欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025119361315
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于递归提示的实例分割及计算方法,其特征在于,包括:对输入图像进行初级实例分割处理,获得至少一个初级目标对象掩码;

基于所述初级目标对象掩码生成候选提示点集合和区域框提示集合;

所述基于所述初级目标对象掩码生成候选提示点集合和区域框提示集合,包括:提取所述初级目标对象掩码的轮廓特征,基于所述轮廓特征计算凸包特征点、极值点或曲率关键点,生成所述候选提示点集合;所述候选提示点集合包括所述凸包特征点、所述极值点和所述曲率关键点;

计算覆盖所述初级目标对象的最小外接矩形,将所述最小外接矩形均匀划分为m×n个子区域,生成所述区域框提示集合;m、n均为大于1的正整数;

基于所述候选提示点集合筛选得到目标提示信息集合;

所述基于所述候选提示点集合筛选得到目标提示信息集合,包括:构建各候选提示点对应的多维特征向量,所述多维特征向量包括局部曲率强度特征、局部轮廓方向变化率特征、局部区域对比度特征和轮廓层次权重特征;

基于所述多维特征向量计算各所述候选提示点各自对应的显著性评分;

基于轮廓复杂度指标计算筛选阈值;

基于所述显著性评分筛选出目标提示点;所述目标提示点为所述显著性评分大于等于所述筛选阈值的所述候选提示点;

对所述目标提示点执行非极大值抑制处理,剔除局部邻域内的冗余提示点;

所述轮廓复杂度指标通过以下方式计算:

提取所述初级目标对象掩码的轮廓点集合;

基于所述轮廓点集合计算轮廓周长和轮廓面积;

根据所述轮廓周长和所述轮廓面积计算得到所述轮廓复杂度指标:;

其中,R_complexity为所述轮廓复杂度指标,L为所述轮廓周长,A为所述轮廓面积;

基于所述目标提示信息集合和所述区域框提示集合,进行递归分割获得子部分掩码;

基于所述子部分掩码计算各子部分之间的几何关系数据。

2.根据权利要求1所述的基于递归提示的实例分割及计算方法,其特征在于,所述基于所述子部分掩码计算各子部分之间的几何关系数据,包括:基于主成分分析算法计算各子部分的主方向向量,并计算任意两个子部分的主方向向量之间的夹角作为角度关系数据;

计算各子部分的质心坐标,并计算任意两个子部分的质心之间的欧氏距离作为距离关系数据;

基于各子部分的质心坐标的水平差值和垂直差值,确定相对方位关系数据;

根据所述角度关系数据、所述距离关系数据和所述相对方位关系数据得到所述几何关系数据。

3.根据权利要求2所述的基于递归提示的实例分割及计算方法,其特征在于,还包括:基于形状不变矩计算任意两个子部分掩码之间的形状相似度,所述形状不变矩用于定量描述子部分掩码的全局几何特征且具有平移、缩放和旋转不变性;

基于各所述子部分掩码的前景像素数量计算任意两个子部分之间的相对面积比;所述几何关系数据还包括所述形状相似度和所述相对面积比。

4.根据权利要求1所述的基于递归提示的实例分割及计算方法,其特征在于,所述对输入图像进行初级实例分割处理之前,包括:对所述输入图像执行多尺度高斯滤波降噪处理得到滤波后图像;

对各尺度下的所述滤波后图像执行边缘增强处理;

基于边缘响应总能量选择最优处理尺度;

基于最优尺度图像对所述初级目标对象掩码的轮廓执行形态学闭运算处理以填补轮廓断裂。

5.一种基于递归提示的实例分割及计算系统,其特征在于,包括:实例分割模块,用于对输入图像进行初级实例分割处理,获得至少一个初级目标对象掩码;

提示生成模块,用于基于所述初级目标对象掩码生成候选提示点集合和区域框提示集合;所述基于所述初级目标对象掩码生成候选提示点集合和区域框提示集合,包括:提取所述初级目标对象掩码的轮廓特征,基于所述轮廓特征计算凸包特征点、极值点或曲率关键点,生成所述候选提示点集合;所述候选提示点集合包括所述凸包特征点、所述极值点和所述曲率关键点;

计算覆盖所述初级目标对象的最小外接矩形,将所述最小外接矩形均匀划分为m×n个子区域,生成所述区域框提示集合;m、n均为大于1的正整数;

提示筛选模块,用于基于所述候选提示点集合筛选得到目标提示信息集合;所述基于所述候选提示点集合筛选得到目标提示信息集合,包括:构建各候选提示点对应的多维特征向量,所述多维特征向量包括局部曲率强度特征、局部轮廓方向变化率特征、局部区域对比度特征和轮廓层次权重特征;

基于所述多维特征向量计算各所述候选提示点各自对应的显著性评分;

基于轮廓复杂度指标计算筛选阈值;

基于所述显著性评分筛选出目标提示点;所述目标提示点为所述显著性评分大于等于所述筛选阈值的所述候选提示点;

对所述目标提示点执行非极大值抑制处理,剔除局部邻域内的冗余提示点;

所述轮廓复杂度指标通过以下方式计算:

提取所述初级目标对象掩码的轮廓点集合;

基于所述轮廓点集合计算轮廓周长和轮廓面积;

根据所述轮廓周长和所述轮廓面积计算得到所述轮廓复杂度指标:;

其中,R_complexity为所述轮廓复杂度指标,L为所述轮廓周长,A为所述轮廓面积;

递归分割模块,用于基于所述目标提示信息集合和所述区域框提示集合,进行递归分割获得子部分掩码;

关系计算模块,用于基于所述子部分掩码计算各子部分之间的几何关系数据。

6.一种电子设备,其特征在于,包括存储器和处理器,其中,所述存储器,用于存储程序;

所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至4中任意一项所述的基于递归提示的实例分割及计算方法中的步骤。

7.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时能够实现上述权利要求1至4中任意一项所述的基于递归提示的实例分割及计算方法中的步骤。