基于深度学习的图像实例分割

提出了一种基于深度学习的精确图像分割方法。在Mask-R-CNN网络基础上给出一种实例分割网络。针对精确边界分割问题,提出通过重新设计掩码分支结构,来改善边界分割精度。在掩码分支上使用了前后层特征融合的方法可以更好的保留边缘信息。进一步通过增大RoIAlign层的分辨率,得到了更加精确的边界信息。在不影响算法精度的前提下采用深度可分离卷积减少了训练参数,提高了分割算法的效率。实验时通过比较mAP(平均准确率)的结果和检测定量图片需要的时间以及消耗的内存表明该算法的精确性和高效性。     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.     

基于单目视觉的网球运动员持拍手运动轨迹检测方法

网球运动员持拍手动作变化速度较快，导致其运动轨迹检测效果较差，为此，提出基于单目视觉的网球运动员持拍手运动轨迹检测方法。利用帧差法分割运动视频图像，得到持拍手候选区域，通过分割肤色区域获取最终的持拍手图像，完成运动轨迹检测。实验表明，该方法可有效采集网球运动员运动视频图像，可精准检测持拍手运动轨迹，该方法运动轨迹检测的AUC值均较高，具备较高的检测精度。     

一种基于复杂产品ICT切片图像的轮廓提取算法

应用ICT(indusrtial computed tomography)成像与数字图像处理和CAD等综合技术已成为对复杂机械产品进行反求建模的重要手段之一.在针对ICT切片图像进行轮廓分割和数据提取时,其轮廓数据的精确性对反求建模精度至关重要.在比较传统轮廓数据算法的基础上提出了一种改进的ICT切片图像轮廓边界分割与提取算法,经过分析和比较,该方法不但可提高边界轮廓数据的提取精度,而且还具有计算速度快和计算开销少的特点.     

关于网球发球动作技术的分析

发球技术是唯一不受对方制约的网球技术,是取得比赛胜利的主要得分手段。为了让运动员更好地了解自己的动作结构,本文对发球的过程中的各个动作的功能的相对独立性和动作之间的递进关系进行分析。旨在为网球教学与训练工作提供有益的参考。     

一种基于局部和全局拟合的混合多相水平集分割模型及算法

提出了一种混合多相分割主动轮廓模型,用于精确地分割灰度图像。针对图像去噪和细小边缘的模糊问题,提出多尺度信息增强和各向异性张量扩散结合的方法,并利用快速预分割获得初始轮廓线。在全局项中,用多种局部特征变量重构拉普拉斯能量拟合函数处理大的目标边缘;为了更好地分割拓扑结构复杂的区域,提出了一种分割深度可控的区域分割能量,并构造了计算局部自适应最佳分割阈值的深度系数。在局部项中,采用局部高斯分布拟合处理灰度不均匀区域。模型使用指数函数作为停止速度函数,并加入鲁棒性的曲线演化停止条件,提高了分割效率。新模型适用于分割灰度图中医学核磁共振图像和背景单一的自然图像,通过与最新的多相水平集模型和深度学习模型对照,结果显示新模型能更好地处理目标的拓扑结构,对边界的定位精确,分割精度更高。     

浅析网球发球的技术动作

发球是现代网球技术中的主要技术之一,是双方进行对抗运动的开始,也是进攻性攻击的重要武器。发球是唯一一项完全由运动员自己掌握且不受对方制约的技术,发球技术的好坏对比赛的胜负有着很大的影响。因此,我们必须全面掌握好发球技术,利用好发球,把握好每个发球局。本文主要通过文献资料法,录像观察法对网球发球的技术动作进行分析与概括,旨在为网球训练者改进和提高其发球技术提供参考。     

基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法研究

为解决药用玻璃瓶外轮廓在线检测的两大难题,即瓶体透明度高造成光电传感器测量失真,以及高速生产节拍下测量精度稳定性差的问题,本文提出了一种基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法。首先通过结合PP-Lite Seg图像语义分割算法与Canny边缘检测算法,实现透明玻璃瓶轮廓边缘区域的精准分割,来精确采集玻璃瓶各截面轮廓点云;再利用ICP算法配准点云数据、Kd树算法计算瓶体尺寸超差区域,来实现高透药用玻璃瓶高精度在线测量。使用采集数据与标准瓶尺寸进行对比实验,实验结果表明重构轮廓尺寸误差在0.054mm以内、扫描速度在1s以内,能够满足当前生产节拍对检测精度和速度的要求,为高透玻璃瓶在线检测系统提供技术支撑。     

浅析网球发球技术的研究现状

网球发球技术作为网球运动中的一项重要技术,越来越受到众多教练员、运动员和网球科研工作者的重视,所以对网球比赛中的发球技术特点的研究显得十分重要。本文通过对网球发球的研究现状进行综述,以期为网球运动员提高发球水平提供理论依据。     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

基于视觉显著性和活动轮廓的图像分割

提出一种视觉显著性和传统的C-V模型相结合的图像分割方法,该方法首先提取图像的显著图,然后使用改进的自适应阈值法将显著图进行二值分割并提取边缘,并以此边缘作为C-V模型演化的初始轮廓.这样对于具有复杂背景的图像C-V模型可以从靠近目标物体的位置开始演化,从而得到较为准确的边缘,同时,也可以减少C-V模型的迭代次数.     

基于帧间相关性的乳腺MRI三维分割

针对乳腺磁共振图像序列的肿瘤分割问题,提出一种基于超像素和改进C-V模型的三维全自动分割方法.该方法利用磁共振图像序列的帧间相关性,约束相邻帧图像的分割轮廓.采用超像素算法提取肿瘤的大致轮廓,再用改进的C-V水平集算法对可疑区域边缘进行优化,使其更接近肿瘤的实际边缘.将该方法及3种对比方法应用于89例乳腺MRI序列图像.以手动分割的轮廓为基准,该方法得到的平均重叠率为87.84%,,相比于C-V模型的58.90%,、超像素和水平集结合的76.36%,、K均值+C-V的83.62%,,有明显提升.实验结果表明,该方法的全自动分割结果对于肿瘤起始和终止帧图像具有较高的分割精度.     

Snakes外力场的改进及其左心室MRI的精确分割

参数活动轮廓模型（Snakes）分割图像时有两个明显的缺陷：要求初始轮廓线位于图像特征附近，且对深度凹陷区域的分割也不理想。基于梯度向量流（GVF）Snakes较好地解决了传统Snakes的两个本质缺陷。但是，由于GVF Snakes内力的性质和GVF的光滑性，使得对曲率大的边缘点不能精确定位。该文通过采用各向异性方程对图像扩散平滑和边缘增强，改善计算势能力场和梯度向量力场指向边缘的精确度。两种力场的有机组合作为Snakes的外力场。这种新的力场Snakes具有GVF Snakes和势能力场Snakes的优点，对左心室核磁共振图像（MRI）进行分割能得到精确的边缘轮廓。     

网球发球技术与腰背损伤关系的生物力学分析

为探讨网球发球技术与腰背损伤之间的关系,探寻导致腰背损伤的技术性原因,采用三维高速摄像法和图像解析法,以健康业余网球运动员为对照,对患有腰背部损伤业余网球运动员发球技术进行对比分析。结果表明搔背期末躯干扭转过大可能是造成业余网球运动员腰背损伤的直接原因,腰腹肌力量素质较差和抛球较偏是导致这一问题的主要技术性因素,并针对这些问题提出相应的解决办法,供教练员和业余运动员参考。     

不同等级的女子网球运动员发球技术比较

采用文献资料及问卷调查等方法，统计了国内外部分女子网球运动员的技术数据。从运动员发球的绝对速度、成功率、得分率及速度利用率等角度，分析了国内外女子网球运动员的发球技术水平。结果发现：不同运动技术等级的女子网球运动员发球的得分率、成功率和速度利用率不是等同的，发球技术与发球速度存在着各种差距；要提高运动员的发球速度的利用率和得分率，处理好发球中的速度与技术的关系。既要提高运动员发球的技术水平和运用能力。又要发展运动员发球的绝对速度。     

基于目标检测结果的轮廓及颜色识别研究

基于深度学习方法给出的目标矩形框检测结果,针对实时目标轮廓提取和颜色识别问题,提出了一种基于边缘提取和形态学操作的方法.首先通过Canny边缘检测算法提取图像大致轮廓,应用多次形态学闭操作将目标主体与背景、噪声等加以区分,找出最大轮廓即目标轮廓,然后利用目标轮廓所包含的区域,在HSI颜色空间中完成目标颜色的统计和识别,并采用真实场景中的无人机、小汽车和人的图像来进行实验验证.实验结果表明,所提出的方法相比纯粹基于深度神经网络的方法在效率上有较大提升,相比纯粹的底层图像处理方法在精度上有较大提高,既保证了实时性,又确保了较高的精度.     

基于特征提取的武术散打鞭腿动作视觉图像识别方法

为了提高武术散打鞭腿的动作有效指导性,提出基于特征提取的武术散打鞭腿动作视觉图像识别方法。结合帧片段扫描技术进行武术散打鞭腿动作视觉图像采样,采用边缘特征分割方法进行动作视觉特征表达处理,建立动作视觉图像的边缘轮廓特征分析模型,结合模糊度辨识方法进行动作视觉图像的去模糊度处理,提高动作视觉的输出信噪比,建立动作视觉特征分析和自适应特征提取模型,根据对动作视觉特征提取结果实现对武术散打鞭腿动作视觉图像识别。仿真结果表明,采用该方法进行武术散打鞭腿动作视觉图像识别的准确性较高,特征识别能力较好,在指导武术散打鞭腿动作训练中具有很好的应用价值。     

基于改进Canny算法的女性服装款式轮廓检测研究

为了降低女性服装多样性(如纹理、款式等)在边缘提取环节带来的难度,提出一种改进Canny算法,使得服装款式图像的轮廓提取更具有实用性和强适用性.创建女装图像的样本库后,对样本进行图像预处理,并使用Otsu算法对所获得的灰度图像进行二值化,凸显出目标的服装轮廓.然后在Canny算法中采用自适应的双阈值进行边缘分割,提升边缘的准确性,并设计追踪算法,提取服装款式的外部轮廓,减少了纹理和服装所形成的噪声.根据实验结果,对比微分算子算法和改进Canny算法.该算法在女性服装款式轮廓提取时,表现出良好的鲁棒性、准确性和连续性.     

基于小波域局部二值模式和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波(DTCWT)分解纹理图像,然后使用局部二值模式(LBP)提取纹理特征.利用最大熵准则对纹理特征图像进行选择.活动轮廓模型(ACM)用于最后得分割.实验结果表明提出的方法对于合成纹理和自然场景数据集达到了较高的分割精度.     

基于Canny、Sobel及其改进模板算子融合的Freeman链码边缘点提取算法

针对传统边缘点提取算法过程复杂、计算困难的问题,设计了一种融合Canny、Sobel及其改进算子和Freeman链码的图像边缘点提取算法(简称CS-F法).即先将Canny算法、改进Sobel算法融合处理,进行边缘提取,再采用阈值分割方法,接着使用Freeman链码,确认边界的具体位置,使图案轮廓更加接近真实轮廓且更直观.实验表明,在一定的精度范围内(单位像素内允许是:0.045 7~0.05 mm),融合算法性能稳定,所提取的轮廓定位准确,而且能提取目标边缘有序的坐标点,解决了有些轮廓最后需要矢量化的繁琐过程.