CN108961300A - 一种图像分割方法及设备 - Google Patents
一种图像分割方法及设备 Download PDFInfo
- Publication number
- CN108961300A CN108961300A CN201810635357.5A CN201810635357A CN108961300A CN 108961300 A CN108961300 A CN 108961300A CN 201810635357 A CN201810635357 A CN 201810635357A CN 108961300 A CN108961300 A CN 108961300A
- Authority
- CN
- China
- Prior art keywords
- pixel
- background
- prospect
- image
- split
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明适用于图像工程领域,提供了一种图像分割方法及设备,将待分割图像分割为至少两个区域,以及将所述至少两个区域初步标记出前景和背景,其中,所述前景包括需要被分割出的区域,所述背景包括不需要被分割出的区域;根据随机游走Random Walk算法将初步标记出的所述前景和所述背景进一步进行分割,分割出最终的所述前景和所述背景,提高了图像分割的效率。
Description
技术领域
本发明属于图像工程技术领域,尤其涉及一种图像处理方法及设备。
背景技术
图像工程中,常需要将粘连在一起的目标独立分割出来,以医学图像工程为例,右侧髂骨与右侧股骨粘连紧密,快速准确的将右侧髂骨和右侧股骨分割出来是医学图像处理研究的重点。
近年来,技术人员主要通过纯交互的方法,用笔刷逐层擦除目标之间的粘连区域进行分割,但是,实际操作中技术人员需要在三维图像系列上手动擦除粘连区域,如果出现擦除不干净的情况,技术人员还需要再仔细去查找未擦除干净的位置进行再次擦除,通常完成一次分割操作,技术人员常需要30min甚至更长的时间,图像分割效率较低。
发明内容
本发明实施例提供一种图像分割方法及设备,代替现有技术中需要技术人员用笔刷逐层擦除图像之间的粘连区域进行分割的技术,在节约人工成本的基础上,提高了图像分割的效率。
本发明实施例提供了一种图像分割方法,该方法包括:
将待分割图像分割为至少两个区域,以及将至少两个区域初步标记出前景和背景,其中,前景包括需要被分割出的区域,背景包括不需要被分割出的区域;
根据随机游走Random Walk算法将初步标记出的前景和背景进一步进行分割,分割出最终的前景和背景。
可选的,根据随机游走Random Walk算法分别计算初步标记出的前景和背景中第i个像素属于前景的概率xi和属于背景的概率yi;当xi大于或等于yi时,则进一步确定第i个像素属于前景,当xi小于yi时,则进一步确定第i个像素属于背景,从而将初步标记出的前景和背景分割出最终的前景和背景,其中:
k为与第i个像素相邻像素的个数,pi为第i个像素,为与第i个像素相邻的第j个像素,β为常数;
如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则
如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则
可选的,待分割图像可以包括骨骼,预先设置像素值范围,并根据待分割图像中相邻像素的像素值与预先设置的像素值范围的关系,将待分割图像分割为至少两个区域。
可选的,待分割图像包括软组织,从待分割图像中选出至少两个像素作为当前种子点,并根据当前种子点和相邻像素的像素值之差的绝对值与预设的像素值阈值的关系,将待分割图像分割为至少两个区域。
其中该待分割图像可以包括医学图像。
实施本发明实施例,可以用Random Walk算法确定待分割图像的前景和背景,从而完成图像分割,避免现有技术中人工通过笔刷擦除区域之间粘连的部分来进行图像分割,在节约人工成本的同时,还更加快速准确地分割图像,提供了分割的效率。
本发明实施例提供了一种图像分割设备,该设备包括:
第一分割单元,用于将待分割图像分割为至少两个区域,以及将至少两个区域初步标记出前景和背景,其中,前景包括需要被分割出的区域,背景包括不需要被分割出的区域;
第二分割单元,用于根据随机游走Random Walk算法将初步标记出的前景和背景进一步进行分割,分割出最终的前景和背景。
可选的,第二分割单元,具体用于根据随机游走Random Walk算法分别计算初步标记出的前景和背景中第i个像素属于前景的概率xi和属于背景的概率yi;当xi大于或等于yi时,则进一步确定第i个像素属于前景,当xi小于yi时,则进一步确定第i个像素属于背景,从而将初步标记出的前景和背景分割出最终的前景和背景,其中:
k为与第i个像素相邻像素的个数,pi为第i个像素,为与第i个像素相邻的第j个像素,β为常数;
如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则
如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则
可选的,待分割图像包括骨骼,第一分割单元,具体用于预先设置像素值范围,并根据待分割图像中相邻像素的像素值与预先设置的像素值范围的关系,将待分割图像分割为至少两个区域。
可选的,待分割图像包括软组织,第一分割单元,具体用于从待分割图像中选出至少两个像素作为当前种子点;
根据当前种子点和相邻像素的像素值之差的绝对值与预设的像素值阈值的关系,将待分割图像分割为至少两个区域。
其中,待分割图像包括医学图像。
可见,实施本发明实施例,可以用Random Walk算法确定待分割图像的前景和背景,从而完成图像分割,避免现有技术中人工通过笔刷擦除区域之间粘连的部分来进行图像分割,在节约人工成本的同时,还更加快速准确地分割图像,提供了分割的效率。
附图说明
图1是本发明实施例提供的一种图像分割方法的流程流程示意图;
图2至图4是本发明实施例提供的一种三维人体图像;
图5是本发明实施例提供的一种图像分割设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图1,是本发明实施例涉及的一种图像分割方法的流程示意图,该方法包括但不限于以下步骤:
步骤S101、将待分割图像分割为至少两个区域,以及将至少两个区域初步标记出前景和背景。
该待分割图像可以指该图像包括多个部分,需要将其中的某个部分分割出来的图像,其中,该待分割图像可以包括日常中景色、人物的电子图片,也可以包括医学图像等,本发明实施例以医学图像为例讲述。如图2所示的一种三维人体图像,该图像包括人体的左右两侧髂骨、股骨以及软组织,其中,图2圈出来的部分中,右侧的髂骨与股骨紧密粘连在一起。前景包括需要被分割出的区域,背景包括不需要被分割出的区域,如果右侧的髂骨为需要分割出的区域,则右侧的髂骨可以为前景,如果股骨为不需要分割的区域,则股骨可以背景。
本发明可以根据阈值分割算法将待分割图像分割为至少两个区域,如预先设置像素值范围,根据该待分割图像的像素值与该预先设置的像素值范围的关系,将该待分割图像分割为至少两个区域。具体的,依次遍历该待分割图像中各个像素的像素值,将相邻像素中像素值均在或均不在该预先设置像素值范围内的像素分割为同一个区域,将相邻像素中像素值一个在该预先设置像素值范围内,另一个不在该预先设置像素值范围内的像素分割为不同区域。如待分割图像包括像素1、像素2、像素3、像素4和像素5,其中该像素依次相邻且像素值分别为100、200、50、50和200,预先设置像素值范围为100~200,像素1和相邻的像素2均在该预先设置的像素值范围内,像素1和像素2可以分割为同一个区域;像素3与像素2和像素4相邻,与像素2不同,像素3不在该预先设置的像素值范围内,但是像素3与相邻的像素4均不在该预先设置的像素值范围,故像素3可以分割为与像素2不同的区域,像素3和相邻的像素4可以分割为同一个区域;像素5与像素4相邻,且与像素4不同,像素5在该预先设置的像素值范围内,故像素5可以分割为与像素4不同的区域;从而,根据上述阈值分割算法可以将该待分割图像分割为3个区域。
医学图像中,基于骨骼区域在图像中的像素值通常在226~4096之间,与图像中其他软组织有着明显的差异,可以采用上述阈值分割算法将该医学图像的骨骼和其他软组织快速准确的分割出来。如预先设置像素值像素值范围为226~4096,遍历该医学图像上像素的像素值,如果该像素和相邻像素的像素值在该预先设置的像素值像素值范围226~4096内,则该像素和该相邻的像素处于同一个区域,如果该像素和相邻像素的像素值均不在该预先设置的像素值像素值范围226~4096内,则该像素和该相邻的像素也可以处于同一个区域,如果该像素和相邻像素一个在该像素值范围226~4096内,另一个不在该该像素值范围226~4096内,则该像素和该相邻的像素可以分割为不同的区域,如图3所示的另一种三维人体图像,根据阈值分割算法将图像中的各个骨骼和软组织分割出来。
本发明实施例还可以通过区域生长算法将待分割图像分割为至少两个区域,从该待分割图像中选出至少两个像素作为当前种子点,根据所述当前种子点和相邻像素的像素值之差的绝对值,与预设的像素值阈值的关系将该待分割图像分割为至少两个区域。具体的,遍历与当前种子点相邻的像素,如果相邻像素的像素值与该种子点的像素值之差的绝对值小于或等于预先设置的像素值阈值,则该相邻的像素与该当前种子点可以分割为同一个区域,反之,如果相邻像素的像素值与该种子点的像素值之差的绝对值大于预先设置的像素值阈值,则该相邻的像素与该当前种子点可以分割为不同区域。如待分割图像包括像素1、像素2、像素3、像素4和像素5,其中该像素依次相邻且像素值分别为100、200、50、50和200,预先设置像素值阈值为100,种子点为像素1、像素3和像素5,遍历种子点像素1相邻的像素2,像素2与像素1的像素值之差为100,小于该预设的像素值阈值,故像素2与像素1可以分割为同一个区域;遍历种子点像素3相邻的像素2和像素4,像素2与像素3的像素值之差为150,大于该预设的像素值阈值,故像素2可以不与像素3分割为同一个区域,像素4与像素3的限速值之差为0,小于该预设的像素值阈值,像素4与像素3可以分割为同一个区域;遍历种子点像素5相邻的像素4,像素4与像素5的像素值之差为150,大于该预设的像素值阈值,故像素4可以不与像素5分割为同一个区域,像素5单独分割为一个区域,从而,根据上述区域生长方式算法可以将该待分割图像分割为3个区域。
本发明可以用笔刷等将上述分割出的至少两个区域初步标记出需要分割出的区域即为前景,以及不需要分割出的区域即为背景。如图4所示的另一种三维人体图像,在该三维人体图像上用笔刷分别标记前景和背景。
步骤S102、根据随机游走Random Walk算法将初步标记出的前景和背景进一步进行分割,分割出最终的前景和背景。
根据随机游走Random Walk算法分别计算上述初步标记出的前景和背景中第i个像素属于前景的概率xi和属于背景的概率yi:
其中,k为与第i个像素相邻像素的个数,pi为第i个像素,为与第i个像素相邻的第j个像素,β为常数(本发明可以取β=0.0001),为pi和属于同一类的概率;如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则所述
以及,
如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则
针对第i个像素,根据上述公式计算出第i个像素属于前景的概率xi和属于背景的概率yi之后,可以比较概率xi和yi的大小,如果xi大于或等于yi,则进一步确定该第i个像素属于所述前景,反之,如果xi小于yi,则进一步确定所述第i个像素属于背景。
例如,步骤S101中待分割图像中的依次相邻的像素1、像素2、像素3、像素4和像素5被分割为三个区域,像素1和像素2被分为一个区域,像素3、和像素4被分为一个区域,像素5单独为一个区域,上述像素分别为(1,1)、(1,2)、(1,3)、(1,4)和(1,5)。如果步骤S101中,像素1和像素2所在区域标记为前景,像素3和像素4所在区域标记为背景,像素5所在区域标记为前景,则计算第1(i=1)个像素属于前景的概率xi:
其中,由于与第1像素的相邻的像素只有1个,即第2像素,故k=1,=(1,2)且第2像素被上述标记为前景,因此,
再计算第1(i=1)个像素属于背景的概率yi:
其中,由于与第1像素相邻的第2像素上述被标记为前景,因此,
综上,第1像素属于前景的概率xi大于属于背景的概率yi,因此,可以进一步确定第1像素属于前景。运用类似方法可以进一步确定上述第2、3、4、5像素属于前景还是背景,在此不再赘述。
可见,实施本发明实施例,可以用Random Walk算法确定待分割图像的前景和背景,从而完成图像分割,避免现有技术中人工通过笔刷擦除区域之间粘连的部分来进行图像分割,在节约人工成本的同时,还更加快速准确地分割图像,提供了分割的效率。
基于上述方法实施例相同的技术构思,本发明实施例还提供了如图5所示的一种图像分割设备,该设备可以包括:
第一分割单元1,用于将待分割图像分割为至少两个区域,以及将至少两个区域初步标记出前景和背景,其中,前景包括需要被分割出的区域,背景包括不需要被分割出的区域;
第二分割单元2,用于根据随机游走Random Walk算法将初步标记出的前景和背景进一步进行分割,分割出最终的前景和背景。
可选的,第二分割单元2,具体用于根据随机游走Random Walk算法分别计算初步标记出的前景和背景中第i个像素属于前景的概率xi和属于背景的概率yi;当xi大于或等于yi时,则进一步确定第i个像素属于前景,当xi小于yi时,则进一步确定第i个像素属于背景,从而将初步标记出的前景和背景分割出最终的前景和背景,其中:
k为与第i个像素相邻像素的个数,pi为第i个像素,为与第i个像素相邻的第j个像素,β为常数;
如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则
如果与第i个像素相邻的第j个像素在初步标记时被标记为背景,则如果与第i个像素相邻的第j个像素在初步标记时被标记为前景,则
可选的,待分割图像包括骨骼,第一分割单元1,具体用于预先设置像素值范围,并根据待分割图像中相邻像素的像素值与预先设置的像素值范围的关系,将待分割图像分割为至少两个区域。
可选的,待分割图像包括软组织,第一分割单元1,具体用于从待分割图像中选出至少两个像素作为当前种子点;
根据当前种子点和相邻像素的像素值之差的绝对值与预设的像素值阈值的关系,将待分割图像分割为至少两个区域。
其中,待分割图像包括医学图像。
本发明实施例可以参考上述方法实施例相应描述,在此不再赘述。
实施本发明实施例,可以用Random Walk算法确定待分割图像的前景和背景,从而完成图像分割,避免现有技术中人工通过笔刷擦除区域之间粘连的部分来进行图像分割,在节约人工成本的同时,还更加快速准确地分割图像,提供了分割的效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像分割方法,其特征在于,所述方法包括:
将待分割图像分割为至少两个区域,以及将所述至少两个区域初步标记出前景和背景,其中,所述前景包括需要被分割出的区域,所述背景包括不需要被分割出的区域;
根据随机游走Random Walk算法将初步标记出的所述前景和所述背景进一步进行分割,分割出最终的所述前景和所述背景。
2.如权利要求1所述的方法,其特征在于,所述根据随机游走Random Walk算法将初步标记出的所述前景和所述背景进一步进行分割,分割出最终的所述前景和所述背景,包括:
根据随机游走Random Walk算法分别计算初步标记出的所述前景和所述背景中第i个像素属于所述前景的概率xi和属于所述背景的概率yi;当所述xi大于或等于所述yi时,则进一步确定所述第i个像素属于所述前景,当所述xi小于所述yi时,则进一步确定所述第i个像素属于所述背景,从而将初步标记出的所述前景和所述背景分割出最终的所述前景和所述背景,其中:
所述k为与所述第i个像素相邻像素的个数,所述pi为所述第i个像素,所述为与所述第i个像素相邻的第j个像素,所述β为常数;
如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述前景,则所述如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述背景,则所述
如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述背景,则所述如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述前景,则所述
3.如权利要求1或2所述的方法,其特征在于,所述待分割图像包括骨骼,所述将待分割图像分割为至少两个区域,包括:
预先设置像素值范围;
根据所述待分割图像中相邻像素的像素值与所述预先设置的像素值范围的关系,将所述待分割图像分割为至少两个区域。
4.如权利要求1或2所述的方法,其特征在于,所述待分割图像包括软组织,所述将待分割图像分割为至少两个区域,包括:
从所述待分割图像中选出至少两个像素作为当前种子点;
根据所述当前种子点和相邻像素的像素值之差的绝对值与预设的像素值阈值的关系,将所述待分割图像分割为至少两个区域。
5.如权利要求1所述的方法,其特征在于,所述待分割图像包括医学图像。
6.一种图像分割设备,其特征在于,所述设备包括:
第一分割单元,用于将待分割图像分割为至少两个区域,以及将所述至少两个区域初步标记出前景和背景,其中,所述前景包括需要被分割出的区域,所述背景包括不需要被分割出的区域;
第二分割单元,用于根据随机游走Random Walk算法将初步标记出的所述前景和所述背景进一步进行分割,分割出最终的所述前景和所述背景。
7.如权利要求6所述的设备,其特征在于,所述第二分割单元,具体用于根据随机游走Random Walk算法分别计算初步标记出的所述前景和所述背景中第i个像素属于所述前景的概率xi和属于所述背景的概率yi;当所述xi大于或等于所述yi时,则进一步确定所述第i个像素属于所述前景,当所述xi小于所述yi时,则进一步确定所述第i个像素属于所述背景,从而将初步标记出的所述前景和所述背景分割出最终的所述前景和所述背景,其中:
所述k为与所述第i个像素相邻像素的个数,所述pi为所述第i个像素,所述为与所述第i个像素相邻的第j个像素,所述β为常数;
如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述前景,则所述如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述背景,则所述
如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述背景,则所述如果与所述第i个像素相邻的第j个像素在初步标记时被标记为所述前景,则所述
8.如权利要求6或7所述的设备,其特征在于,所述待分割图像包括骨骼,所述第一分割单元,具体用于预先设置像素值范围,并根据所述待分割图像中相邻像素的像素值与所述预先设置的像素值范围的关系,将所述待分割图像分割为至少两个区域。
9.如权利要求6或7所述的设备,其特征在于,所述待分割图像包括软组织,所述第一分割单元,具体用于从所述待分割图像中选出至少两个像素作为当前种子点;
根据所述当前种子点和相邻像素的像素值之差的绝对值与预设的像素值阈值的关系,将所述待分割图像分割为至少两个区域。
10.如权利要求6所述的设备,其特征在于,所述待分割图像包括医学图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810635357.5A CN108961300B (zh) | 2018-06-20 | 2018-06-20 | 一种图像分割方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810635357.5A CN108961300B (zh) | 2018-06-20 | 2018-06-20 | 一种图像分割方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961300A true CN108961300A (zh) | 2018-12-07 |
CN108961300B CN108961300B (zh) | 2021-07-16 |
Family
ID=64489788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810635357.5A Active CN108961300B (zh) | 2018-06-20 | 2018-06-20 | 一种图像分割方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961300B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258725A (zh) * | 2023-05-16 | 2023-06-13 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于特征影像的医学图像处理方法、装置以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020186881A1 (en) * | 2001-05-31 | 2002-12-12 | Baoxin Li | Image background replacement method |
CN104992445A (zh) * | 2015-07-20 | 2015-10-21 | 河北大学 | 一种ct图像肺实质的自动分割方法 |
CN105957066A (zh) * | 2016-04-22 | 2016-09-21 | 北京理工大学 | 基于自动上下文模型的ct图像肝脏分割方法及系统 |
-
2018
- 2018-06-20 CN CN201810635357.5A patent/CN108961300B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020186881A1 (en) * | 2001-05-31 | 2002-12-12 | Baoxin Li | Image background replacement method |
CN104992445A (zh) * | 2015-07-20 | 2015-10-21 | 河北大学 | 一种ct图像肺实质的自动分割方法 |
CN105957066A (zh) * | 2016-04-22 | 2016-09-21 | 北京理工大学 | 基于自动上下文模型的ct图像肝脏分割方法及系统 |
Non-Patent Citations (1)
Title |
---|
郭丽 等: "基于滑降的随机游走图像分割算法", 《计算机辅助设计与图形学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258725A (zh) * | 2023-05-16 | 2023-06-13 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于特征影像的医学图像处理方法、装置以及存储介质 |
CN116258725B (zh) * | 2023-05-16 | 2023-08-22 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于特征影像的医学图像处理方法、装置以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108961300B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101299268B (zh) | 适于低景深图像的语义对象分割方法 | |
CN101452577B (zh) | 一种肋骨自动标定的方法及装置 | |
CN110458172A (zh) | 一种基于区域对比度检测的弱监督图像语义分割方法 | |
CN106023063A (zh) | 一种视频移植换脸的方法 | |
CN104036479B (zh) | 一种基于非负矩阵分解的多聚焦图像融合方法 | |
CN102354396A (zh) | 基于水平集函数的灰度不均匀图像分割方法 | |
CN103295018B (zh) | 一种枝叶遮挡果实精确识别方法 | |
CN103544685B (zh) | 一种基于主体调整的图像构图美化方法及系统 | |
CN104200444B (zh) | 基于对称样本块的图像修复方法 | |
EP1061748A3 (en) | Video object segmentation using active contour modelling with global relaxation | |
CN108038862A (zh) | 一种交互式医学图像智能分割建模方法 | |
CN103729860B (zh) | 一种图像目标跟踪的方法和装置 | |
CN103353987A (zh) | 一种基于模糊理论的超像素分割方法 | |
CN101571950A (zh) | 基于各向同性扩散和稀疏表示的图像修复方法 | |
CN104143186B (zh) | 一种slic超像素分块优化方法 | |
CN104978730A (zh) | 一种左心室心肌的分割方法和装置 | |
CN108537756A (zh) | 基于图像融合的单幅图像去雾方法 | |
CN102737376A (zh) | 一种应用在冠状动脉造影图像分割中的改进的区域生长方法 | |
CN110096202A (zh) | 一种基于深度强化学习的轻量级图像自动裁剪系统及方法 | |
CN104966274B (zh) | 一种采用图像检测与区域提取的局部模糊复原方法 | |
CN103745470A (zh) | 基于小波的多边形轮廓演化医学ct图像交互式分割方法 | |
CN108961300A (zh) | 一种图像分割方法及设备 | |
CN112614127A (zh) | 一种基于端到端的交互式三维cbct牙齿图像分割算法 | |
CN108986109A (zh) | 一种序列化可视人体切片图像自动分割方法 | |
CN109685735B (zh) | 基于雾层平滑先验的单张图片去雾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |