CN103198470A - 图像的分割方法及*** - Google Patents
图像的分割方法及*** Download PDFInfo
- Publication number
- CN103198470A CN103198470A CN2013100607039A CN201310060703A CN103198470A CN 103198470 A CN103198470 A CN 103198470A CN 2013100607039 A CN2013100607039 A CN 2013100607039A CN 201310060703 A CN201310060703 A CN 201310060703A CN 103198470 A CN103198470 A CN 103198470A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- limit
- pixel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005520 cutting process Methods 0.000 title abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000010586 diagram Methods 0.000 abstract description 8
- 238000010276 construction Methods 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 26
- 230000005540 biological transmission Effects 0.000 description 10
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种图像的分割方法及***。其中,方法包括以下步骤:提供待分割图像;从待分割图像的像素点中获取任意前景点和背景点,并对前景点和背景点进行标定;根据待分割图像的像素点以及标定的前景点和背景点构造流网络图;采用压入重标注方法对流网络图进行处理以得到最小割集,其中,最小割集为将待分割图像分割成前景和背景在流网络图中所需断开的相似性最小的边的集合;以及根据最小割集将待分割图像分割为前景区域和背景区域。根据本发明实施例的方法,通过构造待识别图像的流网络图,并对其进行压入和重标注,因此简化了算法的复杂度,同时适用于所有的图像方便了用户使用。
Description
技术领域
本发明涉及图像分割技术领域,特别涉及一种图像的分割方法及***。
背景技术
数字图像指以二维数组形式表示的图像。数字图像可以由许多不同的输入设备和技术生成,例如,数码相机、扫描仪、坐标测量机等。起初利用计算机来处理图形和图像信息。如今,数字图像处理在国防、工农业生产、生活娱乐等多领域都有着广阔的应用。
图像分割指的是将数字图像细分为多个图像子区域像素的集合的过程。其目的是简化或改变图像的表示形式,使得图像更容易理解和分析。图像分割在实际中的应用包括医学影像、在卫星图像中定位物体、人脸识别、交通控制***等。
对图像分割算法的研究已有几十年的历史,借助各种理论提出了上千种各种类型的分割算法。但这些方法大都是针对具体问题的,因此无法通用于所有的图像,并且现有图像分割算法的复杂度有较高。
发明内容
本发明的目的旨在至少解决上述的技术缺陷之一。
为达到上述目的,本发明一方面的实施例提出一种图像的分割方法,包括以下步骤:提供待分割图像;从所述待分割图像的像素点中获取任意前景点和背景点,并对所述前景点和背景点进行标定;根据所述待分割图像的像素点以及标定的所述前景点和背景点构造流网络图;采用压入重标注方法对所述流网络图进行处理以得到最小割集,其中,最小割集为将所述待分割图像分割成前景和背景在所述流网络图中所需断开的相似性最小的边的集合;以及根据所述最小割集将所述待分割图像分割为前景区域和背景区域。
根据本发明实施例的方法,通过构造待识别图像的流网络图,并对其进行压入和重标注,因此简化了算法的复杂度,同时适用于所有的图像方便了用户使用。
在本发明的一个实例中,在所述流网络图中,每个像素点与其相邻的像素点之间的边的权重为W(p,q),且除源点的相邻点和汇点的其他像素点与所述源点之间的边的权重以及除汇点的相邻点和源点的其他像素点与所述汇点之间的边的权重为常数,其中,所述源点为所述前景点,所述汇点为所述后景点。
在本发明的一个实例中,所述相邻像素点之间的权重W(p,q)通过如下公式表示, 其中,dist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。
为达到上述目的,本发明的实施例另一方面提出一种图像的分割***,包括:获取模块,用于提供待分割图像;标定模块,用于从所述待分割图像的像素点中获取任意前景点和背景点,并对所述前景点和背景点进行标定;构造模块,用于根据所述待分割图像的像素点以及标定的所述前景点和背景点构造流网络图;处理模块,用于采用压入重标注方法对所述流网络图进行处理以得到最小割集,其中,最小割集为将所述待分割图像分割成前景和背景在所述流网络图中所需断开的相似性最小的边的集合;以及分割模块,用于根据所述最小割集将所述待分割图像分割为前景区域和背景区域。
本发明的一个实例中,在所述流网络图中,每个像素点与其相邻的像素点之间的边的权重为W(p,q),且除源点的相邻点和汇点的其他像素点与所述源点之间的边的权重以及除汇点的相邻点和源点的其他像素点与所述汇点之间的边的权重为常数,其中,所述源点为所述前景点,所述汇点为所述后景点。
本发明的一个实例中,所述相邻像素点之间的权重W(p,q)通过如下公式表示, 其中,sist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。
根据本发明实施例的***,通过构造待识别图像的流网络图,并对其进行压入和重标注,因此简化了算法的复杂度,同时适用于所有的图像方便了用户使用。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明一个实施例的图像的分割方法的流程图;
图2为根据本发明一个实施例的待分割图像的边划分示意图;
图3为根据本发明一个实施例的待分割图像的分割示意图;以及
图4为根据本发明一个实施例的图像的分割***的结构框图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
图1为根据本发明一个实施例的相似图像分类方法的流程图。如图1所示,根据本发明实施例的相似图像分类方法,包括以下步骤:
步骤S101,提供待分割图像。
步骤S102,从待分割图像的像素点中获取任意前景点和背景点,并对前景点和背景点进行标定。
具体地,在待分割图像中任意确定一个前景点和一个背景点。可采用交互式方式,或先验知识,例如四个角和中心区域中分别抽出一个点作为背景和前景点。
步骤S103,根据待分割图像的像素点以及标定的前景点和背景点构造流网络图。
具体地,包括待分割图像中所有像素点的集合为顶点集V,并且以前景点S为源点,背景点T为汇点构造流网络图G=<V,E>。该流网络图G为无向带权图,且边E的权重表示该条边能通过的最大流量。
流网络图G的边集E的构成为,每一个像素点与其每一个相邻的像素点之间存在一条边,其中相邻的定义可以为4邻域(上下左右)或8邻域(4邻域外加左上、左下、右上、右下),例如,在图2中用细实线表示相邻边。待分割图像中相邻两点p,q间的边权重为W(p,q)可通过如下公式表示, 其中,dist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。该距离dist(p,q)的可以通过欧式距离公式 城市距离公式dist(p,q)=|xp-xq|+yp-yq|,或棋盘距离公式dist(p,q)=max(|xp-xq|,|yp-yq|)中的任意一种得出,其中,(xp,yp)和(xq,yq)分别表示点p和点q在图像中的坐标。
除源点S的相邻点和汇点T的其他像素点与源点S之间的边(图2中用粗实线表示)的权重以及除汇点T的相邻点和源点S的其他像素点与汇点T之间的边(图2中用虚线表示)的权重为常数K可通过如下公式表示,其中,dist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。在此公式的含义为对于一个像素点求与其相邻像素点的边权重之和,遍历图像中的所有像素点,该和的最大值加1即为K。
步骤S104,采用压入重标注方法对流网络图进行处理以得到最小割集,其中,最小割集为将待分割图像分割成前景和背景在流网络图中所需断开的相似性最小的边的集合。
具体地,在构造流网络图中,每条边的权重大小表明该边连接的两个点的相似程度。背景点与前景点间的最小割集,代表着能将流网络图分割成前景和背景两部分需要断开的相似性最小的边的集合。求得该流网络的最小割,就等于求得了分割图像。根据流网络图论的基本定理,最小割的流量之和等于网络中的最大流。当流网络达到最大流时,会有一个割集的所有边都达到饱和状态,这个割集就是最小割。因此求解最小割转化为求解最大流。
压入重标注将顶点类比为水库,将边类比为水库间的管道,将边的权重类比为管道能通过的最大流量。水流从源点流出,经网络传播,最终流入汇点。每个水库有一定高度,水只能往低处流。每个水库的含水量为流入水库与流出水库的流量之差。
p,q表示流网络图G中的点:每个点的高度d(p);每个点的含水量e(p);两点间的流量F(p,q)。求解过程中,流网络上的流量,必须始终满足前述的流网络图G产生的限制条件。以图2为例,(1)流网络图G中两点有边直接相连时,两点间才允许存在流量,例如ab间允许存在流量,ac间不允许存在流量。(2)两点间的流量不得超过两点间边的权重,例如F(a,b)<=W(a,b),F(S,a)<=K,其中,F(p,q)表示点p和q间的流量,d(p)表示点p的高度,e(p)表示点p的含水量。
首先,将源点S的高度设为不小于N-1的值(N为流网络图G中点的数目),其余点的高度设为0,每个点的含水量设为0,且任意两点间的流量设为0。然后,对于与源点S相连的每一个点p,将该点的含水量设为二者间流量的上限,即边的权重,e(p)=W(S,p),并将二者间的流量设为二者间流量的上限,即F(S,p)=W(S,p)。流网络图中点进行压入或重标注。对于点p和点q,将水从点p压入点q的条件为,p点不是源点S或汇点T;p点仍有水,即e(p)>0;p和q间的管道仍有余量,即W(p,q)-F(p,q)>0;(4)q点的高度比p点的高度小1,即d(p)-d(q)=1。
对于点p和点q,将水从点p压入点q的步骤为,首先取p点含水量和pq间还能流过的水量的较小值,记为f,即f=min(e(p),W(p,q)-F(p,q))因此p点的含水量减少f,即e(p)=e(p)-f,而pq间的流量增加f,即F(p,q)=F(p,q)+f。
在本发明的一个实施例中,对点p进行重标注的条件为,(1)p点不是源点S或汇点T;(2)p点仍有水,即e(p)>0;(3)从p点到与其相连的点无法进行压入操作。对点p进行重标注的步骤为,首先找出与p相连且与p之间的管道还有余量的点集,用R(p)表示,即 然后,将p的高度改为R(p)中最低点的高度加1,即
通过以上压入或重标注方法重复进行操作,当没有任何点满足压入或重标注条件时所得流网络图上的流量为最大流量。
在此时的流网络图中,寻找能将流网络割断为本别包含源点S和汇点T两部分的最小割集,对应到真实图像中就是分割边界所在。具体地,在当前流网络图中,找到所有流量已达上限的边,即满足F(p,q)=W(p,q)的所有边,并将该边按流量从小到大的顺序逐步加入最小割集,直到将流网络图断开为分别包含源点S和汇点T的两部分。之后再,按流量从大到小的顺序在保证能将流网络图断开为两部分的情况下,逐步将最小割集中的冗余边删除,最终得到最小割集。
步骤S105,根据最小割集将待分割图像分割为前景区域和背景区域。
如图3所示,当找到的最小割集包含(S,d)、(S,g)、(S,h)、(S,e)、(S,f)、(S,i)、(T,a)、(T,b)、(T,c)、(a,d)、(b,e)、(c,f)十二条边,则对应到待分割图像中,应在如图3所示的最粗横线位置进行分割,S、a、b、c构成前景区域,其余点构成背景区域。
根据本发明实施例的方法,通过构造待识别图像的流网络图,并对其进行压入和重标注,因此简化了算法的复杂度,同时适用于所有的图像方便了用户使用。
图4为根据本发明一个实施例的图像的分割***的结构框图。如图4所示,根据本发明实施例的图像的分割***包括获取模块100、标定模块200、构造模块300、处理模块400和分割模块500。
获取模块100用于提供待分割图像。
标定模块200用于从待分割图像的像素点中获取任意前景点和背景点,并对前景点和背景点进行标定。
具体地,在待分割图像中任意确定一个前景点和一个背景点。可采用交互式方式,或先验知识,例如四个角和中心区域中分别抽出一个点作为背景和前景点。
构造模块300用于根据待分割图像的像素点以及标定的前景点和背景点构造流网络图。
具体地,包括待分割图像中所有像素点的集合为顶点集V,并且以前景点S为源点,背景点T为汇点构造流网络图G=<V,E>。该流网络图G为无向带权图,且边E的权重表示该条边能通过的最大流量。
流网络图G的边集E的构成为,每一个像素点与其每一个相邻的像素点之间存在一条边,其中相邻的定义可以为4邻域(上下左右)或8邻域(4邻域外加左上、左下、右上、右下),例如,在图2中用细实线表示相邻边。待分割图像中相邻两点p,q间的边权重为W(p,q)可通过如下公式表示, 其中,dist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。该距离dist(p,q)的可以通过欧式距离公式 城市距离公式dist(p,q)=|xp-xq|+yp-yq|,或棋盘距离公式dist(p,q)=max(|xp-xq|,|yp-yq|)中的任意一种得出,其中,(xp,yp)和(xq,yq)分别表示点p和点q在图像中的坐标。
除源点S的相邻点和汇点T的其他像素点与源点S之间的边(图2中用粗实线表示)的权重以及除汇点T的相邻点和源点S的其他像素点与汇点T之间的边(图2中用虚线表示)的权重为常数K可通过如下公式表示,其中,dist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。在此公式的含义为对于一个像素点求与其相邻像素点的边权重之和,遍历图像中的所有像素点,该和的最大值加1即为K。
处理模块400用于采用压入重标注方法对流网络图进行处理以得到最小割集,其中,最小割集为将待分割图像分割成前景和背景在流网络图中所需断开的相似性最小的边的集合。
具体地,在构造流网络图中,每条边的权重大小表明该边连接的两个点的相似程度。背景点与前景点间的最小割集,代表着能将流网络图分割成前景和背景两部分需要断开的相似性最小的边的集合。求得该流网络的最小割,就等于求得了分割图像。根据流网络图论的基本定理,最小割的流量之和等于网络中的最大流。当流网络达到最大流时,会有一个割集的所有边都达到饱和状态,这个割集就是最小割。因此求解最小割转化为求解最大流。
压入重标注将顶点类比为水库,将边类比为水库间的管道,将边的权重类比为管道能通过的最大流量。水流从源点流出,经网络传播,最终流入汇点。每个水库有一定高度,水只能往低处流。每个水库的含水量为流入水库与流出水库的流量之差。
p,q表示流网络图G中的点:每个点的高度d(p);每个点的含水量e(p);两点间的流量F(p,q)。求解过程中,流网络上的流量,必须始终满足前述的流网络图G产生的限制条件。以图2为例,(1)流网络图G中两点有边直接相连时,两点间才允许存在流量,例如ab间允许存在流量,ac间不允许存在流量。(2)两点间的流量不得超过两点间边的权重,例如F(a,b)<=W(a,b),F(S,a)<=K,其中,F(p,q)表示点p和q间的流量,d(p)表示点p的高度,e(p)表示点p的含水量。
首先,将源点S的高度设为不小于N-1的值(N为流网络图G中点的数目),其余点的高度设为0,每个点的含水量设为0,且任意两点间的流量设为0。然后,对于与源点S相连的每一个点p,将该点的含水量设为二者间流量的上限,即边的权重,e(p)=W(S,p),并将二者间的流量设为二者间流量的上限,即F(S,p)=W(S,p)。流网络图中点进行压入或重标注。对于点p和点q,将水从点p压入点q的条件为,p点不是源点S或汇点T;p点仍有水,即e(p)>0;p和q间的管道仍有余量,即W(p,q)-F(p,q)>0;(4)q点的高度比p点的高度小1,即d(p)-d(q)=1。
对于点p和点q,将水从点p压入点q的步骤为,首先取p点含水量和pq间还能流过的水量的较小值,记为f,即f=min(e(p),W(p,q)-F(p,q))因此p点的含水量减少f,即e(p)=e(p)-f,而pq间的流量增加f,即F(p,q)=F(p,q)+f。
在本发明的一个实施例中,对点p进行重标注的条件为,(1)p点不是源点S或汇点T;(2)p点仍有水,即e(p)>0;(3)从p点到与其相连的点无法进行压入操作。对点p进行重标注的步骤为,首先找出与p相连且与p之间的管道还有余量的点集,用R(p)表示,即 然后,将p的高度改为R(p)中最低点的高度加1,即
通过以上压入或重标注方法重复进行操作,当没有任何点满足压入或重标注条件时所得流网络图上的流量为最大流量。
在此时的流网络图中,寻找能将流网络割断为本别包含源点S和汇点T两部分的最小割集,对应到真实图像中就是分割边界所在。具体地,在当前流网络图中,找到所有流量已达上限的边,即满足F(p,q)=W(p,q)的所有边,并将该边按流量从小到大的顺序逐步加入最小割集,直到将流网络图断开为分别包含源点S和汇点T的两部分。之后再,按流量从大到小的顺序在保证能将流网络图断开为两部分的情况下,逐步将最小割集中的冗余边删除,最终得到最小割集。
分割模块500用于根据最小割集将待分割图像分割为前景区域和背景区域。
如图3所示,当找到的最小割集包含(S,d)、(S,g)、(S,h)、(S,e)、(S,f)、(S,i)、(T,a)、(T,b)、(T,c)、(a,d)、(b,e)、(c,f)十二条边,则对应到待分割图像中,应在如图3所示的最粗横线位置进行分割,S、a、b、c构成前景区域,其余点构成背景区域。
根据本发明实施例的方法,通过构造待识别图像的流网络图,并对其进行压入和重标注,因此简化了算法的复杂度,同时适用于所有的图像方便了用户使用。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种图像的分割方法,其特征在于,包括以下步骤:
提供待分割图像;
从所述待分割图像的像素点中获取任意前景点和背景点,并对所述前景点和背景点进行标定;
根据所述待分割图像的像素点以及标定的所述前景点和背景点构造流网络图;
采用压入重标注方法对所述流网络图进行处理以得到最小割集,其中,所述最小割集为将所述待分割图像分割成前景和背景在所述流网络图中所需断开的相似性最小的边的集合;以及
根据所述最小割集将所述待分割图像分割为前景区域和背景区域。
2.如权利要求1所述的图像的分割方法,其特征在于,在所述流网络图中,每个像素点与其相邻的像素点之间的边的权重为W(p,q),且除源点的相邻点和汇点的其他像素点与所述源点之间的边的权重以及除汇点的相邻点和源点的其他像素点与所述汇点之间的边的权重为常数,
其中,所述源点为所述前景点,所述汇点为所述后景点。
3.如权利要求1所述的图像的分割方法,其特征在于,所述相邻像素点之间的权重W(p,q)通过如下公式表示,
其中,dist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。
4.如权利要求1所述的图像的分割方法,其特征在于,所述常数通过如下公式表示,
其中,N(p)表示p点的相邻点集,V表示像素点的集合,W(p,q)表示点p,q之间边的权重。
5.一种图像的分割***,其特征在于,包括:
获取模块,用于提供待分割图像;
标定模块,用于从所述待分割图像的像素点中获取任意前景点和背景点,并对所述前景点和背景点进行标定;
构造模块,用于根据所述待分割图像的像素点以及标定的所述前景点和背景点构造流网络图;
处理模块,用于采用压入重标注方法对所述流网络图进行处理以得到最小割集,其中,所述最小割集为将所述待分割图像分割成前景和背景在所述流网络图中所需断开的相似性最小的边的集合;以及
分割模块,用于根据所述最小割集将所述待分割图像分割为前景区域和背景区域。
6.如权利要求5所述的图像的分割***,其特征在于,在所述流网络图中,每个像素点与其相邻的像素点之间的边的权重为W(p,q),且除源点的相邻点和汇点的其他像素点与所述源点之间的边的权重以及除汇点的相邻点和源点的其他像素点与所述汇点之间的边的权重为常数,
其中,所述源点为所述前景点,所述汇点为所述后景点。
7.如权利要求5所述的相似图像分类***,其特征在于,所述相邻像素点之间的权重W(p,q)通过如下公式表示,
其中,dist(p,q)表示p和q之间的距离,σ表示调节参数,Ip表示p点的亮度,Iq表示q的点的亮度。
8.如权利要求5所述的相似图像分类***,其特征在于,所述常数通过如下公式表示,
其中,N(p)表示p点的相邻点集,V表示像素点的集合,W(p,q)表示点p,q之间边的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310060703.9A CN103198470B (zh) | 2013-02-26 | 2013-02-26 | 图像的分割方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310060703.9A CN103198470B (zh) | 2013-02-26 | 2013-02-26 | 图像的分割方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103198470A true CN103198470A (zh) | 2013-07-10 |
CN103198470B CN103198470B (zh) | 2017-02-15 |
Family
ID=48720976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310060703.9A Expired - Fee Related CN103198470B (zh) | 2013-02-26 | 2013-02-26 | 图像的分割方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103198470B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134192A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和*** |
WO2015027412A1 (zh) * | 2013-08-28 | 2015-03-05 | 华为技术有限公司 | 一种复杂图的处理方法和设备 |
CN106204600A (zh) * | 2016-07-07 | 2016-12-07 | 广东技术师范学院 | 基于多序列mr图像关联信息的脑肿瘤图像分割方法 |
CN106920244A (zh) * | 2017-01-13 | 2017-07-04 | 广州中医药大学 | 一种检测图像区域边缘附近背景点的方法 |
CN107204034A (zh) * | 2016-03-17 | 2017-09-26 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及终端 |
CN109740658A (zh) * | 2018-12-28 | 2019-05-10 | 陕西师范大学 | 一种基于带权图的半监督图像分类方法 |
CN111277902A (zh) * | 2020-02-17 | 2020-06-12 | 北京达佳互联信息技术有限公司 | 一种视频匹配方法和装置及设备 |
CN113139976A (zh) * | 2021-04-20 | 2021-07-20 | 上海科技大学 | 基于压入与重标记可提前终止的最大流最小割求解算法 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004003847A2 (en) * | 2002-06-28 | 2004-01-08 | Koninklijke Philips Electronics N.V. | Background-foreground segmentation based on object classification |
CN101101668A (zh) * | 2007-07-13 | 2008-01-09 | 杭州电子科技大学 | 一种基于振荡网络的医学图像分割方法 |
US20100046830A1 (en) * | 2008-08-22 | 2010-02-25 | Jue Wang | Automatic Video Image Segmentation |
CN102270338A (zh) * | 2011-06-27 | 2011-12-07 | 西安交通大学 | 基于改进图表示的重复物体有效分割方法 |
CN102467740A (zh) * | 2010-11-08 | 2012-05-23 | 北京大学 | 一种大尺寸彩色图像的前景和背景交互式分割方法及*** |
-
2013
- 2013-02-26 CN CN201310060703.9A patent/CN103198470B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004003847A2 (en) * | 2002-06-28 | 2004-01-08 | Koninklijke Philips Electronics N.V. | Background-foreground segmentation based on object classification |
CN101101668A (zh) * | 2007-07-13 | 2008-01-09 | 杭州电子科技大学 | 一种基于振荡网络的医学图像分割方法 |
US20100046830A1 (en) * | 2008-08-22 | 2010-02-25 | Jue Wang | Automatic Video Image Segmentation |
CN102467740A (zh) * | 2010-11-08 | 2012-05-23 | 北京大学 | 一种大尺寸彩色图像的前景和背景交互式分割方法及*** |
CN102270338A (zh) * | 2011-06-27 | 2011-12-07 | 西安交通大学 | 基于改进图表示的重复物体有效分割方法 |
Non-Patent Citations (1)
Title |
---|
王建青: ""基于图割理论的图像分割方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015027412A1 (zh) * | 2013-08-28 | 2015-03-05 | 华为技术有限公司 | 一种复杂图的处理方法和设备 |
CN104134192A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和*** |
CN107204034A (zh) * | 2016-03-17 | 2017-09-26 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及终端 |
CN107204034B (zh) * | 2016-03-17 | 2019-09-13 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及终端 |
US11037275B2 (en) | 2016-03-17 | 2021-06-15 | Tencent Technology (Shenzhen) Company Limited | Complex architecture for image processing |
CN106204600A (zh) * | 2016-07-07 | 2016-12-07 | 广东技术师范学院 | 基于多序列mr图像关联信息的脑肿瘤图像分割方法 |
CN106920244A (zh) * | 2017-01-13 | 2017-07-04 | 广州中医药大学 | 一种检测图像区域边缘附近背景点的方法 |
CN106920244B (zh) * | 2017-01-13 | 2019-08-02 | 广州中医药大学 | 一种检测图像区域边缘附近背景点的方法 |
CN109740658B (zh) * | 2018-12-28 | 2023-04-18 | 陕西师范大学 | 一种基于带权图的半监督图像分类方法 |
CN109740658A (zh) * | 2018-12-28 | 2019-05-10 | 陕西师范大学 | 一种基于带权图的半监督图像分类方法 |
CN111277902A (zh) * | 2020-02-17 | 2020-06-12 | 北京达佳互联信息技术有限公司 | 一种视频匹配方法和装置及设备 |
CN111277902B (zh) * | 2020-02-17 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 一种视频匹配方法和装置及设备 |
WO2022222367A1 (zh) * | 2021-04-20 | 2022-10-27 | 上海科技大学 | 基于压入与重标记可提前终止的最大流最小割求解算法 |
CN113139976A (zh) * | 2021-04-20 | 2021-07-20 | 上海科技大学 | 基于压入与重标记可提前终止的最大流最小割求解算法 |
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 |
---|---|
CN103198470B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103198470A (zh) | 图像的分割方法及*** | |
CN109740465B (zh) | 一种基于实例分割神经网络框架的车道线检测算法 | |
CN102708370B (zh) | 一种多视角图像前景目标提取方法及装置 | |
CN105608456A (zh) | 一种基于全卷积网络的多方向文本检测方法 | |
CN105631880A (zh) | 车道线分割方法和装置 | |
CN103985133A (zh) | 基于图割能量优化的影像间最优拼接线寻找方法及*** | |
CN103389042A (zh) | 基于深度图像的地面自动检测以及场景高度计算的方法 | |
CN102609950A (zh) | 一种二维视频深度图的生成方法 | |
CN111028350A (zh) | 一种利用双目立体相机构建栅格地图的方法 | |
CN112989985B (zh) | 一种融合夜间灯光数据与Landsat8 OLI影像的城市建成区提取方法 | |
CN101510304A (zh) | 一种分割获取前景图像的方法、装置和摄像头 | |
CN103260043A (zh) | 基于学习的双目立体图像匹配方法及*** | |
CN102609723A (zh) | 一种基于图像分类的全自动视频分割方法及装置 | |
CN104897671A (zh) | 一种水果果梗花萼的识别*** | |
CN102542544A (zh) | 一种色彩匹配的方法和*** | |
CN103702103A (zh) | 基于双目相机的光栅立体印刷图像合成方法 | |
CN114648640A (zh) | 一种目标物单体化方法、装置、设备及存储介质 | |
CN116503836A (zh) | 一种基于深度补全和图像分割的3d目标检测方法 | |
CN104637066A (zh) | 基于序贯细化的二值图像快速骨架提取方法 | |
CN102750694B (zh) | 基于局部最优置信传播算法的双目视频深度图求取方法 | |
CN106447718A (zh) | 一种2d转3d深度估计方法 | |
CN110197489B (zh) | 一种无人机降落区域的选择方法和装置 | |
Kumar et al. | A hybrid cluster technique for improving the efficiency of colour image segmentation | |
CN114611635A (zh) | 一种对象的识别方法、装置、存储介质及电子装置 | |
CN106683105A (zh) | 图像分割方法及图像分割装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170215 |
|
CF01 | Termination of patent right due to non-payment of annual fee |