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！

龙图腾网获悉中国科学技术大学申请的专利基于应变先验约束的裂纹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：CN116416269B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310412898.2，技术领域涉及：G06T7/136；该发明授权基于应变先验约束的裂纹分割方法及系统是由许峰;仓娇青;肖宇;胡小方设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本基于应变先验约束的裂纹分割方法及系统在说明书摘要公布了：本发明提供了一种基于应变先验约束的裂纹分割方法及系统，包括：采集待测样本的CT图像；对待测样本的CT图像中的裂纹进行标注，生成对应的标签图像；根据待测样本的CT图像计算三维应变场信息，得到每张待测样本的CT图像对应的应变图谱；构建神经网络模型，将待测样本的CT图像及标签图像作为输入，应变图谱作为先验约束知识，引导神经网络模型进行训练；将待分割CT图像及待分割CT图像的应变图谱输入到训练好的神经网络模型中，得到像素级分割结果。本发明通过引入应变作为先验约束信息，通过卷积神经网络得到良好的裂纹分割结果，提高分割结果的客观性及准确性。

本发明授权基于应变先验约束的裂纹分割方法及系统在权利要求书中公布了：1.一种基于应变先验约束的裂纹分割方法，其特征在于，包括如下步骤： CT图像采集步骤：采集待测样本的CT图像； 标签图像生成步骤：对待测样本的CT图像中的裂纹进行标注，生成对应的标签图像； 应变图谱获取步骤：根据待测样本的CT图像计算三维应变场信息，得到每张待测样本的CT图像对应的应变图谱； 网络模型训练步骤：构建神经网络模型，将待测样本的CT图像及标签图像作为输入，应变图谱作为先验约束知识，引导神经网络模型进行训练； 分割结果获取步骤：将待分割CT图像及待分割CT图像的应变图谱输入到训练好的神经网络模型中，得到像素级分割结果； 在所述应变图谱获取步骤中，通过包括但不限于数字体积相关性分析，得到相邻拉伸状态间的三维应变体；对三维应变体进行切片，得到每张待测样本的CT图像对应的应变图谱； 在所述应变图谱获取步骤中，通过数字体积相关性分析处理通过体成像设备获得的同一物体内部在变形前后的体图像，将变形前体图像作为基准，为参考体图像，变形后体图像为目标体图像； 跟踪体素点的三维位移，以该体素点为中心取预设区域为子区； 在目标体图像中逐像素搜索子区，找出与参考子区相似程度最大的目标子区，得到整像素位移，为初始形函数； 采用亚像素迭代算法对相关函数进行优化，进行形函数的迭代更新； 依次计算各个子区，获得三维位移场，从三维位移矢量场中采用差分法得到三维应变场信息； 在所述应变图谱获取步骤中，变形前后子区的相似程度通过零均值归一化互相关函数CZNCC定量评价： CZNCC= 其中，是参考子区中第i点的灰度；是目标子区中第i点的灰度；i=1,2,3，···，n；n表示体素点数；为参考子区的平均灰度值；为目标子区的平均灰度值；表示参考子区到目标子区中心体素的x向位移；表示参考子区到目标子区中心体素的y向位移；为参考子区到目标子区中心体素的z向位移；表示参考子区第i点的x向坐标；表示参考子区第i点的y向坐标；表示参考子区第i点的z向坐标； 当变形前子区的灰度和目标子区的灰度线性相关时，CZNCC=1；不相关时，CZNCC=0； 在所述标签图像生成步骤中，采集待测样本的CT图像，对待测样本的CT图像进行尺寸预处理，对尺寸预处理后的图像中的裂纹进行标注，生成对应的标签图像； 在所述网络模型训练步骤中，构建卷积神经网络U-Net，将CT图像和对应的应变图谱作为双通道输入，使用语义分割中的损失函数CELoss和DiceLoss反向传播，将标签图像作为真实标签对模型进行训练。

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国科学技术大学，其通讯地址为：230041 安徽省合肥市金寨路96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。