[发明专利]基于主动轮廓和深度学习的模糊边界图像自动分割方法有效
| 申请号： | 201910846367.8 | 申请日： | 2019-09-09 |
| 公开（公告）号： | CN110689545B | 公开（公告）日： | 2023-06-16 |
| 发明（设计）人： | 陈俊颖;游海军 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/12;G06T7/00 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 何淑珍;江裕强 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于主动轮廓和深度学习的模糊边界图像自动分割方法。所述方法首先使用深度卷积神经网络模型分割模糊边界图像，得到初始的分割结果；然后使用深度卷积神经网络模型分割出的图像内部区域轮廓作为主动轮廓模型的初始化轮廓和轮廓约束；主动轮廓模型通过每个轮廓点周围区域的图像特性驱使轮廓向目标边缘移动，在目标区域和其他背景区域之间得出精准的分割线。本发明在深度卷积神经网络模型的基础上引入主动轮廓模型进一步精化模糊边界图像的分割结果，具备分割图像中模糊边界的能力，进一步提高模糊边界图像的分割准确度。 | ||
| 搜索关键词： | 基于 主动 轮廓 深度 学习 模糊 边界 图像 自动 分割 方法 | ||
【主权项】：
1.基于主动轮廓和深度学习的模糊边界图像自动分割方法，其特征在于，包括以下步骤：/nS1、使用深度学习模型分割模糊边界图像，得到初始化的目标分割结果；/nS2、使用主动轮廓模型精调模型的分割结果，得到更加精准的正常边界和模糊边界分割结果，具体包括：/nS2.1、使用S1中得到的初始化的目标分割结果中的区域边界初始化主动轮廓模型，构造初始的水平集；/nS2.2、使用水平集来表示能量函数，通过能量函数得到曲线演化的偏微分方程；/nS2.3、进行轮廓点所在区域的判定；/nS2.4、确定各个轮廓点所在的区域之后，计算偏微分方程的值，并迭代演化轮廓，直到达到最大迭代次数或轮廓变动微小或不变则完成分割。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910846367.8/，转载请声明来源钻瓜专利网。
