买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利少样本学习的颗粒图像分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117036385B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311066641.2，技术领域涉及：G06T7/11；该发明授权少样本学习的颗粒图像分割方法是由王雅琳;董铭江;谭栩杰;袁君奇;刘晨亮;彭渝彬;蒋朝辉;潘冬;桂卫华设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本少样本学习的颗粒图像分割方法在说明书摘要公布了：本公开实施例中提供了一种少样本学习的颗粒图像分割方法，属于图像处理技术领域，具体包括：获取颗粒图像数据；基于SAM模型分割颗粒图像数据，获取带伪标签的颗粒图像；将带伪标签的颗粒图像划分为训练集、验证集和测试集；得到最优颗粒分割模型；将所述测试集输入最优颗粒分割模型，得到颗粒分割掩膜；基于四邻域检测法提取去噪后的颗粒分割掩膜中每个独立的连通域，获得初步颗粒分割图；基于面积自适应的图像腐蚀算法对初步颗粒分割图进行后处理，得到腐蚀后的分割图；计算腐蚀后的分割图中每个独立连通域的数量与面积，基于面积取值范围计算粒度分布。通过本公开的方案，提高了图像分割的效率和精准度。

本发明授权少样本学习的颗粒图像分割方法在权利要求书中公布了：1.一种少样本学习的颗粒图像分割方法，其特征在于，包括： 步骤1，获取颗粒图像数据； 步骤2，基于SAM模型分割颗粒图像数据，获取带伪标签的颗粒图像，并对伪标签进行针对性优化； 步骤3，将带伪标签的颗粒图像划分为训练集、验证集和测试集； 步骤4，将训练集和验证集输入融合多跳跃连接的全卷积网络模型进行训练，得到最优颗粒分割模型； 所述步骤4之前，所述方法还包括： 采用预训练的VGG16深度网络作为全卷积网络模型的主干网络，所述VGG16深度网络包括7个卷积层和5个池化层； 将4个反卷积层作为全卷积网络模型的上采样部分； 所述多跳跃连接的过程包括： 将第七个卷积层的输出经过第一个反卷积层处理后，与第四个池化层的输出融合，得到一级特征； 将一级特征经过第二个反卷积层处理后，与第三个池化层的输出融合，得到二级特征； 将二级特征经过第三个反卷积层处理后，与第二个池化层的输出融合，得到三级特征； 将所述三级特征经过最终的四倍反卷积层处理后，得到与输入图像分辨率一致的最终分割掩膜； 步骤5，将所述测试集输入最优颗粒分割模型，得到颗粒分割掩膜，然后基于阈值法和一级边缘检测法对颗粒分割掩膜进行噪点去除，输出去噪后的颗粒分割掩膜； 步骤6，基于四邻域检测法提取去噪后的颗粒分割掩膜中每个独立的连通域，获得初步颗粒分割图； 步骤7，基于面积自适应的图像腐蚀算法对初步颗粒分割图进行后处理，得到腐蚀后的分割图； 步骤8，计算腐蚀后的分割图中每个独立连通域的数量与面积，基于面积取值范围计算粒度分布。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。