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！

龙图腾网获悉成都理工大学申请的专利一种图像分割方法、系统、设备及存储介质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：CN116993984B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202311010340.8，技术领域涉及：G06V10/26；该发明授权一种图像分割方法、系统、设备及存储介质是由马超;侯立;郑栋宇;侯明才;唐闻强;钟瀚霆;周羽漩设计研发完成，并于2023-08-11向国家知识产权局提交的专利申请。

本一种图像分割方法、系统、设备及存储介质在说明书摘要公布了：本发明提供一种图像分割方法、系统、设备及存储介质，包括以下步骤：采集并整理薄片图像，将薄片图像分割描述；基于采集的薄片图像和分割描述的信息制作训练数据集、验证数据集和测试数据集，对训练数据集、验证数据集和测试数据集进行标准化处理，并建立深度学习模型；基于标准化处理后的训练数据集、验证数据集不断优化迭代深度学习模型至得到最优深度学习模型；基于最优深度学习模型对测试数据集进行测试分割，并将测试数据的预测结果与标准标签进行对比和分析，得到薄片分割模型；本申请能够同时的处理多种不同模态的薄片图像数据，而且还能够充分的融合多种模态的信息以进行最后的分割预测，本申请能够对薄片数据进行高效，精准，快速的分割。

本发明授权一种图像分割方法、系统、设备及存储介质在权利要求书中公布了：1.一种图像分割方法，其特征在于，包括以下步骤： 采集并整理薄片图像，将薄片图像分割描述； 基于采集的薄片图像和分割描述的信息制作训练数据集、验证数据集和测试数据集，对训练数据集、验证数据集和测试数据集进行标准化处理，并建立深度学习模型； 基于标准化处理后的训练数据集、验证数据集不断优化迭代深度学习模型至得到最优深度学习模型； 基于最优深度学习模型对测试数据集进行测试分割，并将测试数据的预测结果与标准标签进行对比和分析，得到薄片分割模型， 其中，在建立深度学习模型时采用Trans-SedNet深度学习模型，所述Trans-SedNet深度学习模型是在CMX架构和SegFormer主干的基础上进行的地质化的改进和适配，所述Trans-SedNet深度学习模型包括基于窗口注意力的transformer模块、后归一化的跨模态特征修正模块、基于混合注意力的特征融合模块、基于多尺度特征的分割模块和后平滑处理模块，所述Trans-SedNet深度学习模型的图像数据处理流程为： 将输入的XPL图像和PPL图像数据信息送入到对应的基于窗口注意力的transformer模块中进行特征映射； 将特征映射信息送入到后归一化的跨模态特征修正模块中进行特征修正； 将修正后的数据信息送入基于混合注意力的特征融合模块对两个模态的特征信息进行融合； 将模型中每层得到的特征融合信息送入到基于多尺度特征的分割模块进行图像分割； 将图像分割结构信息送入后平滑处理模块进行优化处理，通过使用阈值处理和Canny算法进行轮廓检测，在检测到的每个轮廓中统计模型对于颗粒的预测置信度，并选出最大的预测置信度作为颗粒的最终的分割预测选择； 其中，所述将输入的XPL图像和PPL图像数据信息送入到对应的基于窗口注意力的transformer模块中进行特征映射的过程为： XXPL i＝Windows_TransformerXPL iXXPL i-1； XPPL i＝Windows_TransformerPPL iXPPL i-1； 式中，和分别为XPL图像和PPL图像数据信息，其中，B为输入网络的批次大小，C为当前特征图的维度，H×W是当前特征图的大小，i∈{1-4}为模型的层数标记，XXPL 0和XPPL 0为最初未经过模型处理的图像，Windows_TransformerXPL i和Windows_TransformerPPL i分别是针对于XXPL和XPPL各自的基于窗口注意力的transformer模块； 所述将特征映射信息送入到后归一化的跨模态特征修正模块中进行特征修正的过程为： XXPL i,XPPL i＝normCM_FRMXXPL i,XPPL i； 式中，CM_FRM为原CMX中的跨模态特征修正模块，norm为增加的一层归一化层； 所述将修正后的数据信息送入基于混合注意力的特征融合模块对两个模态的特征信息进行融合的过程为： Xi＝Mix_FFMXXPL i,XPPL i 式中，Mix_FFM为基于混合注意力的特征融合模块，Xi为将XXPL i和XPPL i进行特征信息融合后的结果； 所述将模型中每层得到的特征融合信息送入到基于多尺度特征的分割模块进行图像分割的过程为： Scoarse＝SegX1,···,Xii∈{1-4}； 式中，Scoarse为得到的一个粗糙的薄片分割结果，Seg为基于多尺度特征的分割模块； 所述将图像分割结构信息送入后平滑处理模块进行优化处理的过程为： S＝SmoothScoarse； 式中，Smooth为后平滑处理模块；S为得到的最终的薄片分割结果。

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理工大学，其通讯地址为：610059 四川省成都市二仙桥东三路1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”。