Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 安阳师范学院高国伟获国家专利权

安阳师范学院高国伟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉安阳师范学院申请的专利基于区域概率标签驱动主动轮廓的高分辨率图像分割方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115908462B

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211684539.4,技术领域涉及:G06T7/12;该发明授权基于区域概率标签驱动主动轮廓的高分辨率图像分割方法是由高国伟;甄丹东;郭丹;顾惠超;朱俊;吕菲亚;刘家磊;石聪明设计研发完成,并于2022-12-27向国家知识产权局提交的专利申请。

基于区域概率标签驱动主动轮廓的高分辨率图像分割方法在说明书摘要公布了:本发明提出了一种基于区域概率标签驱动主动轮廓的高分辨率图像分割方法,解决了主动轮廓模型无法处理高分辨率图像等问题。其步骤为:首先,对高分辨率图像进行下采样得到由低到高分辨率的图像,对从低到高分辨率图像分别进行以下处理:初始化水平集函数及统计参数,并利用水平集函数计算几何先验和区域概率标签;其次,在区域概率标签的驱动下更新分割轮廓,并基于区域概率标签更新驱动对应水平集函数和统计参数;最后,将当前分辨率图像的水平集函数和统计参数传递到下一幅高分辨率图像并对其进行轮廓分割。本发明能够大大降低计算代价并增强算法的鲁棒性,从而处理超高分辨率的图像。

本发明授权基于区域概率标签驱动主动轮廓的高分辨率图像分割方法在权利要求书中公布了:1.一种基于区域概率标签驱动主动轮廓的高分辨率图像分割方法,其特征在于,其步骤如下: 步骤一:对原始高分辨图像IK进行下采样,得到一系列图像Ik,k∈{1,2,3,…K},从I1到IK分辨率递增; 步骤二:加载图像Ik并进行预处理,当k=1时,执行步骤三,当k1时,执行步骤四, 当kK时,结束运算; 步骤三:通过交互方式确定初始轮廓,根据初始轮廓和图像Ik的大小初始化水平集函数Φ, 并根据水平集函数Φ初始化统计参数; 步骤四:根据图像Ik的大小对由Ik-1得到的水平集函数进行上采样求得并将Ik-1的统计参数作为图像Ik的统计参数; 步骤五:基于水平集函数和统计参数计算区域概率标签,并在区域概率标签的驱动下更新分割轮廓; 步骤六:基于区域概率标签更新水平集函数和统计参数; 步骤七:判断是否满足停止条件,若不满足,返回步骤五;若满足,令k=k+1,当kK时, 运算结束,输出结果,否则,返回步骤二; 所述区域概率标签的计算方法为: 通过当前的水平集函数计算几何先验wi: w2=1-w1 其中,ε为近似系数;φ为像素x对应的水平集函数; 提出区域Student’s-t分布: 其中,pLStx|θ表示区域概率分布,θ={μ,Σ,ν}为统计参数,μ为均值,Σ为方差矩阵,ν为自由度;表示学生t分布函数,α为以像素x为中心的区域;将区域Student’s-t分布带入Bayes公式,得到像素x属于Ω的区域概率标签: 所述水平集函数的更新方法为: 其中n表示第n次迭代,Δt表示时间步长,β和γ分别用来调节轮廓长度和面积在能量函数中的权重,表示梯度; 所述统计参数的更新方法为: 均值μi的更新公式为: 其中,为统计分布的权重系数;d为像素xj的维度;Δji2为Mahalanobis距离; 方差矩阵Σi的更新公式为: 自由度νi的更新公式为: 其中,是伽玛函数Γ·对数的导数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人安阳师范学院,其通讯地址为:455000 河南省安阳市文峰区开发区弦歌大道436号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。