[发明专利]基于多Agent和MRF的遥感图像分割方法在审
| 申请号： | 201710605148.1 | 申请日： | 2017-07-24 |
| 公开（公告）号： | CN107507211A | 公开（公告）日： | 2017-12-22 |
| 发明（设计）人： | 刘磊;宋良图;周林立;吴越;鲍慧芳;段悦 | 申请（专利权）人： | 中国科学院合肥物质科学研究院 |
| 主分类号： | G06T7/143 | 分类号： | G06T7/143;G06T7/45 |
| 代理公司： | 合肥国和专利代理事务所(普通合伙)34131 | 代理人： | 张祥骞 |
| 地址： | 230031 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于多Agent和MRF的遥感图像分割方法，与现有技术相比解决了难以提升遥感图像分割精度的缺陷。本发明包括以下步骤第一层特征提取层的构造；第二层分割层的构造；第三层分割结果融合层的构造；遥感图像的输入，遥感图像输入特征提取层；分割融合结果的获取，经特征提取层产生的强度特征和纹理特征经分割层后再经分割结果融合层，产生图像分割结果。本发明通过多Agent系统和马尔科夫随机场技术实现了强度、纹理、空间信息的有效提取和融合，提高了遥感图像分割精度。 | ||
| 搜索关键词： | 基于 agent mrf 遥感 图像 分割 方法 | ||
【主权项】：
一种基于多Agent和MRF的遥感图像分割方法，其特征在于，包括以下步骤：11)第一层特征提取层的构造；构造用于实现遥感图像在强度、纹理和边缘特征提取的特征提取层，其中：强度特征为遥感图像像素点的灰度值，纹理特征依据灰度共生矩阵模型提取；12)第二层分割层的构造，构造基于遥感图像强度和遥感纹理的分割模块；13)第三层分割结果融合层的构造，采取投票策略构造分割结果融合层，分割结果融合层实现多特征下分割结果的有效自适应融合；14)遥感图像的输入，遥感图像输入特征提取层；15)分割融合结果的获取，经特征提取层产生的强度特征和纹理特征经分割层后再经分割结果融合层，产生图像分割结果。
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中国科学院合肥物质科学研究院，未经中国科学院合肥物质科学研究院许可，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/201710605148.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 基于超像素和分形网络演化算法的极化SAR图像分割方法-201710411372.7
- 陈启浩;刘修国;徐乔;杨帅 - 中国地质大学（武汉）
- 2017-05-23 - 2019-10-18 - G06T7/143
- 本发明公开了基于超像素和分形网络演化算法的极化合成孔径雷达(SAR)图像分割方法，对于待分割的极化SAR图像，生成超像素作为初始对象；计算初始对象中相邻对象之间的相似性准则；统计每个对象与相邻对象之间相似性准则的最小值，若最小值小于或等于尺度参数，则合并两相邻对象生成新的对象，若最小值大于尺度参数，则不合并，遍历所有对象，完成一次分割，生成新的对象层；生成对象多边形，得到最终的分割结果。本发明为统计模型参数的估算提供了足够的像素，避免分割边界的锯齿状现象；基于分形网络演化算法的思想综合了统计特征和形状特征，使分割对象更加一致，边界光滑，提高极化SAR图像分割准确性。
- 结合模糊聚类和马尔科夫随机场的脑组织MRI图像分割方法-201610956388.1
- 陈明生;秦明新;闫庆广;宁旭;金贵;孙建;张海生;马珂;许佳;徐林 - 中国人民解放军第三军医大学
- 2016-10-28 - 2019-10-11 - G06T7/143
- 本发明公开了一种结合模糊聚类和马尔科夫随机场的脑组织MRI图像分割方法。利用模糊聚类方法在多尺度分解的低频图像上提取灰度信息，并通过马尔科夫随机场模型的单点基团势能函数综合该灰度信息进行图像分割，提高了对图像噪声的抗干扰能力。本发明充分利用了图像自身包含的灰度信息和各相邻像素之间的空间信息，信息利用更充分，使得最终的图像分割性能得到提高。
- 一种基于循环条件随机场的道路目标实时三维点云分割方法-201910540355.2
- 孙伟;张桢浩;陆伟 - 西安电子科技大学
- 2019-06-21 - 2019-10-08 - G06T7/143
- 本发明涉及自动驾驶无人机在低空复杂道路场景下对自身周围环境的实时三维点云目标分割技术，特别是一种基于循环条件随机场的道路目标实时三维点云分割方法。其特征是至少包括如下步骤：步骤1、获取点云数据，得到一个H*W*C的三维矩阵；步骤2、依据上述数据进行网络模型结构优化；步骤3、输出最小化的概率图，给出三维点云分割。本发明提出的模型能够较好地实时分割出点云中的道路目标，模型工程化满足实时性和稳定性的要求，具备了一定的实用价值。
- 面向城市空间信息采集的车联网众包方法-201710058021.2
- 礼欣;周猛 - 北京理工大学
- 2017-01-23 - 2019-07-09 - G06T7/143
- 本发明涉及一种面向城市空间信息采集的车联网众包方法，属于车载自组织网络技术领域；本发明利用轨迹预测算法挖掘车辆行驶习惯，根据车辆行驶习惯选择特定车辆执行任务，在不影响车辆正常行驶的情况下完成相关任务信息的收集。本发明提出基于张量分解的地点预测算法，根据历史轨迹数据构建三元组，根据三元组构建三阶张量，通过PITF方式对张量依据BPRC规范进行分解，迭代优化参数补全张量元素，根据张量元素值排序完成预测。接下来根据预测的结果构建车辆与道路任务二分图，根据Kuhn‑Munkres算法求解车辆与道路任务的最大匹配，使得匹配成功的概率最大。对比现有技术，本发明方法很好的结合了车辆行驶特性，减少了信息收集的冗余，提高了信息收集的效率。
- 一种基于隐含核空间稀疏形状表示的目标分割方法-201610302391.1
- 姚劲草;于慧敏 - 浙江大学
- 2016-05-09 - 2019-05-28 - G06T7/143
- 本发明公开了一种基于隐含核空间的稀疏形状表示目标分割方法，首先对原始先验形状训练集进行核主分量提取；根据KPCA提取结果建立隐含核形状空间并构建隐含核空间稀疏形状表示模型；构造基于稀疏系数的对偶约束项及基于概率形状的底层变分驱动能量函数；采用交替迭代法求解目标函数；利用隐含核空间形状稀疏表示结果监督基于概率形状的变分能量函数演化，并利用能量函数导出的演化曲线实现图像分割。本发明克服了现有基于形状近邻的稀疏表示分割方法中目标分割能力差，分割准确率低的问题，从而解决在原始形状域进行稀疏表示分割效果不佳的问题。
- 灰度图像的一维对象复杂度图像分割算法及分割步骤-201611002101.8
- 王海峰;章怡 - 江苏理工学院
- 2016-11-11 - 2019-05-10 - G06T7/143
- 本发明涉及一种灰度图像的一维对象复杂度图像分割算法及分割步骤，本复杂度图像分割算法包括：确定最佳分割阈值，以分割图像中目标区域与背景区域；本发明很好的解决了待分割图像中的目标和背景的灰度区别不明显时，一般方法分割会使图像的信息丢失，易出现比较严重的分割错误的问题，且具有分割效率高，运算速度快的优点。
- 基于语义条件随机场模型的SAR图像分割方法-201611237232.4
- 刘芳;段一平;李婷婷;焦李成;郝红侠;陈璞华;马晶晶;尚荣华 - 西安电子科技大学
- 2016-12-28 - 2019-05-03 - G06T7/143
- 本发明公开了一种基于语义条件随机场模型的SAR图像分割方法。主要解决现有技术中不能保持图像细节信息的问题。其实现步骤为：1.根据SAR图像的区域图，将SAR图像划分为混合聚集结构地物子空间、结构区域子空间和匀质区域子空间；2.对混合聚集结构地物子空间采用词袋模型提取特征，用AP聚类的方法进行分割；3.构建语义条件随机场模型对结构区域子空间和匀质区域子空间进行分割；4.将混合聚集结构地物子空间、结构区域子空间和匀质区域子空间的分割结果合并，得到SAR图像的分割结果。本发明获得了SAR图像的良好分割效果，可用于SAR图像的语义分割。
- 用于基于子区域识别对象的设备和方法-201410431418.8
- 赵显佑;李骏硕 - 韩国电子通信研究院
- 2014-08-28 - 2019-04-23 - G06T7/143
- 这里公开了这样的方法和设备，在增强现实中，即使将与识别目标对应的对象放置在复杂背景环境中，也将与对象对应的图像划分为子区域，在子区域中执行识别处理，并然后识别对象。用于基于子区域来识别对象的设备包括：子区域划分单元，用于取决于设置将输入图像划分为某一尺寸的子区域。对象识别单元在相应子区域中识别子区域对象。候选者选择单元使用识别的子区域对象的相应概率值，来从每一子区域选择候选者对象。分组单元使用选择的候选者对象来对子区域进行分组。识别目标确定单元将与分组结果对应的组中包括的子区域的数目和阈值进行比较，并使用比较结果来确定最终识别目标。
- 一种基于深度网络的皮肤损伤图片分割方法-201811393429.6
- 杨猛;罗文锋 - 中山大学
- 2018-11-21 - 2019-03-19 - G06T7/143
- 本发明涉及人工智能领域，更具体的，涉及一种基于深度网络的皮肤损伤图片分割方法，本发明不进行手工提取皮肤图片特征来进行分割任务，而是使用训练数据去自行学习适合于分割任务的深度卷积特征；本发明的预处理非常简单，只是进行图片像素值的归一化；此外，相比TDLS和Jafari使用引导滤波器的预处理方式解决光照和对比度变化较大的问题，本发明通过数据增强的方式丰富训练数据，让模型自行学习最优的特征表示以进行分割；本发明在真阳性率的指标上超过了现有的方法，而且在GPU和CPU上的运行时间都远低于现有的模型，可以做到实时的皮肤图像分割；本发明还使用了全连接的条件随机场作为后处理方法，可以有效地利用低层次的纹理颜色特征，锐化边缘区域的分割。
- 基于马尔科夫随机场和混合核函数的遥感图像分割方法-201711064587.2
- 段一平;陶晓明;陆建华 - 清华大学
- 2017-11-02 - 2019-01-04 - G06T7/143
- 基于马尔科夫随机场和混合核函数的遥感图像分割方法，属于遥感图像分割和识别技术领域，其特征在于，主要解决现有技术中分割结果的区域一致性和细节信息不能同时满足的问题。实现步骤为：1.输入空间分辨率为0.3米的遥感SAR图像；2.根据遥感SAR图像的区域图，将遥感SAR图像划分为结构区域子空间和匀质区域子空间；2.对匀质区域子空间采用基于高斯径向基核函数的马尔科夫随机场进行分割；3.对结构区域子空间采用基于阈值化Ridgelet核函数的马尔科夫随机场进行分割；4.将匀质区域子空间的分割结果和结构区域子空间的分割结果合并，得到遥感SAR图像的分割结果。本发明实现了遥感SAR图像良好的分割效果，可用于遥感图像分割。
- 自动化分区域脑萎缩程度的定量计算方法-201710195047.1
- 罗怡珊 - 深圳博脑医疗科技有限公司
- 2017-03-28 - 2018-12-07 - G06T7/143
- 本发明涉及脑萎缩程度计算技术领域，具体公开了自动化分区域脑萎缩程度的定量计算方法。该定量计算方法至少包括构建脑模板库、非线性配准映射及脑萎缩程度计算等步骤。该定量计算方法具有简便快捷、量化程度高、判断准确等优点；采用该方法可以为量化脑萎缩程度提供了一种高可行性的方案，进而可以辅助通过脑萎缩程度进行其他判断提供了借鉴。
- 多视SAR图像分割方法及装置-201610833053.0
- 赵泉华;李晓丽;李玉 - 辽宁工程技术大学
- 2016-09-19 - 2018-11-09 - G06T7/143
- 本发明提供了一种多视SAR图像分割方法及装置，其中，该方法包括：读取待分割多视SAR图像；初始化双权重w；重复执行下述步骤：计算Gamma分布尺度参数β；计算上述图像的或然率p(z|w)；计算上述双权重w的分布函数p(w)；计算品质函数L；根据梯度法更新上述双权重w；将更新后的双权重w代入品质函数L；直到|L(t+1)‑L(t)|小于预设的阈值ε时，停止执行上述步骤，根据当前的双权重w确定上述图像中各个像素所属的类别；按照各个像素所属的类别输出分割结果。本发明分割图像的抗噪性能较好，分割结果误分现象较少，分割边界拟合精确。
- 从聚焦堆图像进行场景分割的方法和设备-201410562219.0
- H·周;T·奥南;K·本彻姆西;T·卡尔森;A·穆斯塔杰巴西克;J·文德马克 - 诺基亚技术有限公司
- 2014-10-21 - 2018-10-12 - G06T7/143
- 本发明涉及从聚焦堆图像进行场景分割的方法和设备。提供了方法、设备和计算机程序产品以便于从聚焦堆图像进行场景分割。方法可以包括接收一组聚焦堆图像，针对这组聚焦堆图像的多个像素中的每个像素计算聚焦测量，以及将已计算聚焦测量的多个像素中的每个像素分组为多个超像素。方法也可以包括针对多个超像素中的每个超像素计算聚焦测量，基于多个超像素中的每个超像素的聚焦测量分割相应的聚焦堆图像，针对多个超像素中的每个超像素计算颜色概率，和基于多个超像素中的每个超像素的颜色概率分割每个聚焦堆图像。
- 使用马尔可夫随机场优化来产生分割图像-201711443915.X
- E·梅尔 - 达索系统公司
- 2017-12-27 - 2018-07-10 - G06T7/143
- 一种产生场景的分割图像的计算机实现的方法包括提供场景的多个图像，每个图像对应于物理信号的相应采集，所述多个图像包括对应于不同物理信号的至少两个图像，以及通过确定使在马尔可夫随机场(MRF)上定义的能量最小化的标签的分布，基于所述多个图像来生成分割图像。这改善了计算机视觉领域。
- 一种CT图像中脊髓的提取方法-201310332806.6
- 刘靖;李强 - 上海联影医疗科技有限公司
- 2013-08-01 - 2018-02-02 - G06T7/143
- 本发明提供一种CT图像中脊髓的提取方法，所述方法包括如下步骤(1)输入所述三维CT图像，通过二维简化的椎管模型，得到所述三维CT图像中所述椎管的中轴线位置的三维广义霍夫变换空间；(2)根据所述三维广义霍夫变换空间，确定所述椎管中轴线在所述三维CT图像中的位置；(3)根据所述椎管中轴线的位置，通过区域增长方法，得到所述椎管的分割掩模，即得到所述三维CT图像中的脊髓。本技术方案不仅能自动、快速地提取CT图像中的脊髓，还具有更高的稳定性和灵活性。
- 基于多Agent和MRF的遥感图像分割方法-201710605148.1
- 刘磊;宋良图;周林立;吴越;鲍慧芳;段悦 - 中国科学院合肥物质科学研究院
- 2017-07-24 - 2017-12-22 - G06T7/143
- 本发明涉及基于多Agent和MRF的遥感图像分割方法，与现有技术相比解决了难以提升遥感图像分割精度的缺陷。本发明包括以下步骤第一层特征提取层的构造；第二层分割层的构造；第三层分割结果融合层的构造；遥感图像的输入，遥感图像输入特征提取层；分割融合结果的获取，经特征提取层产生的强度特征和纹理特征经分割层后再经分割结果融合层，产生图像分割结果。本发明通过多Agent系统和马尔科夫随机场技术实现了强度、纹理、空间信息的有效提取和融合，提高了遥感图像分割精度。
- 一种基于多层次图结构的交互式立体图像快速分割方法-201510354774.9
- 马伟;邱晓慧;杨璐维;邓米克;张明亮;段立娟 - 北京工业大学
- 2015-06-24 - 2017-12-15 - G06T7/143
- 一种基于多层次图结构的交互式立体图像快速分割方法，首先输入一组立体图像，通过立体图像匹配算法得到视差图。在原始图像左右任意一图中指定部分前、背景。根据指定部分应用CUDA并行计算的方法建立前、背景的颜色以及视差分布的先验统计模型。通过对原始图像进行高斯滤波、下采样得到粗糙尺度较小的图像，然后将粗糙图像与原始图像一起构成多层次图结构。鉴于目前立体图像分割存在分割模型复杂，计算效率低的问题。本发明在基于视差图的立体图像同步分割的理论框架下，探索新的分割方法。力图简化模型的复杂度，并行处理计算密集型的任务，提高立体图像分割速度，实现实时分割常见尺寸立体图像的目的。
- 一种基于标记融合的概率图形模型图像分割方法-201710249268.2
- 刘刚;郭先堂;廖恒旭 - 上海电力学院
- 2017-04-17 - 2017-09-22 - G06T7/143
- 本发明涉及一种基于标记融合的概率图形模型图像分割方法，用以对脑部MR图像进行组织分割，该方法包括以下步骤1)将目标图像分别与训练图像库中的多幅训练图像进行配准，选取N幅训练图像，并且分别获取配准后的训练图像以及对应的形变场；2)对各配准后的训练图像进行手工分割并进行标记，根据形变场映射获得配准后的训练图像的候选标记；3)分别提取配准后的训练图像和目标图像的patch，并以此建立概率图形模型；4)根据概率图形模型，采用全局加权表决的标记融合算法和最大后验概率计算目标图像中每一个像素点处的标记值，完成对目标图像的分割。与现有技术相比，本发明具有精确分割、减少误差等优点。
- 结合稀疏近邻传播和快速谱聚类的纹理图像分割方法-201510155156.1
- 尚荣华;焦李成;戴开云;李阳;马文萍;王爽;侯彪;刘红英;熊涛 - 西安电子科技大学
- 2015-04-02 - 2017-06-13 - G06T7/143
- 本发明公开一种结合稀疏近邻传播和快速谱聚类的纹理图像分割方法，主要解决现有纹理图像分割方法的分割精确低和计算复杂度高的问题。其方法步骤为(1)输入一幅待分割的图像；(2)设置参数；(3)生成灰度对概率方阵；(4)统计数据点的个数；(5)构建稀疏相似度矩阵；(6)选取数据代表点；(7)对数据点进行聚类；(8)标记待分割图像；(9)输出分割后的图像。本发明相对于现有的一些纹理图像分割技术可以更好的保持纹理图像的区域一致性，获得分割精确度高、分割稳定性好的纹理图像，并且计算复杂度低。
- 一种基于对象掩码网络的形状感知实例分割方法-201710025896.2
- 夏春秋 - 深圳市唯特视科技有限公司
- 2017-01-13 - 2017-05-31 - G06T7/143
- 本发明中提出的一种基于对象掩码网络的形状感知实例分割方法，其主要内容包括形状感知分割预测和学习实例分割，其过程为，使用密集多值映射编码对对象的形状进行建模，对于框中的每个像素到对象边界的最小距离，通过逆距离变换将该多值图转换为二进制掩码来实现对象分割。使用区域网络来生成初始的包围框的建议；对每一个执行感兴趣区域来使特征变形，将结果传递给对象掩码网络并产生结果。通过将对象掩码网络集成到多级网络级联中来构造形状感知实例分割网络和多级形状感知实例分割网络，并通过端到端的方式训练它。本发明分割细致，精确度高，误差较小，将有助于完善和扩展现有图像分割的理论与方法，为图像分析与理解等应用提供实用工具。
- 基于非广延高斯熵测度的灰度图像分割方法-201610772679.5
- 聂方彦;张平凤;罗佑新;李建奇;潘梅森 - 湖南文理学院
- 2016-08-30 - 2017-02-15 - G06T7/143
- 本发明提供一种基于非广延高斯熵测度的灰度图像分割方法，包括获取待分割的灰度图像，并确定出灰度图像的最大灰度级，以及灰度级集合；统计灰度图像的灰度直方图；根据灰度直方图，以及根据预先构建的非广延高斯熵测度模型，计算非广延高斯熵测度模型的熵；根据非广延高斯熵测度模型的熵获取灰度图像的最优分割阈值；根据最优分割阈值,获取分割结果图像。本发明提供的基于非广延高斯熵测度的灰度图像分割方法，采用灰度图像的非广延高斯熵测度模型计算出灰度图像的熵，并将使得熵取得最大值所对应的灰度级作为最优分割阈值，从而对灰度图像进行分割，可对多种类型的图像实现较好分割，提高了图像分割算法的鲁棒性。
- 专利分类
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
