-
公开(公告)号：CN109300138B
公开(公告)日：2022-03-18
申请号：CN201810870209.1
申请日：2018-08-02
Applicant: 哈尔滨工程大学
IPC: G06T7/12
Abstract: 本发明提供一种基于两步纳什均衡改进C‑V模型的医学图像分割方法，建立数学模型，初始化轮廓曲线，输入目标集和背景集，读取节点的像素灰度，与目标集中的节点进行比较，如果修正的纳什均衡未出现平衡，将节点存储到背景集中，否则，修正后的负纳什均衡出现，将节点存储到目标集中，当图像中没有新节点时，输出对象和背景集合，计算和比较目标最大收益和背景最大收益，平滑轮廓，直到收敛。本发明将节点像素灰度的标准差作为参与者的收益来衡量图像中的簇；将熵节点像素灰度的标准差定义为熵，评估图像中灰度分布的概率；利用熵对纳什均衡进行修正，获得内外簇平衡；模型没有阈值，没有经验设置，分割医学图像效果优于现有方法。
-
公开(公告)号：CN109272508B
公开(公告)日：2021-10-26
申请号：CN201810869760.4
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像信息处理研究领域，具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法，包括以下步骤：找到图像的最大和最小灰度值，并把他们保存到变量max和min中；根据图像的宽和高将图像分割为点集；使用Monte Carlo方法从点集中随机的选择1000个点；计算点集的灰度最大和最小值分别为Pimax和Pimin；计算对象的下降和上升粗糙集分别保存到OT和计算背景的上升和下降粗糙集保存到和BT中；对子集进行排序，并根据阈值T来画出轮廓，如果子集的灰度值大于阈值T，则子集属于对象缓冲区，如果子集的灰度值低于阈值T，则子集属于背景缓冲区，得到图形的粗糙轮廓；对粗分割的第一阶段进行调整，得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。
-
Patent Agency Ranking
公开(公告)号：CN109300138A
公开(公告)日：2019-02-01
申请号：CN201810870209.1
申请日：2018-08-02
Applicant: 哈尔滨工程大学
IPC: G06T7/12
Abstract: 本发明提供一种基于两步纳什均衡改进C-V模型的医学图像分割方法，建立数学模型，初始化轮廓曲线，输入目标集和背景集，读取节点的像素灰度，与目标集中的节点进行比较，如果修正的纳什均衡未出现平衡，将节点存储到背景集中，否则，修正后的负纳什均衡出现，将节点存储到目标集中，当图像中没有新节点时，输出对象和背景集合，计算和比较目标最大收益和背景最大收益，平滑轮廓，直到收敛。本发明将节点像素灰度的标准差作为参与者的收益来衡量图像中的簇；将熵节点像素灰度的标准差定义为熵，评估图像中灰度分布的概率；利用熵对纳什均衡进行修正，获得内外簇平衡；模型没有阈值，没有经验设置，分割医学图像效果优于现有方法。
-
公开(公告)号：CN109272508A
公开(公告)日：2019-01-25
申请号：CN201810869760.4
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像信息处理研究领域，具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法，包括以下步骤：找到图像的最大和最小灰度值，并把他们保存到变量max和min中；根据图像的宽和高将图像分割为点集；使用Monte Carlo方法从点集中随机的选择1000个点；计算点集的灰度最大和最小值分别为Pimax和Pimin；计算对象的下降和上升粗糙集分别保存到OT和 计算背景的上升和下降粗糙集保存到 和BT中；对子集进行排序，并根据阈值T来画出轮廓，如果子集的灰度值大于阈值T，则子集属于对象缓冲区，如果子集的灰度值低于阈值T，则子集属于背景缓冲区，得到图形的粗糙轮廓；对粗分割的第一阶段进行调整，得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。
-
公开(公告)号：CN110472293A
公开(公告)日：2019-11-19
申请号：CN201910652021.4
申请日：2019-07-15
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明涉及海面物体漂浮模拟，具体涉及一种基于多重心漂浮物模型的不规则物体漂浮仿真方法。本发明提出的浮力模型是为漂浮物上较为突出的角块分配独立的物理重心，其中漂浮模型主要包含目标漂浮物总重心的确认、角块物理重心及其重心权值的确认、多重心的矢量合成、阻力问题的确定几个主要功能。本发明的多重心漂浮模型与传统单重心漂浮模型相比，在角块较多的不规则漂浮物上表现出更符合实际力学效果的姿态。
-
公开(公告)号：CN109191474A
公开(公告)日：2019-01-11
申请号：CN201811017253.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 一种基于虫洞行为粒子群优化算法的脑图像分割方法涉及图像处理技术领域，具体涉及一种基于虫洞行为粒子群优化算法的脑图像分割方法。一种基于虫洞行为粒子群优化算法的脑图像分割方法，包括以下步骤：(1)输入图像并初始化；(2)把粒子聚类为种子和像素；(3)检查第一粒子是否在第二粒子的邻域内，是则分组，否则进入步骤(6)；(4)检查粒子是否在种子粒子的邻域范围内，是则分组，否则进入步骤(6)；(5)两个种子颗粒相遇时计算距离，进行步骤(7)；(6)将粒子聚集到前景和背景区域；(7)将粒子聚类到前台和后台区域；(8)如果已完成聚类，则输出图像退出，否则进行步骤(3)。本发明操作效率高、分割精度。
-
公开(公告)号：CN109191474B
公开(公告)日：2022-03-18
申请号：CN201811017253.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G06T7/11 , G06T7/194 , G06V10/762
Abstract: 一种基于虫洞行为粒子群优化算法的脑图像分割方法涉及图像处理技术领域，具体涉及一种基于虫洞行为粒子群优化算法的脑图像分割方法。一种基于虫洞行为粒子群优化算法的脑图像分割方法，包括以下步骤：(1)输入图像并初始化；(2)把粒子聚类为种子和像素；(3)检查第一粒子是否在第二粒子的邻域内，是则分组，否则进入步骤(6)；(4)检查粒子是否在种子粒子的邻域范围内，是则分组，否则进入步骤(6)；(5)两个种子颗粒相遇时计算距离，进行步骤(7)；(6)将粒子聚集到前景和背景区域；(7)将粒子聚类到前台和后台区域；(8)如果已完成聚类，则输出图像退出，否则进行步骤(3)。本发明操作效率高、分割精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
