本发明为一种基于边界框和同现特征预测的图像分割方法，首先，使用FCOS方法、多尺度策略和中心度思想，确定主体的检测框范围；其次确定主体部分设计了上下文感知金字塔特征提取模块得丰富的上下文特征，结合上下文感知金字塔特征提取模块特征映射后的通道注意机制模型模块和低层次特征映射后的空间注意机制模型模块，再使用交叉熵损失来监督显著边界定位信息的生成；对图像的同现特征进行预测，测量同现特征和目标特征的相似性来学习同现特征的概率并加入上下文先验信息以增强复杂场景中的鲁棒性，然后精准化边缘过程，达到目标精准分割的效果。
📄 2021109995759
📂 G06T7_194
👤 浙江工业大学
📅 2021-08-29
本发明公开了一种基于图像视觉的鱼群活跃度监测方法，包括如下步骤：S1、获取鱼群运动视频，随机选取一帧图像划分背景区域和鱼池区域，获得参照图；S2、分别对第K和第K+N帧图像预处理，获得图像a和图像b；S3、将图像a和图像b与参照图相乘去除背景区域，获得图像a’和图像b’；S4、过滤图像a’和b’获得图像a”和图像b”及对应的鱼群所占面积；S5、计算鱼群初始活跃度；S6、由鱼群重叠系数计算鱼群最终活跃度；S7、记录时间和对应的最终活跃度；S8、判断是否收到停止信号，若是，停止监测，否则，循环计算最终活跃度。可消除背景影响，减少干扰，提高计算准确性和有效性，计算量低，为鱼群状态监测提供依据。
📄 2021105415595
📂 G06T7_194
👤 浙江工业大学
📅 2021-05-18
本发明公开了一种确定主体和精准化边缘相结合的图像前景分割方法，将用于定位显著性区域的确定主体过程和精准分割目标的边缘精准化过程相结合，首先确定主体部分设计了上下文感知金字塔特征提取模块得丰富的上下文特征，结合上下文感知金字塔特征提取模块特征映射后的通道注意机制CA模块和低层次特征映射后的空间注意机制SA模块，用一种使用交叉熵损失来监督显著边界定位信息的生成从而得到定位信息；然后精准化边缘过程，以光谱消光技术为基础获取图像中非局部颜色特征，用ResNet‑101深度残差网络获取高级语义特征，用拉普拉斯矩阵结合两者以对图像中的像素点进行分类，达到目标精准分割的效果；最后，在将两个过程的结果相融合。
📄 2021109995744
📂 G06T7_194
👤 浙江工业大学
📅 2021-08-29
本发明公开了一种基于文本背景感知增强的小样本工业缺陷图像分割方法、系统及存储介质，包括：根据工业缺陷图像集构建对应支持‑查询对；建立文本背景感知增强模型；利用全部支持‑查询对训练文本背景感知增强模型；将待分割的查询图像、对应支持图像和掩码标签输入训练好的文本背景感知增强模型，获得少样本分割模型的输出结果作为对应查询图像的分割预测结果。通过融合多模态语言‑视觉建模机制与联合激活图优化策略，大大提升缺陷检测的精度与效率，实现小样本、低成本检测，且泛化能力强。
📄 2025110869079
📂 G06T7_194
👤 浙江工业大学
📅 2025-08-05
本发明涉及一种图像元素提取方法,包括获取原始图像并识别原始图像中的物体轮廓;获取原始图像的灰度图像;将灰度图像平均分为设定数量的局部图像,并确定任一局部图像的最佳阈值,以区分背景图和目标图;计算任一目标图轮廓与原始图像中相应的物体轮廓的图形相似度,在第二相似度水平下确定对相应的最佳阈值的校正方式;检测任一局部图像中提取出的目标图的噪声点数量,在第二数量水平下确定对划分的局部图像的数量的修正方式;合并重建目标图以输出二值图,对二值图进行平滑处理以得到特征图像;将所述特征图像输入至神经网络模型,以输出图像元素提取结果。本发明提高了图像元素提取的清晰度和提取精度。
📄 2023103363203
📂 G06T7_194
👤 西大(重庆)智能设备有限公司
📅 2023-03-31
本发明公开了一种基于成像高光谱分析的水稻纹枯病病斑提取方法。传统的病害表型测量与调查主要依靠人工，劳动量大，效率低。本发明的步骤如下：1、用成像光谱仪拍摄目标作物，得到成像高光谱数据。2、去除步骤1所得成像高光谱数据中的非植物背景。3、在666nm和494nm波段反射率下对步骤2所得的成像高光谱数据中的水稻叶片茎杆与异常区域进行分类。4、基于病斑扫描的非病斑异常区域去除。本发明独创的图像识别方法，能够识别对茎杆上的纹枯病病斑，克服了现有技术中仅能高效提取叶部病斑的缺陷。本发明能够对图像中的病斑和枯叶进行区别，以达到较高的识别精度。
📄 201910445932X
📂 G06T7_194
👤 杭州电子科技大学
📅 2019-05-27
本发明涉及一种基于前背景解耦的抠图方法。包括前景分割、背景分割和消歧，并设计了一种由新子任务驱动的新颖的前景‑背景解耦抠图（FBDM）深度神经网络模型。本发明分为四部分，第一部分设计了一个更加合理的抠图子任务集合。第二部分设计了一个嵌套注意机制来解耦主干特征。第三部分为语义解码部分，通过主干特征利用两个独立的渐进式语义解码器来完成前景和背景分割子任务。第四部分为分频局部消歧模块，通过分别预测低频和高频信息以矫正不同频域的错误，最终提升扣图的精度。一系列实验结果表明，本发明算法显著提升了抠图精度。
📄 2022109836687
📂 G06T7_194
👤 闽江大学
📅 2022-08-16
本发明提供基于自引导推理的弱监督图像语义分割方法，用来解决现有图像级标签监督下弱监督学习方法无法生成精确的语义分割图和训练过程复杂化的问题。为了解决这个问题，本发明基于同一对象的语义标签具有空间连续性提出了自引导推理层和自引导推理模块。本发明在技术上克服了现有弱监督语义分割技术无法获得精确分割效果和训练过程繁琐的问题，有效地提高了图像语义分割的准确率。
📄 2019110874724
📂 G06T7_194
👤 安徽大学
📅 2019-11-08
本发明涉及一种生菜多光谱图像前景分割方法，与现有技术相比解决了多镜头多光谱相机各通道之间存在偏差以及传统方法无法精确提取生菜前景区域的缺陷。本发明包括以下步骤：生菜多光谱图像的获取和预处理；行边缘提取操作；生菜多光谱图像的配准；图像分割模型的建立；图像分割模型的训练；待分割图像的获取和处理；待分割图像结果的获得。本发明能够对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割，其单张图像的配准时间为0.92s，配准精确度达到99％。
📄 2021105198292
📂 G06T7_194
👤 安徽大学
📅 2021-05-13
本发明涉及图像处理技术领域，公开了基于Transformer的宫颈癌病理图像癌变组织的分割方法及系统，方法包括：采集宫颈癌病理图像并进行标注，获得宫颈癌病理图像数据集；使用DeepLabV3+作为主干网络构建宫颈癌病理图像分割网络，其中，在编码器中添加多特征Transformer单元以提取不同尺度的语义信息，且减少全局注意力计算中的冗余性；使用宫颈癌病理图像数据集对所述宫颈癌病理图像分割网络进行训练；使用训练好的宫颈癌病理图像分割网络对宫颈癌病理图像中的肿瘤和背景部分进行分割。本发明在分割宫颈癌病理图像时具有较高的准确率和较快的运行速度。
📄 2024117800667
📂 G06T7_194
👤 华侨大学
📅 2024-12-05
本发明适用于图像工程领域，提供了一种图像分割方法及设备，将待分割图像分割为至少两个区域，以及将所述至少两个区域初步标记出前景和背景，其中，所述前景包括需要被分割出的区域，所述背景包括不需要被分割出的区域；根据随机游走Random Walk算法将初步标记出的所述前景和所述背景进一步进行分割，分割出最终的所述前景和所述背景，提高了图像分割的效率。
📄 2018106353575
📂 G06T7_194
👤 浙江德尔达医疗科技有限公司
📅 2018-06-20
本发明公开了一种基于改进的低秩稀疏分解(LRSD)的视频前背景分离方法。在观测的视频数据中，帧与帧之间的背景有较强的相关性可以将其看作低秩矩阵，而前景目标呈现出与背景不同的运动形式，可以被认为是低秩矩阵中的异常点且通常只占整个背景中的一小部分，符合稀疏特性。因此，在LRSD中认为视频数据是由具有低秩特性的背景和稀疏特性的前景构成的。本发明采用广义核范数和拉普拉斯尺度混合来构建一个低秩稀疏分解模型，然后采用交替方向乘子法来求解该模型，得到低秩矩阵和稀疏矩阵，从而完成视频的前背景分离。本发明解决了现有低秩稀疏分解方法中对秩函数和稀疏度函数近似表达不准确的问题，提高了基于低秩稀疏分解的视频前背景分离方法的性能。
📄 2019107447663
📂 G06T7_194
👤 南京邮电大学
📅 2019-08-09
柿子坊 · 知识产权运营
柿子坊知识产权运营平台