专利交易市场

本公开公开了基于模糊C均值和概率标签融合的图像分割方法及系统，包括：利用以超像素为聚类中心的模糊C均值算法，对获取的大脑核磁共振图像进行病灶分割，得到不同模态图像的初始病灶分割结果；基于多模态概率标签融合算法，对不同模态图像的初始病灶分割结果进行概率标签融合，得到最终的病灶分割结果。使用基于超像素的改进的模糊C均值算法进行了核磁共振图像的各个模态的分割。融合不同模态的分割优势，生成最优分割结果。核磁图像的三个模态的分割各有优势，本方法融合不同模态的分割结果，得到更加精确的分割效果。

发明人提出了一种多层级的垃圾废弃物目标定位与分割的技术方案，通过结合场景级别的粗略分割网络与目标级别的细致分割网络来当前解决垃圾废弃物定位与分割任务中面临的问题，具体包括步骤：获取符合预设标准的图像；先后以粗略分割网络和细致分割网络对所述图像进行处理，然后以CRF模型对分割结果做优化处理，得到语义分割结果。发明人同时还提出了相应的废弃物目标定位和分割的装置。本发明可通过结合全局场景与局部目标之间的关系，构建具有更强鲁棒性的多级网络，解决垃圾废弃物目标定位与分割任务中遇到的极端大小差异问题。

本发明属于机载激光雷达点云数据处理技术领域，具体涉及一种基于树冠三维点云分布的单木分割方法。本发明通过利用机载激光雷达获取森林植被冠层三维激光点云数据，并根据树冠形状变化趋势，分析树冠的点云分布特征，根据点与点之间的关系，经历去噪与滤波、点云归一化、提取树冠轮廓点、趋势判别法和删除错误的分割树的处理，建立基于原始激光点云从森林中分割出单树的单木分割方法。本发明摆脱了单木分割对先验数据的依赖，克服因点云数量大所导致的运算复荷大的问题，且相比基于CHM的单木分割方法，避免了点云差值生成CHM所带来的误差以及分割处理时仅仅只是利用了每个栅格中高程的最大值造成的漏分割，分割效果很好。

本发明适用医学图像处理技术领域，提供了一种数字脑可视化方法、装置、计算设备及存储介质，该方法包括：当接收到数字脑可视化请求时，获取数字脑可视化请求中的待可视化脑图像，该待可视化脑图像包括TOF模态下磁共振造影脑图像和T1模态下磁共振造影脑图像，使用预设的脑血管分割算法提取TOF模态下磁共振造影脑图像中的脑血管结构，使用预设的提取算法提取T1模态下磁共振造影脑图像中的脑组织结构，对提取的脑血管结构和脑组织结构进行三维配准，得到配准后的脑部图像并绘制输出，从而提高了脑组织与脑血管配准融合的准确性，提高了数字脑可视化的准确性，进而提高了数字脑可视化效果。