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！

龙图腾网恭喜杭州电子科技大学申请的专利基于粒计算和SLIC的多粒度融合密集人群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：CN114332114B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202111576870.X，技术领域涉及：G06T7/11；该发明授权基于粒计算和SLIC的多粒度融合密集人群分割方法是由张旭光;郭江涛;周生运设计研发完成，并于2021-12-21向国家知识产权局提交的专利申请。

本基于粒计算和SLIC的多粒度融合密集人群分割方法在说明书摘要公布了：本发明公开了一种基于粒计算和SLIC的多粒度融合密集人群分割方法。密集人群图像的人群片段往往是连通的一大片区域，可以通过超像素SLIC算法对人群图像预处理，将图像分割成性质相似的“粒”，可以根据粒级别特征对整块粒进行推断。这种方法的理想情况是人群和背景区域的边界刚好也是不同粒的边界。对同一幅图像来说，粒数多、尺度小的细粒度图像在人群和背景区域的边界处的处理效果对最终分割结果更有利；而粒数少、尺度大的“粒”更有利于人群提取特征和分类。我们对不同粒度水平的粒结构图像进行融合，从而利用两者的优势。最后，对每个粒进行特征提取、分类，将所有粒的分类结果整合到原图像上，从而实现人群和背景的分割。

本发明授权基于粒计算和SLIC的多粒度融合密集人群分割方法在权利要求书中公布了：1.一种基于粒计算和SLIC的多粒度融合密集人群分割方法，包括如下步骤：步骤1.利用SLIC算法生成图像在不同粒度水平下粒结构图像；步骤2.提取不同粒度水平下粒结构图像的粒级别LRI分布熵；步骤3.不同粒度水平的粒结构图像融合；步骤4.对融合后的粒结构图像提取粒级别人群图像特征；步骤5.利用svm分类算法对图像粒进行二分类；步骤6.对人群图像进行分割；所述步骤1具体如下：步骤1.1，利用SLIC算法分别生成粗粒度的粒结构图像和细粒度粒结构图像，粗粒度图像为K＝100的生成的粒结构图像，细粒度图像为K＝200生成的粒结构图像，粒度水平由以下公式计算： 其中，G为粒度水平，N为图像总像素点数，K为一幅图像生成的粒子总数，K是SLIC算法的参数；所述步骤2具体如下：步骤2.1.选择5×5的窗口作为像素点的邻域来计算图像像素级的LRI特征值，得到图像的LRI特征图；步骤2.2.LRI的取值范围是0-255，将其均分为8个区间，统计图像每个粒中所有像素点的LRI值在8个区间的分布，得到每个区间的像素点频数，每个区间的像素点频数除以该粒的总像素点数，得到每个区间像素点出现的频率，再利用香农信息熵的公式计算得到LRI分布熵；LRI分布熵的公式描述如下： 其中，HX表示一个粒的LRI分布熵的值，i＝1,2,...,8；Pi表示LRI值每个区间像素点出现的频率；对步骤1.1中的K＝100和K＝200两种粒度水平下的粒结构图像分别提取LRI分布熵特征；所述步骤3的具体如下：利用LRI分布熵特征再加上粒尺寸和距离限制，对K＝100和K＝200生成的粒结构图像进行融合；K是SLIC算法的参数，表示一幅图像生成的粒的目标数目；K＝100和K＝200的粒结构图像分别记为img1，img2；融合算法的具体步骤如下：1加载步骤1提取的img1和img2的LRI分布熵特征，并设置一个阈值为img1中所有粒熵值的均值，记为Th，img1和img2中粒的熵值同时大于或小于阈值记为“特征相同”，否则记为“特征不同”；2加载img1和img2的标签矩阵,并将两幅图像每个粒标签对应的位置坐标集合找到，分别保存，并记img1中最大的标签为ml；3用上一步得到的img2的单个粒的位置坐标集合与img1中的每一个粒的位置坐标集合求交集，同时求交集占img1对应粒的比例r1和交集占img2当前粒的比例r2，并记img1中当前与img2中粒相交的粒标签为dist；4判断r2＝0.8和0.4＝r1＝0.6是否同时成立，若是，比较当前img1和img2的粒的特征，若“特征相同”，则将img1中与img2当前粒对应的所有位置坐标重叠的区域标签变为dist；若“特征不同”，将img1中与img2当前粒所有位置坐标重叠的区域标签变为ml+1，且ml＝ml+1；若否，进行下一步；5判断r2＝0.8是否成立，若是，则将img1中与img2当前粒对应的所有位置坐标重叠的区域标签变为dist；若否，进行下一步；6判断0.4＝r1＝0.6是否成立，若是，比较当前img1和img2的粒的特征，若“特征相同”，则将img1中与img2当前粒对应的所有位置坐标重叠的区域标签变为dist；若“特征不同”，将img1中与img2当前粒所有位置坐标重叠的区域标签变为ml+1，且ml＝ml+1；若否，则不进行任何变化；7重复3-6直到img2中的所有粒完成判断；所述步骤4的具体如下：步骤4.1首先提取像素级别的LRI和LBP特征；步骤4.2取每个粒中所有像素点的LRI均值作为粒的一个特征，记为f1；步骤4.3利用同样的方法提取融合后的粒结构图像的LRI分布熵特征，记为f2；步骤4.4和步骤4.2类似，取每个粒中所有像素点的LBP值的均值作为粒的另一个特征，记为f3；步骤4.5每个颜色分量的强度范围为0-255，将每个颜色分量分为8个区间，统计每个粒在8个区间像素点频数，进行归一化，最后在三个分量上各得到一个8维向量，将三个向量合并起来，最终得到一个24维向量作为粒的颜色直方图特征，记为f4。

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杭州电子科技大学，其通讯地址为：310008 浙江省杭州市钱塘区2号大街1158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”。