-
公开(公告)号：CN105389811B
公开(公告)日：2017-04-05
申请号：CN201510725759.0
申请日：2015-10-30
Applicant: 吉林大学
Abstract: 本发明公开了一种基于多级阈值分割的多模态医学图像处理方法，包括如下步骤：步骤一：获取相应的医学图像灰度图像数据；步骤二：构建高斯尺度空间模型来同时完成去噪处理；步骤三：采用各向异性非线性扩散和0范式梯度最小化模型来完成医学图像的平滑处理；步骤四：缩小OTSU图像分割算法中最佳阈值的搜算范围，以提高搜算效率；步骤五：通过有效利用空间位置信息来提取完整的分割区域，从而得出更好的分割效果。本发明在图像预处理去噪阶段建立多尺度高斯模型，具有相比单一尺度模型下更好地去噪效果，在采用多阈值OTSU分割方法这一阶段，缩小了算法阈值搜素范围，提高了分割算法运行效率。因此本发明具有实时性好，分割效果准确这两大优点。
-
公开(公告)号：CN105389811A
公开(公告)日：2016-03-09
申请号：CN201510725759.0
申请日：2015-10-30
Applicant: 吉林大学
CPC classification number: G06T7/0012 , G06T5/002 , G06T2207/30004
Abstract: 本发明公开了一种基于多级阈值分割的多模态医学图像处理方法，包括如下步骤：步骤一：获取相应的医学图像灰度图像数据；步骤二：构建高斯尺度空间模型来同时完成去噪处理；步骤三：采用各向异性非线性扩散和0范式梯度最小化模型来完成医学图像的平滑处理；步骤四：缩小OTSU图像分割算法中最佳阈值的搜算范围，以提高搜算效率；步骤五：通过有效利用空间位置信息来提取完整的分割区域，从而得出更好的分割效果。本发明在图像预处理去噪阶段建立多尺度高斯模型，具有相比单一尺度模型下更好地去噪效果，在采用多阈值OTSU分割方法这一阶段，缩小了算法阈值搜素范围，提高了分割算法运行效率。因此本发明具有实时性好，分割效果准确这两大优点。
-
公开(公告)号：CN104794714A
公开(公告)日：2015-07-22
申请号：CN201510183962.X
申请日：2015-04-18
Applicant: 吉林大学
IPC: G06T7/00
CPC classification number: G06T2207/20
Abstract: 本发明提出了一种基于ROC Graph的图像分割质量评价方法，该方法包括以下几个步骤：第一，通过与参考分割图像作对比，将待评价分割图像中的像素分为四类，第二，引入像素空间信息，对参考图像中的像素进行距离变换，计算每个像素到目标边界的距离；第三，根据参考图像中每个像素的距离系数，赋予分割图像中相应位置的像素一个权值；第四，利用权值计算出加权真正率wTPR和加权假正率wFPR，并在ROCGraph中描出点(wFPR,wTPR)；第五，根据ROC Graph中(wFPR,wTPR)点到(0,1)点的距离，为分割图像打分，分数越高，表明待评价图像的分割效果越好。本发明所述方法能够有效地对分割图像的质量好坏做出评价，而且评价结果更为合理、直观，与人类视觉的主观评价结果一致。
-
Patent Agency Ranking
公开(公告)号：CN113902758B
公开(公告)日：2024-05-24
申请号：CN202111195866.9
申请日：2021-10-14
Applicant: 吉林大学
IPC: G06T7/11 , G06T7/90 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 本发明提出一种基于双路径胶囊网络的脑部MR图像分割方法，该方法包括：第一，构建基于区域注意的半监督深度网络，通过全卷积置信网络对抗训练分割网络，获得标注样本数据；第二，根据像素的局部细节信息和全局信息，构建双路径胶囊网络；第三，采用输入连接、局部路径连接、预输出连接3种不同的连接方式，构建基于区域的胶囊网络级联架构，获得3种不同的分割结果；第四，采用融合策略将3种不同的分割结果进行合并，以获得最终的分割结果。本发明所述方法通过基于区域注意的半监督学习策略解决医学图像标注样本数据相对较少的问题，并采用级联架构描述相邻像素间的标签依赖关系，提高图像分割的准确度。实验结果表明，所述基于双路径胶囊网络的脑部MR图像分割方法能够有效处理脑部MR图像，并获得较好的分割结果。
-
公开(公告)号：CN104794714B
公开(公告)日：2018-07-10
申请号：CN201510183962.X
申请日：2015-04-18
Applicant: 吉林大学
IPC: G06T7/11
Abstract: 本发明提出了一种基于ROC Graph的图像分割质量评价方法，该方法包括以下几个步骤：第一，通过与参考分割图像作对比，将待评价分割图像中的像素分为四类，第二，引入像素空间信息，对参考图像中的像素进行距离变换，计算每个像素到目标边界的距离；第三，根据参考图像中每个像素的距离系数，赋予分割图像中相应位置的像素一个权值；第四，利用权值计算出加权真正率wTPR和加权假正率wFPR，并在ROCGraph中描出点(wFPR,wTPR)；第五，根据ROC Graph中(wFPR,wTPR)点到(0,1)点的距离，为分割图像打分，分数越高，表明待评价图像的分割效果越好。本发明所述方法能够有效地对分割图像的质量好坏做出评价，而且评价结果更为合理、直观，与人类视觉的主观评价结果一致。
-
公开(公告)号：CN107481250A
公开(公告)日：2017-12-15
申请号：CN201710760304.1
申请日：2017-08-30
Applicant: 吉林大学
Abstract: 本发明公开了一种图像分割方法，包括：步骤1：将历史储备图像分为K个视角，通过经典FCM算法得到历史聚类中心；步骤2：在处理新的带噪图像时，将所述待处理图像分为上述K个视角，在经典FCM算法的基础上融入从步骤1中得到的相关历史相似图像的聚类中心，并构造一个引入迁移学习机制的多视角的FCM算法的新目标函数；步骤3：通过步骤2获取的当前图像的各视角图像的隶属度矩阵以及视角权重向量W，得到当前处理图像的最终隶属度矩阵，去模糊化后得到当前图像的空间划分结果。本发明所述的图像分割方法，采用多视角具备迁移学习能力的模糊聚类图像分割方法，基于迁移能力，实现多视角图像协同分割，提高分割精度。
-
公开(公告)号：CN104134219A
公开(公告)日：2014-11-05
申请号：CN201410395009.7
申请日：2014-08-12
Applicant: 吉林大学
IPC: G06T7/00
Abstract: 本发明提出一种基于直方图的彩色图像分割算法，该方法包括以下几个步骤：首先统计彩色图像RGB三分量直方图，并分别对其进行预处理，以使各直方图波形尽可能保持光滑；其次采用一种波峰波谷快速定位算法搜索各直方图中波谷，并将波谷作为阈值对各直方图进行多级划分；再次将划分后直方图进行合并，重新构建出一个新的直方图，二次采用波峰波谷快速定位算法查找波谷，并对该直方图进行多级划分，进而确定出初始聚类中心；最后通过对彩色图像进行预分割提取超像素，将分割区域作为样本数据，并根据确定出的聚类中心对样本数据进行模糊聚类。本发明有效地提高了彩色图像模糊聚类算法的执行效率和聚类性能，并通过运行时间和PRI指标验证了本算法的有效性。
-
公开(公告)号：CN113902758A
公开(公告)日：2022-01-07
申请号：CN202111195866.9
申请日：2021-10-14
Applicant: 吉林大学
Abstract: 本发明提出一种基于双路径胶囊网络的脑部MR图像分割方法，该方法包括：第一，构建基于区域注意的半监督深度网络，通过全卷积置信网络对抗训练分割网络，获得标注样本数据；第二，根据像素的局部细节信息和全局信息，构建双路径胶囊网络；第三，采用输入连接、局部路径连接、预输出连接3种不同的连接方式，构建基于区域的胶囊网络级联架构，获得3种不同的分割结果；第四，采用融合策略将3种不同的分割结果进行合并，以获得最终的分割结果。本发明所述方法通过基于区域注意的半监督学习策略解决医学图像标注样本数据相对较少的问题，并采用级联架构描述相邻像素间的标签依赖关系，提高图像分割的准确度。实验结果表明，所述基于双路径胶囊网络的脑部MR图像分割方法能够有效处理脑部MR图像，并获得较好的分割结果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
