厦门大学高云龙获国家专利权
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!
龙图腾网获悉厦门大学申请的专利一种图像分割方法及系统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:CN115205310B 。
龙图腾网通过国家知识产权局官网在2026-02-24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:202210786622.6,技术领域涉及:G06T7/11;该发明授权一种图像分割方法及系统是由高云龙;王嘉麟;潘金艳;谢嘉欣;谢有为设计研发完成,并于2022-07-04向国家知识产权局提交的专利申请。
本一种图像分割方法及系统在说明书摘要公布了:本发明涉及一种图像分割方法及系统,所述方法包括如下步骤:对样本图像进行特征提取,构建所述样本图像的样本矩阵;采用鲁棒判别模糊C均值聚类方法,确定所述样本矩阵的隶属度矩阵;利用所述隶属度矩阵对所述样本图像进行分割。本发明利用一种将模糊理论与聚类算法结合的鲁棒判别模糊C均值聚类方法,实现图像分割,对噪声图像有更好的分割性能,对图像中的非均衡信息和边缘信息有更强的识别与提取能力,图像分割结果更加准确,提高了图像分割的效果。
本发明授权一种图像分割方法及系统在权利要求书中公布了:1.一种图像分割方法,其特征在于,所述方法包括如下步骤: 对样本图像进行特征提取,构建所述样本图像的样本矩阵; 采用鲁棒判别模糊C均值聚类方法,确定所述样本矩阵的隶属度矩阵; 利用所述隶属度矩阵对所述样本图像进行分割; 所述采用鲁棒判别模糊C均值聚类方法,确定所述样本矩阵的隶属度矩阵,具体包括: 初始化每个数据簇的聚类中心; 根据每个数据簇的聚类中心,计算样本矩阵中每个样本点相对于每个数据簇的隶属度,构建隶属度矩阵; 判断是否满足迭代结束条件,获得判断结果; 若所述判断结果表示否,根据隶属度矩阵更新每个数据簇的聚类中心,返回步骤“根据每个数据簇的聚类中心,计算样本矩阵中每个样本点相对于每个数据簇的隶属度,构建隶属度矩阵”; 若所述判断结果表示是,则输出所述隶属度矩阵; 所述根据每个数据簇的聚类中心,计算样本矩阵中每个样本点相对于每个数据簇的隶属度,具体包括: 根据每个数据簇的聚类中心,采用公式,计算样本矩阵中每个样本点相对于每个数据簇的隶属度; 其中,表示样本矩阵中第j个样本点相对于第i个数据簇的隶属度,表示数据簇的数量,表示第i个数据簇的聚类中心,表示第j个样本点的特征,表示第k个数据簇的聚类中心,m表示模糊指数; 所述根据隶属度矩阵更新每个数据簇的聚类中心,具体包括: 根据每个数据簇的聚类中心,利用公式,计算超参数; 其中,表示超参数,表示样本点的数量,表示第j个样本点的特征,表示数据簇的数量,表示第i个数据簇的聚类中心,表示全局聚类中心,; 根据所述超参数和所述隶属度矩阵,采用公式,更新每个数据簇的聚类中心; 其中,表示第i个数据簇的更新后的聚类中心,表示样本矩阵中第j个样本点相对于第i个数据簇的隶属度,m表示模糊指数,表示预设参数。
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厦门大学,其通讯地址为:361005 福建省厦门市思明南路422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”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励