CN111862100A - 一种图像分割方法、装置、设备及存储介质 - Google Patents
一种图像分割方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111862100A CN111862100A CN202010605008.6A CN202010605008A CN111862100A CN 111862100 A CN111862100 A CN 111862100A CN 202010605008 A CN202010605008 A CN 202010605008A CN 111862100 A CN111862100 A CN 111862100A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- neighborhood
- feature
- initial position
- 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.)
- Withdrawn
Links
Images
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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像分割方法、装置、设备及存储介质。由于本方法是在根据初始位置信息在待分割图像中选取到的子图像的基础上,进一步根据子图像以及与子图像相邻的邻域图像之间的特征差异,将与子图像之间的特征差异较小的邻域图像扩充至子图像,进而得到结果图像,相对确保了在图像中分割得到的结果图像的特征完整性,进而确保了对图像进行定量分析的准确性。此外,本申请还提供一种图像分割装置、设备及存储介质,有益效果同上所述。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种图像分割方法、装置、设备及存储介质。
背景技术
图像是客观对象的一种相似性的、生动性的描述,是人类社会活动中最常用的信息载体,也是对客观对象的一种表示方式,它包含了被描述对象的有关信息,是当前人们最主要的信息源之一。
由于图像中往往包含有多种客观的物体或同一物体的多种客观细节信息,即多种客观对象,因此当前对图像进行分析时,需要对图像进行分割,以此得到图像中具有特定特征的客观对象所对应区域的子图像,以此进一步基于子图像达到对图像的定量分析,但是如何确保在图像中分割得到的结果图像的特征完整性,是当前图像分析过程的技术重点。
由此可见,提供一种图像分割方法,以相对确保在图像中分割得到的结果图像的特征完整性,进而确保对图像进行定量分析的准确性,是本领域技术人员需要解决的问题。
发明内容
本申请的目的是提供一种图像分割方法,以相对确保在图像中分割得到的结果图像的特征完整性,进而确保对图像进行定量分析的准确性。
为解决上述技术问题,本申请提供一种图像分割方法,包括:
获取初始位置信息,并根据初始位置信息在待分割图像中选取相应的子图像;
统计子图像的初始图像特征;
在待分割图像中获取与子图像相邻的邻域图像;
统计邻域图像的邻域图像特征;
判断邻域图像特征与初始图像特征的特征差异是否达到预设差异标准;
若邻域图像特征与初始图像特征的特征差异达到预设差异标准,则将子图像设置为结果图像;
否则,将邻域图像增加至子图像,并基于增加邻域图像后的子图像执行在待分割图像中获取与子图像相邻的邻域图像的步骤。
优选地,获取初始位置信息,并根据初始位置信息在待分割图像中选取相应的子图像,包括:
获取初始位置坐标;
根据初始位置坐标在待分割图像中获取一个目标像素;
生成由目标像素构成的子图像。
优选地,邻域图像由一个像素构成。
优选地,根据初始位置信息在待分割图像中选取相应的子图像,包括:
获取初始位置坐标;
根据初始位置坐标在待分割图像中获取多个连续的目标像素;
生成由目标像素构成的子图像。
优选地,统计子图像的初始图像特征,包括:
获取子图像中各目标像素的像素特征;
根据各像素特征统计得到像素均值特征,并将像素均值特征设置为初始图像特征。
优选地,初始图像特征以及邻域图像特征包括灰度特征。
此外,本申请还提供一种图像分割装置,包括:
子图像选取模块,用于获取初始位置信息,并根据初始位置信息在待分割图像中选取相应的子图像;
初始特征统计模块,用于统计子图像的初始图像特征;
邻域图像获取模块,用于在待分割图像中获取与子图像相邻的邻域图像;
邻域特征统计模块,用于统计邻域图像的邻域图像特征;
判断模块,用于判断邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,若是,则调用结果设置模块,否则,调用增加模块;
结果设置模块,用于将子图像设置为结果图像;
增加模块,用于将邻域图像增加至子图像,并基于增加邻域图像后的子图像调用邻域图像获取模块。
优选地,子图像选取模块,包括:
坐标获取模块,用于获取初始位置坐标;
像素获取模块,用于根据初始位置坐标在待分割图像中获取一个目标像素;
子图像生成模块,用于生成由目标像素构成的子图像。
此外,本申请还提供一种图像分割设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的图像分割方法的步骤。
此外,本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述的图像分割方法的步骤。
本申请所提供的图像分割方法,首先获取初始位置信息,进而根据初始位置信息在待分割图像中选取相应的子图像,并统计子图像的初始图像特征,进而在待分割图像中获取与子图像相邻的邻域图像,进而统计邻域图像的邻域图像特征,并判断该邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,如果是,则将子图像设置为结果图像,否则,将该邻域图像增加至子图像,并基于增加邻域图像后的子图像继续执行在待分割图像中获取与子图像相邻的邻域图像的步骤,直至得到结果图像。由于本方法是在根据初始位置信息在待分割图像中选取到的子图像的基础上,进一步根据子图像以及与子图像相邻的邻域图像之间的特征差异,将与子图像之间的特征差异较小的邻域图像扩充至子图像,进而得到结果图像,相对确保了在图像中分割得到的结果图像的特征完整性,进而确保了对图像进行定量分析的准确性。此外,本申请还提供一种图像分割装置、设备及存储介质,有益效果同上所述。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种图像分割方法的流程图;
图2为本申请实施例公开的一种图像分割装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本申请保护范围。
由于图像中往往包含有多种客观的物体或同一物体的多种客观细节信息,即多种客观对象,因此当前对图像进行分析时,需要对图像进行分割,以此得到图像中具有特定特征的客观对象所对应区域的子图像,以此进一步基于子图像达到对图像的定量分析,但是如何确保在图像中分割得到的结果图像的特征完整性,是当前图像分析过程的技术重点。
为此,本申请的核心是提供一种图像分割方法,以相对确保在图像中分割得到的结果图像的特征完整性,进而确保对图像进行定量分析的准确性。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。
请参见图1所示,本申请实施例公开了一种图像分割方法,包括:
步骤S10:获取初始位置信息,并根据初始位置信息在待分割图像中选取相应的子图像。
需要说明的是,本步骤中获取的初始位置信息可以是用户预先在待分割图像中需要分割的区域内选定的初始位置所具有的属性信息,初始位置信息可以是具体的坐标点,也可以是区域的坐标区间。进而本步骤在获取到初始位置信息之后,进一步根据初始位置信息在待分割图像中选取到相应的子图像。
另外,需要说明的是,本实施例中的待分割图像根据实际应用的技术领域的不同,类型也有所不同,包括但不限于医学领域的PET(Positron Emission Tomography,正电子发射计算机断层显像)图像以及航空航海领域的卫星图像等。
步骤S11:统计子图像的初始图像特征。
在获取到子图像后,本步骤进一步统计子图像的初始图像特征,初始图像特征指的是子图像所具有的图像属性,目的是在后续步骤中根据子图像的初始图像特征判定子图像与邻域图像之间的特征相似程度,以此选择性地将特征相似程度较高的邻域图像归并至子图像中,进而不断扩大子图像在待分割图像中的面积。
步骤S12:在待分割图像中获取与子图像相邻的邻域图像。
需要说明的是,在待分割图像中获取到的邻域图像的图像大小可以根据实际的场景需求而定。另外,由于在待分割图像中获取与子图像相邻的邻域图像的步骤,与统计子图像的初始图像特征的步骤之间没有关联性,因此步骤S11与步骤S12之间执行的先后顺序不固定,也可以同时执行,应根据实际情况而定。
步骤S13:统计邻域图像的邻域图像特征。
在获取到与子图像相邻的邻域图像之后,本步骤进一步统计邻域图像的邻域图像特征,目的是在后续步骤中根据子图像的初始图像特征判定子图像与邻域图像之间的特征相似程度,以此选择性地将特征相似程度较高的邻域图像归并至子图像中。
步骤S14:判断邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,若是,则执行步骤S15,否则,依次执行步骤S16以及步骤S12。
步骤S15:将子图像设置为结果图像。
步骤S16:将邻域图像增加至子图像。
需要说明的是,在获取到邻域图像特征以及初始图像特征之后,本实施例进一步判断邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,也就是判定邻域图像特征与初始图像特征之间的差异是否较大,如果是,则认为邻域图像不属于与子图像的特征相关联的图像,即邻域图像与子图像之间相互独立,进而在此情况下将子图像设置为结果图像;相反的,如果邻域图像特征与初始图像特征的特征差异未达到预设差异标准,也就是当判定邻域图像特征与初始图像特征之间的差异较小时,则认为邻域图像属于与子图像的特征相关联的图像,因此将邻域图像增加至子图像,以此生成最新的子图像,并继续在待分割图像中获取与最新的子图像相邻的邻域图像,进而继续判定邻域图像与最新的子图像之间的特征差异的差异程度,直至邻域图像特征与初始图像特征的特征差异达到预设差异标准后,将子图像设置为结果图像。
本申请所提供的图像分割方法,首先获取初始位置信息,进而根据初始位置信息在待分割图像中选取相应的子图像,并统计子图像的初始图像特征,进而在待分割图像中获取与子图像相邻的邻域图像,进而统计邻域图像的邻域图像特征,并判断该邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,如果是,则将子图像设置为结果图像,否则,将该邻域图像增加至子图像,并基于增加邻域图像后的子图像继续执行在待分割图像中获取与子图像相邻的邻域图像的步骤,直至得到结果图像。由于本方法是在根据初始位置信息在待分割图像中选取到的子图像的基础上,进一步根据子图像以及与子图像相邻的邻域图像之间的特征差异,将与子图像之间的特征差异较小的邻域图像扩充至子图像,进而得到结果图像,相对确保了在图像中分割得到的结果图像的特征完整性,进而确保了对图像进行定量分析的准确性。
在上述实施例的基础上,作为一种优选的实施方式,获取初始位置信息,并根据初始位置信息在待分割图像中选取相应的子图像,包括:
获取初始位置坐标;
根据初始位置坐标在待分割图像中获取一个目标像素;
生成由目标像素构成的子图像。
需要说明的是,本实施方式的重点在于初始位置信息具体为选定的坐标,即初始位置坐标,进而在获取到初始位置坐标之后,进一步根据初始位置坐标在待分割图像中获取一个目标像素,并将该目标像素作为子图像,进而在后续步骤中,基于该目标像素构成的子图像进一步其在待分割图像中的面积。本实施方式基于由一个目标像素构成的子图像进一步归并邻域图像得到结果图像,能够相对确保结果图像的精确性。
更进一步的,作为一种优选的实施方式,邻域图像由一个像素构成。
需要说明的是,本实施方式的重点在于,在基于由一个目标像素构成的子图像进一步归并邻域图像的过程中,每一次获取到的邻域图像均由一个像素构成,以此进一步确保了结果图像的精确性。
在上述实施例的基础上,作为一种优选的实施方式,根据初始位置信息在待分割图像中选取相应的子图像,包括:
获取初始位置坐标;
根据初始位置坐标在待分割图像中获取多个连续的目标像素;
生成由目标像素构成的子图像。
需要说明的是,本实施方式的重点在于初始位置信息具体为选定的坐标,即初始位置坐标,进而在获取到初始位置坐标之后,进一步根据初始位置坐标在待分割图像中获取多个连续的目标像素,进而由连续的目标像素构成子图像,目的是确保根据初始位置信息在待分割图像中选取的子图像是包含有一定数量目标像素的区域图像,进而在后续步骤中,基于该包含有一定数量目标像素的子图像进一步其在待分割图像中的面积。本实施方式包含有一定数量目标像素的子图像进一步归并邻域图像得到结果图像,能够相对确保对待分割图像进行分割得到结果图像的整体效率。
更进一步的,作为一种优选的实施方式,统计子图像的初始图像特征,包括:
获取子图像中各目标像素的像素特征;
根据各像素特征统计得到像素均值特征,并将像素均值特征设置为初始图像特征。
需要说明的是,本实施方式的重点在于,在统计包含有多个目标像素的子图像的初始图像特征时,是读该子图像中各个目标像素的特征进行了平均值的运算,即根据各像素特征统计得到像素均值特征,进而将像素均值特征设置为初始图像特征,因此进一步确保了初始图像特征的准确性,进而相对确保了结果图像的精确性。
在上述一系列实施方式的基础上,作为一种优选的实施方式,初始图像特征以及邻域图像特征包括灰度特征。
需要说明的是,灰度指的是使用黑色调表示物体,即用黑色为基准色,以不同的饱和度的黑色来显示图像。由于灰度的等级愈多,画面的层次就愈丰富,因此通过灰度特征能够相对准确地区分待分割图像中不同的客观对象,因此本实施方式基于灰度特征判定邻域图像与子图像之间的特征差异,进而选择性地将特征相似程度较高的邻域图像归并至子图像中,以此实现不断扩大子图像在待分割图像中的面积,并得到结果图像的目的,能够进一步确保结果图像的精确性。
请参见图2所示,本申请实施例提供了一种图像分割装置,包括:
子图像选取模块10,用于获取初始位置信息,并根据初始位置信息在待分割图像中选取相应的子图像;
初始特征统计模块11,用于统计子图像的初始图像特征;
邻域图像获取模块12,用于在待分割图像中获取与子图像相邻的邻域图像;
邻域特征统计模块13,用于统计邻域图像的邻域图像特征;
判断模块14,用于判断邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,若是,则调用结果设置模块15,否则,调用增加模块16。
结果设置模块15,用于将子图像设置为结果图像;
增加模块16,用于将邻域图像增加至子图像,并基于增加邻域图像后的子图像调用邻域图像获取模块12。
更进一步的,作为一种优选的实施方式,子图像选取模块10,包括:
坐标获取模块,用于获取初始位置坐标;
像素获取模块,用于根据初始位置坐标在待分割图像中获取一个目标像素;
子图像生成模块,用于生成由目标像素构成的子图像。
本申请所提供的图像分割装置,首先获取初始位置信息,进而根据初始位置信息在待分割图像中选取相应的子图像,并统计子图像的初始图像特征,进而在待分割图像中获取与子图像相邻的邻域图像,进而统计邻域图像的邻域图像特征,并判断该邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,如果是,则将子图像设置为结果图像,否则,将该邻域图像增加至子图像,并基于增加邻域图像后的子图像继续执行在待分割图像中获取与子图像相邻的邻域图像的步骤,直至得到结果图像。由于本装置是在根据初始位置信息在待分割图像中选取到的子图像的基础上,进一步根据子图像以及与子图像相邻的邻域图像之间的特征差异,将与子图像之间的特征差异较小的邻域图像扩充至子图像,进而得到结果图像,相对确保了在图像中分割得到的结果图像的特征完整性,进而确保了对图像进行定量分析的准确性。
此外,本申请实施例还提供一种图像分割设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的图像分割方法的步骤。
本申请所提供的图像分割设备,首先获取初始位置信息,进而根据初始位置信息在待分割图像中选取相应的子图像,并统计子图像的初始图像特征,进而在待分割图像中获取与子图像相邻的邻域图像,进而统计邻域图像的邻域图像特征,并判断该邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,如果是,则将子图像设置为结果图像,否则,将该邻域图像增加至子图像,并基于增加邻域图像后的子图像继续执行在待分割图像中获取与子图像相邻的邻域图像的步骤,直至得到结果图像。由于本设备是在根据初始位置信息在待分割图像中选取到的子图像的基础上,进一步根据子图像以及与子图像相邻的邻域图像之间的特征差异,将与子图像之间的特征差异较小的邻域图像扩充至子图像,进而得到结果图像,相对确保了在图像中分割得到的结果图像的特征完整性,进而确保了对图像进行定量分析的准确性。
此外,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述的图像分割方法的步骤。
本申请所提供的计算机可读存储介质,首先获取初始位置信息,进而根据初始位置信息在待分割图像中选取相应的子图像,并统计子图像的初始图像特征,进而在待分割图像中获取与子图像相邻的邻域图像,进而统计邻域图像的邻域图像特征,并判断该邻域图像特征与初始图像特征的特征差异是否达到预设差异标准,如果是,则将子图像设置为结果图像,否则,将该邻域图像增加至子图像,并基于增加邻域图像后的子图像继续执行在待分割图像中获取与子图像相邻的邻域图像的步骤,直至得到结果图像。由于本计算机可读存储介质是在根据初始位置信息在待分割图像中选取到的子图像的基础上,进一步根据子图像以及与子图像相邻的邻域图像之间的特征差异,将与子图像之间的特征差异较小的邻域图像扩充至子图像,进而得到结果图像,相对确保了在图像中分割得到的结果图像的特征完整性,进而确保了对图像进行定量分析的准确性。
以上对本申请所提供的一种图像分割方法、装置、设备及存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种图像分割方法,其特征在于,包括:
获取初始位置信息,并根据所述初始位置信息在待分割图像中选取相应的子图像;
统计所述子图像的初始图像特征;
在所述待分割图像中获取与所述子图像相邻的邻域图像;
统计所述邻域图像的邻域图像特征;
判断所述邻域图像特征与所述初始图像特征的特征差异是否达到预设差异标准;
若所述邻域图像特征与所述初始图像特征的特征差异达到预设差异标准,则将所述子图像设置为结果图像;
否则,将所述邻域图像增加至所述子图像,并基于增加所述邻域图像后的子图像执行所述在所述待分割图像中获取与所述子图像相邻的邻域图像的步骤。
2.根据权利要求1所述的图像分割方法,其特征在于,所述获取初始位置信息,并根据所述初始位置信息在待分割图像中选取相应的子图像,包括:
获取初始位置坐标;
根据所述初始位置坐标在所述待分割图像中获取一个目标像素;
生成由所述目标像素构成的所述子图像。
3.根据权利要求2所述的图像分割方法,其特征在于,所述邻域图像由一个像素构成。
4.根据权利要求1所述的图像分割方法,其特征在于,所述根据所述初始位置信息在待分割图像中选取相应的子图像,包括:
获取初始位置坐标;
根据所述初始位置坐标在所述待分割图像中获取多个连续的目标像素;
生成由所述目标像素构成的所述子图像。
5.根据权利要求4所述的图像分割方法,其特征在于,所述统计所述子图像的初始图像特征,包括:
获取所述子图像中各所述目标像素的像素特征;
根据各所述像素特征统计得到像素均值特征,并将所述像素均值特征设置为所述初始图像特征。
6.根据权利要求1至5任意一项所述的图像分割方法,其特征在于,所述初始图像特征以及所述邻域图像特征包括灰度特征。
7.一种图像分割装置,其特征在于,包括:
子图像选取模块,用于获取初始位置信息,并根据所述初始位置信息在待分割图像中选取相应的子图像;
初始特征统计模块,用于统计所述子图像的初始图像特征;
邻域图像获取模块,用于在所述待分割图像中获取与所述子图像相邻的邻域图像;
邻域特征统计模块,用于统计所述邻域图像的邻域图像特征;
判断模块,用于判断所述邻域图像特征与所述初始图像特征的特征差异是否达到预设差异标准,若是,则调用结果设置模块,否则,调用增加模块;
所述结果设置模块,用于将所述子图像设置为结果图像;
所述增加模块,用于将所述邻域图像增加至所述子图像,并基于增加所述邻域图像后的子图像调用所述邻域图像获取模块。
8.根据权利要求7所述的图像分割装置,其特征在于,所述子图像选取模块,包括:
坐标获取模块,用于获取初始位置坐标;
像素获取模块,用于根据所述初始位置坐标在所述待分割图像中获取一个目标像素;
子图像生成模块,用于生成由所述目标像素构成的所述子图像。
9.一种图像分割设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述的图像分割方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像分割方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010605008.6A CN111862100A (zh) | 2020-06-29 | 2020-06-29 | 一种图像分割方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010605008.6A CN111862100A (zh) | 2020-06-29 | 2020-06-29 | 一种图像分割方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111862100A true CN111862100A (zh) | 2020-10-30 |
Family
ID=72989493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010605008.6A Withdrawn CN111862100A (zh) | 2020-06-29 | 2020-06-29 | 一种图像分割方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862100A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113129290A (zh) * | 2021-04-23 | 2021-07-16 | 攀钢集团攀枝花钢铁研究院有限公司 | 一种锌花图像识别方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916906A (zh) * | 2006-09-08 | 2007-02-21 | 北京工业大学 | 基于信息突变的图像检索算法 |
CN103400368A (zh) * | 2013-06-25 | 2013-11-20 | 西安电子科技大学 | 基于图论和超像素的并行快速sar图像分割方法 |
CN105976378A (zh) * | 2016-05-10 | 2016-09-28 | 西北工业大学 | 基于图模型的显著性目标检测方法 |
CN106780410A (zh) * | 2016-12-30 | 2017-05-31 | 飞依诺科技(苏州)有限公司 | 一种谐波扫查图像的生成方法及装置 |
CN109102514A (zh) * | 2018-08-16 | 2018-12-28 | 广东工业大学 | 一种图像分割方法、装置、设备及计算机可读存储介质 |
CN110399807A (zh) * | 2019-07-04 | 2019-11-01 | 深圳前海达闼云端智能科技有限公司 | 检测地面障碍物的方法、装置、可读存储介质及电子设备 |
CN111340756A (zh) * | 2020-02-13 | 2020-06-26 | 北京深睿博联科技有限责任公司 | 一种医学图像病变检出合并方法、系统、终端及存储介质 |
-
2020
- 2020-06-29 CN CN202010605008.6A patent/CN111862100A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916906A (zh) * | 2006-09-08 | 2007-02-21 | 北京工业大学 | 基于信息突变的图像检索算法 |
CN103400368A (zh) * | 2013-06-25 | 2013-11-20 | 西安电子科技大学 | 基于图论和超像素的并行快速sar图像分割方法 |
CN105976378A (zh) * | 2016-05-10 | 2016-09-28 | 西北工业大学 | 基于图模型的显著性目标检测方法 |
CN106780410A (zh) * | 2016-12-30 | 2017-05-31 | 飞依诺科技(苏州)有限公司 | 一种谐波扫查图像的生成方法及装置 |
CN109102514A (zh) * | 2018-08-16 | 2018-12-28 | 广东工业大学 | 一种图像分割方法、装置、设备及计算机可读存储介质 |
CN110399807A (zh) * | 2019-07-04 | 2019-11-01 | 深圳前海达闼云端智能科技有限公司 | 检测地面障碍物的方法、装置、可读存储介质及电子设备 |
CN111340756A (zh) * | 2020-02-13 | 2020-06-26 | 北京深睿博联科技有限责任公司 | 一种医学图像病变检出合并方法、系统、终端及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113129290A (zh) * | 2021-04-23 | 2021-07-16 | 攀钢集团攀枝花钢铁研究院有限公司 | 一种锌花图像识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163198B (zh) | 一种表格识别重建方法、装置和存储介质 | |
CN110163076B (zh) | 一种图像数据处理方法和相关装置 | |
Matzen et al. | Data visualization saliency model: A tool for evaluating abstract data visualizations | |
CN104866805B (zh) | 人脸实时跟踪的方法和装置 | |
CN109948590B (zh) | 姿态问题检测方法及装置 | |
US6282317B1 (en) | Method for automatic determination of main subjects in photographic images | |
CN110569731B (zh) | 一种人脸识别方法、装置及电子设备 | |
US8542951B2 (en) | Image retrieval device and computer program for image retrieval applicable to the image retrieval device | |
KR101747216B1 (ko) | 표적 추출 장치와 그 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록 매체 | |
CN110136198B (zh) | 图像处理方法及其装置、设备和存储介质 | |
JP4373840B2 (ja) | 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置 | |
CN110572636B (zh) | 摄像头脏污检测方法、装置、存储介质及电子设备 | |
CN111415373A (zh) | 基于孪生卷积网络的目标跟踪与分割方法、系统及介质 | |
CN111461070B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN113160231A (zh) | 一种样本生成方法、样本生成装置及电子设备 | |
CN114494775A (zh) | 视频切分方法、装置、设备及存储介质 | |
CN116308530A (zh) | 一种广告植入方法、装置、设备和可读存储介质 | |
CN111862100A (zh) | 一种图像分割方法、装置、设备及存储介质 | |
CN113112511B (zh) | 试卷批改的方法、装置、存储介质及电子设备 | |
CN106446889B (zh) | 一种台标的本地识别方法和装置 | |
CN111914846B (zh) | 版面数据合成方法、设备及存储介质 | |
CN113192081A (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN111127432B (zh) | 一种医学图像检测方法、装置、设备及存储介质 | |
CN110782392B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111881996A (zh) | 目标检测方法、计算机设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201030 |
|
WW01 | Invention patent application withdrawn after publication |