CN112270679A - 一种结合凹点与凹边的凸多边形轮廓的图像分割方法 - Google Patents
一种结合凹点与凹边的凸多边形轮廓的图像分割方法 Download PDFInfo
- Publication number
- CN112270679A CN112270679A CN202011301742.XA CN202011301742A CN112270679A CN 112270679 A CN112270679 A CN 112270679A CN 202011301742 A CN202011301742 A CN 202011301742A CN 112270679 A CN112270679 A CN 112270679A
- Authority
- CN
- China
- Prior art keywords
- concave
- point
- contour
- points
- outer contour
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003709 image segmentation Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 230000007547 defect Effects 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种结合凹点与凹边的凸多边形轮廓的图像分割方法,首先在经过预处理的图片上检测物体的内外轮廓;然后采用向量叉乘的方式寻找外轮廓上的凹陷点;再找到外轮廓的凸包,外轮廓上的每个点到凸包边的最近距离定义为该点的凸缺陷,将凸缺陷值超过设定阈值的相邻点构成一条凹边,从而得到若干条凹边;然后将凹边和凹点分组,在同一凹边上的凹点划分到同一组;然后遍历凹点序列,在其余凹边下的凹点序列以及内轮廓中寻找匹配点;根据匹配好的凹点对进行轮廓分割得到最终的多条凸轮廓。本发明的凸多边形轮廓的图像分割方法具有原理简单、分割速率快的优点。
Description
技术领域
本发明涉及二维凸多边形物体轮廓的图像分割领域,具体涉及一种结合凹点与凹边的凸多边形轮廓的图像分割方法。
背景技术
在生物、医学等领域,细胞、菌落等相似形状的图像中往往会有多个目标靠在一起的情况,这对于分析图像信息带来了极大的困难。针对这一问题,图像处理领域的轮廓分割技术就非常有效。基于凹点匹配的轮廓分割技术是一种寻找凹点、匹配凹点,将轮廓从凹点对处分开的轮廓分割技术,具有运行效率高,应用场景广泛,分割效果好,操作简单等优势。基于凹点匹配的轮廓分割技术主要包括凹点检测和凹点匹配两个部分,采用一定的算法在轮廓上检测出凹点,对于凹点之间进行匹配,将匹配好的凹点对两两连接,就可以实现粘连物体轮廓的分割。
轮廓凹点的检测和凹点对的匹配规则对于基于凹点匹配的轮廓分割技术的准确性和速度起到了决定性作用,检测凹点和凹点匹配的方法多种多样。(1)检测凹点的方法。基于距离直方图的轮廓凹点检测方法一般是计算轮廓距离直方图,取直方图上的峰值点作为凹点,计算速率快但凹点检测的准确度不高;基于链码方法的轮廓凹点检测方法一般是将轮廓用链码表示,按照某一方向遍历链码,通过判断可以得到凹点,该方法检测到的凹点较为准确,但是链码的计算较复杂,计算效率较低。(2)凹点匹配的方法。直接在凹点序列中匹配凹点对的方法对于多个物体靠在一起形成内轮廓的复杂情况处理效果不好,而且没有考虑凹点是否在同一凹边下,容易将同一凹边的两个凹点形成匹配对造成分割错误。
发明内容
针对现有技术的不足,本发明提出一种结合凹点与凹边的凸多边形轮廓的图像分割方法,该方法能够在在减少计算时间的同时保证高的检测准确率。
本发明的目的是通过以下技术方案实现的:一种结合凹点与凹边的凸多边形轮廓的图像分割方法,包括以下步骤:
(a)提取物体轮廓,将轮廓分为内轮廓和外轮廓;利用向量叉乘的方法查找外轮廓上的凹点。
(b)按照凹点的数量将外轮廓分为四类:第一类,外轮廓上的凹点数目等于0,认为这是一条凸轮廓无需分割;第二类,外轮廓上的凹点数目等于1,认为是误检,不再进行后续分割;第三类,外轮廓上的凹点数目等于2,认为这是两个物体靠在一起形成的轮廓,直接连接这两个凹点将轮廓一分为二,得到两条凸轮廓;第四类,外轮廓上的凹点数目大于2,说明多个物体靠在一起,这种情况需要进一步处理,执行步骤(c)。
(c)对于外轮廓上凹点数目大于2的情况,首先计算外轮廓的凸包;外轮廓上的每个点到凸包边的最近距离定义为该点的凸缺陷,将凸缺陷值超过设定阈值的相邻点构成一条凹边,从而得到若干条凹边;然后将获得的凹点划分到对应的凹边下;遍历凹点序列,确定该凹点对应的凹边,寻找匹配点,如果这条外轮廓有内轮廓,就在其余凹边下的凹点序列和对应内轮廓的点序列中寻找距离最近的点作为该凹点的匹配点,如果这条外轮廓没有内轮廓,则只在其余凹边下的凹点中寻找距离最近的凹点作为匹配点;最后将匹配好的凹点对两两连接起来,即可将原来的轮廓分割为多条凸轮廓。
(d)按照步骤(b)和(c)遍历完步骤(a)中查找到的所有外轮廓,即完成轮廓分割。
进一步地,所述的步骤(a)具体如下:
(1)提取物体的轮廓,将轮廓分为内轮廓和外轮廓,内轮廓记为∑i={Ci1,Ci2,...,CiM},外轮廓记为∑e={Ce1,Ce2,...,CeN}。
(2)在获得的N条外轮廓∑e上寻找凹点,即对于每一条外轮廓Ce,都按照以下步骤查找凹点:从轮廓的任意一点出发沿逆时针方向遍历轮廓,步长记为Cstep,此时的点记为O(xo,yo),向前间隔Cnext个点取一个点记为P(xp,yp),向后间隔Cnext个点取一个点记为Q(xq,yq),构造向量和根据两个向量叉积的正负以及大小确定此点是否为外轮廓上的凹点,具体如下:若向量叉积为正,则说明Q、O、P三点逆时针排列,即O点为凸点;若向量叉积为负,则说明Q、O、P三点顺时针排列,则进一步判断叉积的绝对值是否大于设定的凹点阈值Cth,若大于Cth,则O点记为轮廓的凹点,并将记为此凹点的凹点值;按步长Cstep继续遍历轮廓的点,如果若干个相邻点均为凹点,则只保留凹点值最大的凹点作为此凹陷处的凹点;每一条外轮廓的凹点记为S={s1,s2,...,sK},所有外轮廓的凹点集合记为S∑={S1,S2,...,SN}。
进一步地,所述的步骤(c)具体如下:
(1)计算第n个外轮廓的凸包,即将外轮廓上的点包围起来构成的最小凸多边形,外轮廓上的每个点到凸包边的最近距离定义为该点的凸缺陷,将凸缺陷值超过设定阈值Vth的相邻点构成一条凹边,从而得到若干条凹边,将该外轮廓的凹边记为V={v1,v2,...,vL},将获得的凹点划分到对应的凹边下。
(2)遍历第n个外轮廓的凹点序列Sn,对于每一个凹点snk的匹配步骤具体如下:
确定该凹点snk对应的凹边vnl,如果这条外轮廓有内轮廓,就在其余凹边{vn1,vn2,...,vn(l-1),vn(l+1),...,vnL}下的凹点序列和对应内轮廓的点序列中寻找距离最近的点作为该凹点的匹配点skp,如果这条外轮廓没有内轮廓,则只在其余凹边{vn1,vn2,...,vn(l-1),vn(l+1),...,vnL}下的凹点中寻找距离最近的凹点作为匹配点skp;将snk和skp作为一对凹点匹配对记录下来。
(3)将匹配好的凹点对两两连接起来,即可将原来的轮廓分割为多条凸轮廓。
进一步地,步骤(a)中所述的轮廓点遍历步长Cstep取2~5,取点间隔Cnext取3~6,凹点阈值Cth取8~15。
进一步地,步骤(c)中所述的凸缺陷阈值Vth取2~10。
本发明的有益效果如下:
(1)相对于其他的轮廓分割方法,本发明方法能够实现对轮廓的准确分割,原理简单,提高了运行效率;
(2)本发明方法根据构造向量的叉积结果可以很好的提取轮廓上的凹点;
(3)本发明方法根据轮廓的凸包以及凸缺陷找到了轮廓的凹边,将凹点划分到不同的凹边下,在凹点匹配时可以避免匹配到同一凹边下的凹点造成分割错误;
(4)本发明方法在凹点匹配时,同时考虑了内轮廓以及凹边,匹配规则更合理,轮廓分割的效果更好;
(5)本发明方法不仅可以分割凸多边形物体的轮廓,也适用于类圆形物体轮廓的分割。
附图说明
图1为本发明实施例中最初检测到的凸多边形物体靠在一起的轮廓示意图;
图2为本发明实施例的凹点检测方法检测到的凹点的图像的示意图;
图3为本发明实施例的凸包与凹边检测的图像的示意图;
图4为本发明实施例的凹点匹配算法匹配到的凹点对的图像的示意图。
图5为本发明实施例的凸多边形物体轮廓分割结果的图像的示意图。
具体实施方式
下面根据附图和优选实施例详细描述本发明,本发明的目的和效果将变得更加明显。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。
本实施例中设定轮廓点遍历步长Cstep为3,取点间隔Cnext为4,凹点阈值Cth为13,凸缺陷阈值Vth为6,设定参数仅为示例不限于此,该结合轮廓凹点与凹边的凸多边形轮廓的图像分割方法,包括以下步骤:
1)使用canny检测方法提取物体的轮廓,按照轮廓内部有无轮廓将轮廓划分为外轮廓和内轮廓,图1中显示找到了两条轮廓,其中一条为内轮廓,记为∑i={Ci1},一条为外轮廓,记为∑e={Ce1};
2)在外轮廓∑e上寻找凹点,即对于外轮廓Ce1,按照以下步骤查找凹点:从轮廓的任意一点出发沿逆时针方向遍历轮廓,步长记为Cstep,此时的点记为O(xo,yo),向前间隔Cnext个点取一个点记为P(xp,yp),向后间隔Cnext个点取一个点记为Q(xq,yq),构造向量和根据两个向量叉积的正负以及大小确定此点是否为外轮廓上的凹点,具体如下:若向量叉积为正,则说明Q、O、P三点逆时针排列,即O点为凸点;若向量叉积为负,则说明Q、O、P三点顺时针排列,则进一步判断叉积的绝对值是否大于设定的凹点阈值Cth,若大于Cth,则O点记为轮廓的凹点,并将记为此凹点的凹点值;按步长Cstep继续遍历轮廓的点,如果若干个相邻点均为凹点,则只保留凹点值最大的凹点作为此凹陷处的凹点,这样做可以去除冗余凹点,在凹点匹配时可以加快计算效率并提高凹点匹配的准确率;如图2中的圆点所示,共找到3个凹点,记为S1={s1,s2,s3};
3)判断凹点的数目,外轮廓上的凹点数目大于2,说明这是多个物体粘连在一起形成的外轮廓,首先计算轮廓的凸包,外轮廓上的每个点到凸包边的最近距离定义为该点的凸缺陷,将凸缺陷值超过设定阈值Vth的相邻点构成一条凹边,从而得到若干条凹边,如图3所示,共找到3条凹边,将轮廓的凹边记为V={v1,v2,v3};然后将检测到的凹点划分到对应的凹边下,这样处理之后在进行凹点匹配时就可以避免匹配到同一凹边下的凹点对,从而提高了分割的准确率;
4)遍历凹点序列S1,对于凹点s1的匹配步骤具体如下:确认此时所在的凹边v1,这条外轮廓有内轮廓,在其余凹边{v2,v3}下的凹点序列{s2,s3}和对应内轮廓序列中寻找距离最近的点作为这个凹点的匹配点s1p;将s1和s1p作为一对凹点匹配对记录下来;对于其余凹点{s2,s3}同样按照上述方法进行匹配,最终得到3对匹配凹点对{{s1,s1p},{s2,s2p},{s3,s3p}},如图4所示,同一形状的两个点为匹配好的凹点对;
5)将匹配好的凹点对两两连接起来,即完成了轮廓分割,分割得到的轮廓如图5所示,共得到三条轮廓,分别为轮廓1、轮廓2和轮廓3。
按照本发明的方法获取物体的内外轮廓,然后找到凹点以及对应的凹边,再进行凹点匹配,最后将凹点对两两相连把原轮廓分割为多条凸多边形小轮廓,即可完成轮廓分割。本发明分割方法原理简单、分割效果好且分割速率快。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。
Claims (5)
1.一种结合凹点与凹边的凸多边形轮廓的图像分割方法,其特征在于,包括以下步骤:
(a)提取物体轮廓,将轮廓分为内轮廓和外轮廓;利用向量叉乘的方法查找外轮廓上的凹点。
(b)按照凹点的数量将外轮廓分为四类:第一类,外轮廓上的凹点数目等于0,认为这是一条凸轮廓无需分割;第二类,外轮廓上的凹点数目等于1,认为是误检,不再进行后续分割;第三类,外轮廓上的凹点数目等于2,认为这是两个物体靠在一起形成的轮廓,直接连接这两个凹点将轮廓一分为二,得到两条凸轮廓;第四类,外轮廓上的凹点数目大于2,说明多个物体靠在一起,这种情况需要进一步处理,执行步骤(c)。
(c)对于外轮廓上凹点数目大于2的情况,首先计算外轮廓的凸包;外轮廓上的每个点到凸包边的最近距离定义为该点的凸缺陷,将凸缺陷值超过设定阈值的相邻点构成一条凹边,从而得到若干条凹边;然后将获得的凹点划分到对应的凹边下;遍历凹点序列,确定该凹点对应的凹边,寻找匹配点,如果这条外轮廓有内轮廓,就在其余凹边下的凹点序列和对应内轮廓的点序列中寻找距离最近的点作为该凹点的匹配点,如果这条外轮廓没有内轮廓,则只在其余凹边下的凹点中寻找距离最近的凹点作为匹配点;最后将匹配好的凹点对两两连接起来,即可将原来的轮廓分割为多条凸轮廓。
(d)按照步骤(b)和(c)遍历完步骤(a)中查找到的所有外轮廓,即完成轮廓分割。
2.根据权利要求1所述的图像分割方法,其特征在于,所述的步骤(a)具体如下:
(1)提取物体的轮廓,将轮廓分为内轮廓和外轮廓,内轮廓记为∑i={Ci1,Ci2,...,CiM},外轮廓记为∑e={Ce1,Ce2,...,CeN}。
(2)在获得的N条外轮廓∑e上寻找凹点,即对于每一条外轮廓Ce,都按照以下步骤查找凹点:从轮廓的任意一点出发沿逆时针方向遍历轮廓,步长记为Cstep,此时的点记为O(xo,yo),向前间隔Cnext个点取一个点记为P(xp,yp),向后间隔Cnext个点取一个点记为Q(xq,yq),构造向量和根据两个向量叉积的正负以及大小确定此点是否为外轮廓上的凹点,具体如下:若向量叉积为正,则说明Q、O、P三点逆时针排列,即O点为凸点;若向量叉积为负,则说明Q、O、P三点顺时针排列,则进一步判断叉积的绝对值是否大于设定的凹点阈值Cth,若大于Cth,则O点记为轮廓的凹点,并将记为此凹点的凹点值;按步长Cstep继续遍历外轮廓的点,如果若干个相邻点均为凹点,则只保留凹点值最大的凹点作为此凹陷处的凹点;每一条外轮廓的凹点记为S={s1,s2,...,sK},所有外轮廓的凹点集合记为S∑={S1,S2,...,SN}。
3.根据权利要求1所述的图像分割方法,其特征在于,所述的步骤(c)具体如下:
(1)计算第n个外轮廓的凸包,即将外轮廓上的点包围起来构成的最小凸多边形,外轮廓上的每个点到凸包边的最近距离定义为该点的凸缺陷,将凸缺陷值超过设定阈值Vth的相邻点构成一条凹边,从而得到若干条凹边,将该外轮廓的凹边记为V={v1,v2,...,vL},将获得的凹点划分到对应的凹边下。
(2)遍历第n个外轮廓的凹点序列Sn,对于每一个凹点snk的匹配步骤具体如下:
确定该凹点snk对应的凹边vnl,如果这条外轮廓有内轮廓,就在其余凹边{vn1,vn2,...,vn(l-1),vn(l+1),...,vnL}下的凹点序列和对应内轮廓的点序列中寻找距离最近的点作为该凹点的匹配点skp,如果这条外轮廓没有内轮廓,则只在其余凹边{vn1,vn2,...,vn(l-1),vn(l+1),...,vnL}下的凹点中寻找距离最近的凹点作为匹配点skp;将snk和skp作为一对凹点匹配对记录下来。
(3)将匹配好的凹点对两两连接起来,即可将原来的轮廓分割为多条凸轮廓。
4.根据权利要求2所述的图像分割方法,其特征在于,所述的轮廓点遍历步长Cstep取2~5,取点间隔Cnext取3~6,凹点阈值Cth取8~15。
5.根据权利要求3所述的图像分割方法,其特征在于,所述的凸缺陷阈值Vth取2~10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301742.XA CN112270679B (zh) | 2020-11-19 | 2020-11-19 | 一种结合凹点与凹边的凸多边形轮廓的图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301742.XA CN112270679B (zh) | 2020-11-19 | 2020-11-19 | 一种结合凹点与凹边的凸多边形轮廓的图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112270679A true CN112270679A (zh) | 2021-01-26 |
CN112270679B CN112270679B (zh) | 2022-04-22 |
Family
ID=74340352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011301742.XA Expired - Fee Related CN112270679B (zh) | 2020-11-19 | 2020-11-19 | 一种结合凹点与凹边的凸多边形轮廓的图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112270679B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781503A (zh) * | 2021-09-14 | 2021-12-10 | 中铁工程装备集团有限公司 | 岩碴图像分割方法及装置 |
CN113989308A (zh) * | 2021-11-04 | 2022-01-28 | 浙江大学 | 一种基于霍夫变换与模板匹配的多边形目标分割方法 |
CN114419188A (zh) * | 2021-12-31 | 2022-04-29 | 广东电网有限责任公司 | 现场作业区电子围栏的自动构建方法、装置及存储介质 |
CN117576414A (zh) * | 2023-11-27 | 2024-02-20 | 北京霍里思特科技有限公司 | 对矿石图像分割中的凹点检测的方法、设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5317681A (en) * | 1991-12-30 | 1994-05-31 | Xerox Corporation | Sequencing and scheduling moves for converting concave polyhedra to their convex hulls |
US5428717A (en) * | 1991-12-30 | 1995-06-27 | Xerox Corporation | Methods for converting concave polyhedra to their convex hulls |
US20150287194A1 (en) * | 2013-02-11 | 2015-10-08 | Definiens Ag | Updating Landmarks to Improve Coregistration as Regions of Interest are Corrected |
CN106023096A (zh) * | 2016-05-10 | 2016-10-12 | 上海交通大学 | 消除边缘锯齿化影响的图像匹配方法 |
CN107093202A (zh) * | 2010-06-30 | 2017-08-25 | 巴里·林恩·詹金斯 | 使用所存储的信息确定第一网格多边形集合的方法和系统 |
CN107256406A (zh) * | 2017-04-19 | 2017-10-17 | 深圳清华大学研究院 | 重叠纤维图像分割方法、装置、存储介质和计算机设备 |
CN110246140A (zh) * | 2019-05-14 | 2019-09-17 | 电子科技大学 | 一种改进的基于凹点匹配的粘连颗粒目标分割方法 |
CN110458843A (zh) * | 2019-06-27 | 2019-11-15 | 清华大学 | 掩模图像的分割方法及系统 |
CN111462147A (zh) * | 2020-04-30 | 2020-07-28 | 柳州智视科技有限公司 | 一种基于图像块外轮廓及其角点对图像块进行切割和填补的方法 |
-
2020
- 2020-11-19 CN CN202011301742.XA patent/CN112270679B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5317681A (en) * | 1991-12-30 | 1994-05-31 | Xerox Corporation | Sequencing and scheduling moves for converting concave polyhedra to their convex hulls |
US5428717A (en) * | 1991-12-30 | 1995-06-27 | Xerox Corporation | Methods for converting concave polyhedra to their convex hulls |
CN107093202A (zh) * | 2010-06-30 | 2017-08-25 | 巴里·林恩·詹金斯 | 使用所存储的信息确定第一网格多边形集合的方法和系统 |
CN107123155A (zh) * | 2010-06-30 | 2017-09-01 | 巴里·林恩·詹金斯 | 确定并存储描述第一网格多边形集合的信息的方法和系统 |
US20150287194A1 (en) * | 2013-02-11 | 2015-10-08 | Definiens Ag | Updating Landmarks to Improve Coregistration as Regions of Interest are Corrected |
CN106023096A (zh) * | 2016-05-10 | 2016-10-12 | 上海交通大学 | 消除边缘锯齿化影响的图像匹配方法 |
CN107256406A (zh) * | 2017-04-19 | 2017-10-17 | 深圳清华大学研究院 | 重叠纤维图像分割方法、装置、存储介质和计算机设备 |
CN110246140A (zh) * | 2019-05-14 | 2019-09-17 | 电子科技大学 | 一种改进的基于凹点匹配的粘连颗粒目标分割方法 |
CN110458843A (zh) * | 2019-06-27 | 2019-11-15 | 清华大学 | 掩模图像的分割方法及系统 |
CN111462147A (zh) * | 2020-04-30 | 2020-07-28 | 柳州智视科技有限公司 | 一种基于图像块外轮廓及其角点对图像块进行切割和填补的方法 |
Non-Patent Citations (2)
Title |
---|
KARL B.DYER等: "COMPOSE: A Semisupervised Learning Framework for Initially Labeled Nonstationary Streaming Data", 《IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS》 * |
杨雪娇: "点云的边界提取及角点检测算法研究", 《万方数据知识服务平台》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781503A (zh) * | 2021-09-14 | 2021-12-10 | 中铁工程装备集团有限公司 | 岩碴图像分割方法及装置 |
CN113781503B (zh) * | 2021-09-14 | 2024-03-22 | 中铁工程装备集团有限公司 | 岩碴图像分割方法及装置 |
CN113989308A (zh) * | 2021-11-04 | 2022-01-28 | 浙江大学 | 一种基于霍夫变换与模板匹配的多边形目标分割方法 |
CN114419188A (zh) * | 2021-12-31 | 2022-04-29 | 广东电网有限责任公司 | 现场作业区电子围栏的自动构建方法、装置及存储介质 |
CN114419188B (zh) * | 2021-12-31 | 2022-09-02 | 广东电网有限责任公司 | 现场作业区电子围栏的自动构建方法、装置及存储介质 |
CN117576414A (zh) * | 2023-11-27 | 2024-02-20 | 北京霍里思特科技有限公司 | 对矿石图像分割中的凹点检测的方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112270679B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112270679B (zh) | 一种结合凹点与凹边的凸多边形轮廓的图像分割方法 | |
CN110533084B (zh) | 一种基于自注意力机制的多尺度目标检测方法 | |
CN108388896B (zh) | 一种基于动态时序卷积神经网络的车牌识别方法 | |
CN105844669B (zh) | 一种基于局部哈希特征的视频目标实时跟踪方法 | |
CN106780557B (zh) | 一种基于光流法和关键点特征的运动目标跟踪方法 | |
CN108346154B (zh) | 基于Mask-RCNN神经网络的肺结节分割装置的建立方法 | |
CN112184752A (zh) | 一种基于金字塔卷积的视频目标跟踪方法 | |
CN109214353B (zh) | 一种基于剪枝模型的人脸图像快速检测训练方法和装置 | |
CN110532946B (zh) | 一种基于卷积神经网络识别绿通车车辆轴型的方法 | |
CN103236068B (zh) | 一种局部图像匹配方法 | |
Lerner et al. | A classification-driven partially occluded object segmentation (CPOOS) method with application to chromosome analysis | |
CN111523463B (zh) | 基于匹配-回归网络的目标跟踪方法及训练方法 | |
CN114863492B (zh) | 一种低质量指纹图像的修复方法及修复装置 | |
CN117576079A (zh) | 一种工业产品表面异常检测方法、装置及系统 | |
CN111091583A (zh) | 长期目标跟踪方法 | |
CN112435264A (zh) | 一种基于深度学习的42CrMo单相金相组织分割方法及系统 | |
CN111104855B (zh) | 一种基于时序行为检测的工作流识别方法 | |
EP3043315B1 (en) | Method and apparatus for generating superpixels for multi-view images | |
CN109241975B (zh) | 一种基于字符中心点定位的车牌字符分割方法 | |
CN117392419A (zh) | 一种基于深度学习的药品图片相似度比对方法 | |
CN106446832B (zh) | 一种基于视频的实时检测行人的方法 | |
CN112700469A (zh) | 一种基于eco算法和目标检测的视觉目标跟踪方法及装置 | |
Cheng et al. | Power pole detection based on graph cut | |
CN111539966A (zh) | 一种基于模糊c均值聚类的比色传感器阵列图像分割方法 | |
CN106845550B (zh) | 一种基于多模板的图像识别方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220422 |