申请/专利权人：重庆邮电大学

申请日：2023-12-01

公开（公告）日：2024-03-22

公开（公告）号：CN117745738A

主分类号：G06T7/11

分类号：G06T7/11;G06T7/136;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明请求保护一种基于超小型神经网络模型的工业CT图像分割方法，包括以下步骤：对输入工业CT图像进行阈值处理，生成二值图像；将二值图像优化处理，作为神经网络阈值分割特征；扩充阈值分割特征个数；利用网络特征提取模块生成CNN特征；将阈值分割特征和CNN特征融合到输入神经网络进行图像分割；训练整个超小型神经网络，最终用于工业CT图像分割。通过将传统阈值分割方法卷积化，提取阈值分割特征，并利用简化多尺度空洞卷积模块提取CNN特征，最后将两种特征融合进行神经网络学习并获得分割结果。由于阈值分割算法可学习参数少，效率高，能够提供大量的真实分割信息。因此该网络对工业CT图像的分割精度较高，且网络规模小，储存成本和训练成本低。

主权项：1.一种基于超小型神经网络模型的工业CT图像分割方法，其特征在于，包括以下步骤：步骤1、对输入工业CT图像进行阈值处理，生成二值图像；步骤2、将二值图像优化处理，作为神经网络阈值分割特征；步骤3、扩充阈值分割特征个数，保证阈值分割特征在特征融合后具有较高权重；步骤4、利用网络特征提取模块生成CNN特征；步骤5、将阈值分割特征和CNN特征融合到输入神经网络进行图像分割；步骤6、训练整个超小型神经网络，最终用于工业CT图像分割。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于超小型神经网络模型的工业CT图像分割方法

免责声明
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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD