龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：青岛科技大学
摘要：本发明公开了一种基于网格变形拟合的图像分割方法及计算机程序产品，属于图像数据处理技术领域，包括：利用TNT‑MNet模型对输入图像进行初步分割，利用循环神经网络在每次迭代过程中预测目标物的每个顶点的位置和移动距离，并结合顶点的法线方向调整顶点的位置，使其与目标表面对齐；利用多层感知器对每个顶点的特征向量进行非线性变换，预测每个顶点的相对位置变化和移动距离，实现顶点位置的再调整；利用图卷积网络对每个顶点的特征向量进行更新，实现顶点位置的进一步调整；对顶点的数量进行增减，均匀化网格密度，形成细化网格图像，完成图像分割。本发明将深度学习预测与网格形变优化策略相结合，提高了图像分割的精准度和稳定性。
主权项：1.一种基于网格变形拟合的图像分割方法，其特征在于，包括：利用TNT-MNet模型对输入图像进行初步分割，生成目标物的粗略分割结果，并从输入图像中提取出体素特征，从粗略分割结果生成的目标物全局点云中提取出点云特征；将生成的粗略分割结果和提取出的体素特征及点云特征输入循环神经网络，利用循环神经网络在每次迭代过程中预测目标物的每个顶点的位置和移动距离，并结合顶点的法线方向调整顶点的位置，使其与目标表面对齐；利用多层感知器对每个顶点的融合特征图进行非线性变换，预测每个顶点的相对位置变化和移动距离，对顶点位置进行再调整；利用图卷积网络对每个顶点的特征向量进行更新，得到新的顶点特征矩阵；利用新的顶点特征矩阵进行顶点位置的进一步调整；根据顶点之间所形成的每条边的长度，对顶点进行增加或删减，使网格密度均匀化，形成分割后的细化网格图像；其中，所述循环神经网络在每次迭代过程中执行以下多尺度特征提取和融合过程：使用不同尺寸的卷积核对前一次迭代后更新的网格图像进行卷积操作，提取不同尺度的特征图；通过池化操作对不同尺度的特征图进行降维，保留关键特征信息；利用卷积操作对降维后的不同尺度的特征图进行融合，生成融合特征图;对融合特征图进行归一化处理。
全文数据：
权利要求：
百度查询： 青岛科技大学 一种基于网格变形拟合的图像分割方法及计算机程序产品
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号