分水岭分割算法对预处理图像进行分割，包括获得梯度幅值图像、标记前景对象、标记背景对象、修正梯度幅值图像、分水岭分割；3、晶界自动提取，主要利用canny算子提取晶界。通过将标记分水岭分割算法运用到钢材晶粒分割当中，大大改善了传统分水岭分割算法所产生的过分割现象，有效地提高了高精度晶粒晶界提取的准确性，克服了以往晶界提取效果差的缺陷。本发明适用范围广、准确性高、运行速度快。 | ||||||
| 96 | 一种基于分水岭变换的无监督彩色图像分割方法 | CN201410625139.5 | 2014-11-07 | CN104361612B | 2017-03-22 | 雷涛; 加小红; 罗维薇; 王履程 |
| 本发明提供了一种基于分水岭变换的无监督彩色图像分割方法，依次执行以下步骤：(1)初始化，给定程序的运行参数，输入彩色图像；(2)利用矢量梯度计算方法获取彩色图像的梯度；梯度重建，通过建立大小可变的结构元素以适应不同的梯度值，从而有效去除梯度值较小的图像结构保留大的梯度值不变；(4)利用分割区域的稳定性对图像进行无参数分割；(5)输出分割结果。本发明可用于彩色图像分割，不需要设定任何参数就可以得到稳定、准确的分割结果。(3)利用形态学重建理论对梯度图像进行自适应 | ||||||
| 97 | 结合简单交互和标记分水岭的复杂背景叶片图像分割方法 | CN201410285788.5 | 2014-06-24 | CN104050670B | 2016-08-17 | 高理文; 罗晓牧; 林小桦 |
| 本发明提供一种结合简单交互和标记分水岭的复杂背景叶片图像分割方法，包括以下步骤：在复杂背景叶片图像上奇偶相间地标定叶边缘点和叶外点，并把叶边缘点和叶外点依次编号，存储在点列表L0中；处理标定出的点得到标记图像；把复杂背景叶片图像转换为灰度图像、L*a*b*图像；以标记图像为参数，分别对灰度图像、a*分量图像、b*分量图像，进行标记分水岭分割；以投票方式综合得到最终的分割结果。本发明采用简单的用户交互方式，获得标记，继而在Lab空间分量图像和灰度图像中分别进行标记分水岭分割，综合得到最终的分割结果，分割准确率高。 | ||||||
| 98 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 | CN201410778791.0 | 2014-12-12 | CN104392460B | 2015-11-04 | 刘治; 郑成云; 刘晶; 马玲; 李晓梅; 肖晓燕 |
| 本发明公开了一种基于胞核标记分水岭变换的粘连白细胞分割方法。首先，输入原始RGB图像，发现外周血白细胞在图像处理过程中普遍难解决的问题；接着对原始图像进行HSI颜色空间和灰度空间转换，并分析各通道分量图像的特点；然后对B分量和灰度图分别做阈值分割和图像相减得到含部分杂质的白细胞图像；紧接着通过图像增强和质心相连技术获得白细胞核团作为标记的目标；最后，对白细胞核团和含杂质的白细胞图像做形态学操作和分水岭变换除去杂质得精确的白细胞图像并解决细胞粘连问题。 | ||||||
| 99 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 | CN201410778791.0 | 2014-12-12 | CN104392460A | 2015-03-04 | 刘治; 郑成云; 刘晶; 马玲; 李晓梅; 肖晓燕 |
| 本发明公开了一种基于胞核标记分水岭变换的粘连白细胞分割方法。首先，输入原始RGB图像，发现外周血白细胞和骨髓白细胞在图像处理过程中普遍难解决的问题；接着对原始图像进行HSI、LUV颜色空间和灰度空间转换，并分析各通道分量图像的特点；然后对B分量和灰度图分别做阈值分割和图像相减得到含部分杂质的白细胞图像；紧接着通过图像增强技术获得白细胞核团作为标记的目标；再然后，对白细胞核团和含杂质的白细胞图像做形态学操作和分水岭变换除去杂质得精确的白细胞图像并解决细胞粘连问题。最后，裁剪目标白细胞，将其转换到LUV空间，从空间和颜色的角度对白细胞图像进行聚类，得到精确的白细胞核。 | ||||||
| 100 | 一种基于分水岭变换的无监督彩色图像分割方法 | CN201410625139.5 | 2014-11-07 | CN104361612A | 2015-02-18 | 雷涛; 加小红; 罗维薇; 王履程 |
| 本发明提供了一种基于分水岭变换的无监督彩色图像分割方法，依次执行以下步骤：(1)初始化，给定程序的运行参数，输入彩色图像；(2)利用矢量梯度计算方法获取彩色图像的梯度；(3)利用形态学重建理论对梯度图像进行自适应梯度重建，通过建立大小可变的结构元素以适应不同的梯度值，从而有效去除梯度值较小的图像结构保留大的梯度值不变；(4)利用分割区域的稳定性对图像进行无参数分割；(5)输出分割结果。本发明可用于彩色图像分割，不需要设定任何参数就可以得到稳定、准确的分割结果。 | ||||||
QQ群二维码
意见反馈
意见反馈