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！

龙图腾网恭喜成都大学申请的专利基于新型阈值公式和自适应双势阱函数的CT图像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：CN114140476B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202111457331.4，技术领域涉及：G06T7/11；该发明授权基于新型阈值公式和自适应双势阱函数的CT图像分割方法是由王佳熙;王孝天;左鸿滔设计研发完成，并于2021-12-02向国家知识产权局提交的专利申请。

本基于新型阈值公式和自适应双势阱函数的CT图像分割方法在说明书摘要公布了：本发明涉及一种基于新型阈值公式和自适应双势阱函数的CT图像分割方法，属于图像处理领域。本发明分为粗分割和细分割两部分，以区域生长模型作为粗分割，并提出了基于平均绝对离差的阈值公式，该公式可以根据图像特征自动生成合理的阈值，并能处理灰度不均匀或对比度低的图像；以LRCV模型作为细分割，并提出了自适应双势阱函数，动态地调整系数使得分割初期扩散速率增大，后期扩散速率减小，并且降低零势阱附近的扩散速率，使得零水平集侵入被分割目标内部的可能性降低，从而提高分割精度。有效地解决了LRCV模型初始轮廓敏感的问题。对于灰度不均或低对比度的CT图像，相较于传统的主动轮廓模型具有更加精确的分割结果。

本发明授权基于新型阈值公式和自适应双势阱函数的CT图像分割方法在权利要求书中公布了：1.基于新型阈值公式和自适应双势阱函数的CT图像分割方法，其特征在于：该方法包括以下步骤：S1：计算图像统计量和阈值；S2：确定种子点和生长准则；S3：利用广度优先搜索进行遍历；S4：以区域生长的结果作为初始轮廓；S5：求解能量泛函对应的Euler-Lagrange方程得到水平集函数演化方程；S6：利用有限差分法进行水平集函数迭代；S7：输出分割结果；所述S1具体包含以下步骤：S11：计算图像灰度均值、标准差和平均绝对离差： 其中Iavr表示图像的灰度均值，Istd表示图像的灰度标准差，IMD表示图像的灰度平均绝对离差，R表示图像对应矩阵的行数，C表示图像对应矩阵的列数，x,y表示像素点坐标，Ix,y表示坐标在x,y处的像素点的灰度值；S12：计算相应阈值，提出的阈值公式如下： 其中T1表示灰度不均图像采用的阈值，T2表示低对比度图像采用的阈值；所述S2具体包含以下步骤：S21：以灰度值大于等于最大值乘零点九的像素点作为种子点；S22：确定生长准则，生长准则确定如下： 其中Q1表示灰度不均图像采用的生长准则，Q2表示低对比度图像采用的生长准则，TRUE表示将图像中坐标位于xn,yn的点添加到种子区域，FALSE表示不添加，Ixn,yn表示与Ix,y相邻的像素点的灰度值；所述S5具体包含以下步骤：S51：在能量泛函中加入惩罚正则化项，惩罚正则化项Rp为： 其中μ为惩罚系数，为水平集函数梯度的模长，记为s，p为双势阱函数；S52：将所述双势阱函数改为自适应双势阱函数，自适应双势阱函数和扩散速率函数如下： 其中s表示水平集函数梯度的模长，Ki表示自适应系数，定义如下： 其中α表示扩散系数，控制扩散速率的变化范围，i为当前迭代数，imax为最大迭代数；S53：利用梯度下降流方法得到水平集函数演化方程： 其中c1x,y和c2x,y分别表示演化曲线内部和外部图像的局部灰度均值，Kσ表示标准差为σ的高斯核函数，Ix,y表示坐标在x,y处的像素点的灰度值，为水平集函数，Mi为成员函数，a是正则化常数，r表示在x,y的点的邻域半径，Hε为Heaviside函数的正则化形式，δε为一维Dirac测度的正则化形式，ε为正常数，为函数的梯度，div·表示散度算子，μ,ν,λ1,λ2是各项的权值系数；所述S6具体包含以下步骤：S61：对能量函数的梯度下降流使用有限差分法，得到离散的迭代格式如下： 其中n为迭代次数，Δt为时间步长，为水平集函数的演化方程；S62：选择最大迭代次数imax，直到收敛。

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成都大学，其通讯地址为：610106 四川省成都市成洛大道2025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”。