基于增量特征和局部奇异性的水下图像分割法

针对深海三类典型的纹理:热液、岩石和海水,提出了一种新的基于增量特征和局部奇异性的水下图像分割方法.定义了一种新的增量特征s(d),反映像素点由小尺度到大尺度变化的剧烈程度;利用二维小波变换分析图像局部奇异性,并结合多项式拟合的方法提取奇异性特征P;最后根据s(d)和P组成特征矢量,结合k均值聚类方法,对图像进行分割.实验结果表明该方法能有效地分割出上述三类纹理.     

基于分水岭分割和颜色深度特征的眼球图像识别算法研究

为了提高眼球手术的成功率,提出了基于眼球图像分割和深度学习颜色特征的眼球图像识别算法.联合图像分割技术和深度学习技术,建立眼球精准识别机制.首先,采集眼球手术视频和图像,并结合阈值分割、分水岭分割和颜色区域分割,实现眼球目标的分割;然后,基于卷积神经网络,运用Python和pytorch的开源框架,开发深度神经网络识别模型,并结合大数据中医诊疗经验,构建专家检测系统,以准确定位眼球;最后,根据用户软件需求,开发出具有图像采集、视频采集、电子信息履历保存等应用功能的客户端软件.实验测试结果显示:算法有利于眼球图像分割系统的落地,为智能眼球图像分割系统设备提供了算法和软件参考.     

堆石颗粒浸水破碎引起堆石料湿化变形研究

为研究堆石料的湿化变形,首先通过室内颗粒破碎试验分析了粒径对岩石颗粒强度和软化系数的影响;然后依据散粒集合体应力与应变张量表达式和岩石颗粒的软化系数,建立了饱和与干燥试样的应力-应变转换关系,结合双线法预测了堆石料的湿化变形;最后通过算例分析了该方法的有效性.结果表明：浸水湿化会降低岩石颗粒的强度,饱和与干燥玄武岩颗粒的强度均服从Weibull分布;颗粒特征强度随粒径的增加而降低,但是Weibull模量和颗粒的软化系数没有明显的粒径相关性.堆石料饱和与干燥试样的应力-应变关系可通过岩石颗粒软化系数进行变换;由饱和试样的应力-应变关系和岩石颗粒软化系数可估算堆石料浸水后因颗粒破碎引起的湿化变形.算例中预测结果与试验结果整体比较接近,表明岩石颗粒浸水后强度降低导致的颗粒破碎是堆石料产生湿化变形的主要原因.     

基于多尺度特征提取的图像语义分割

指出了基于深度学习的图像语义分割中,如何充分利用图像上下文信息以达到更好的分割效果,是当前图像语义分割研究的关键问题.为解决这一问题,提出了一种基于多尺度特征提取的图像语义分割方法,通过构建深层卷积神经网络,并利用不同尺度图像作为网络的输入来提取不同尺度图像的特征,最后经过特征融合得到了分割图.在公开数据集Stanford background dataset 8类数据集上进行训练和验证,实验结果达到了84.33%的准确率.实验表明:通过提取和融合多尺度特征,可以达到更好的图像语义分割效果.     

基于显著性检测和Grabcut算法的茶叶嫩芽图像分割

人工采茶存在效率低下、人工成本高等问题,机械采茶取代人工采茶成为一种重要的采茶方式,针对机械采茶中自然背景茶叶嫩芽分割效率问题,提出了一种自然背景下的茶叶嫩芽图像分割算法.利用显著性检测算法提取出图像中的突出目标作为显著性图,结合GrabCut算法精确的分割出突出的对象.实验结果表明,该图像分割算法对于背景复杂且目标与背景对比不明显的茶叶图像具有良好的分割效果,这为机械手采茶提供了一种新的方法.     

结合图像显著与灰度不一致性的目标自动提取

该文将图像过分割技术与图像显著性相结合,提出了一种基于图像显著性与灰度不一致性的目标自动提取方法。该方法可在没有任何人工干预的情况下准确地提取出图像的感兴趣目标。首先,通过像素不一致性因子和邻域不一致性因子确定出图像的不一致性种子点和一致性种子点;然后,使用等价类划分的方法对两类种子点分别进行生长,得到不同的等价类,合并残余类之后得到图像的初分割块;最后由初分割结果结合显著性检测算法提取出完整的感兴趣目标。考虑到像素的局部邻域信息,首次将图像的底层特征——像素的灰度不一致性应用于图像分割,并以此为基础进行目标提取。实验表明,该方法能够有效地实现显著目标的自动提取。     

一种结合视觉显著性的GrabCut图像分割方法

结合显著区域检测技术和GrabCut算法,提出了一种新的图像分割方法.首先,计算融合中心知识和目标紧致度的多尺度区域对比度,通过Harris特征信息和贝叶斯模型进一步提高显著性,得到更加精确的前景检测模型;然后,对显著图进行分割获得目标的粗略位置,将位置信息用于GrabCut算法初始化,并在GrabCut初始化建模中引入显著值权重;最后,结合形态学运算改进分割的目标.实验结果表明:该方法能够实现自动分割,并且取得了接近甚至优于一些GrabCut方法的结果.     

结合显著性和Graph cuts的肺区域图像分割

针对肺部CT图像灰度分布不均匀、各组织结构复杂导致难以准确地分割提取出肺区域的问题,提出了一种结合图像显著性和Graph cuts的肺区域自动分割方法.对10位病例的CT图像序列进行测试,结果表明:该方法可以自动完成肺区域分割,具有较高精度,且耗时较少.     

卷积特征图融合与显著性检测的图像检索

针对基于深度学习的图像检索提取特征往往包含了复杂的背景噪声,导致图像检索的精确率并不高的问题,提出一种特征图融合与显著性检测的方法.首先,训练用于分类的深度卷积神经网络模型.然后,并将图像卷积之后的特征图谱进行融合,得到图像的显著性区域.最后,通过计算图像显著性特征的余弦距离来进行检索.实验结果证明:相比目前主流的方法,文中方法能够有效提高检测精度,且鲁棒性较高.     

基于FCM和标记分水岭的粘连岩石颗粒图像分割

模糊C均值算法可利用图像的多种特征值进行准确的图像分割,但不能分割粘连物体;传统的分水岭分割算法能够获得准确的物体边缘轮廓,但容易造成过分割.为了解决这个问题,提出基于FCM和标记分水岭的粘连图像分割.该方法首先对原始彩色图像中值滤波后进行基于LUV颜色空间的FCM聚类;对聚类后的图像用形态学方法去杂质、空洞填充后进行距离变换;然后根据距离变换图像找出局部最大值,得到种子图像;最后对距离变换图像进行基于标记的分水岭分割,得到最终的分割图像.该方法对粘连岩石颗粒图像进行分割,取得了较好的实验效果.     

基于多级深度特征与随机游走的显著性检测

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。     

基于深度图像与分水岭的平面点云分割方法

根据目前点云数据分割的研究现状以及分水岭算法在图像处理中的应用,提出一种基于深度图像和分水岭算法的建筑物平面点云分割方法.该方法首先将平面点云数据生成深度图像并给像素赋予灰度值,再使用双边滤波算法进行滤波去噪,然后使用分水岭算法进行图像分割,得到分割结果后索引回原始点云数据,得到点云分割结果.为验证方法的可靠性与准确性,利用区域增长法、RANSAC算法以及欧式聚类法进行对比实验.通过对实验结果的对比分析,能有效地将不同点云面片分割出来,并且具有良好的准确度和完整度,分割结果质量较高,为点云的分割提供了新的思路与方法.     

基于空间自注意力机制和深度特征重建的脑MR图像分割方法

准确分割核磁共振(magnetic resonance, MR)图像中的脑组织是临床诊断、手术计划和辅助治疗的关键步骤.深度学习在各种图像分割任务中表现出巨大潜力，现有模型没有一种有效方法汇总远距离像素间的关系.在网络解码阶段不能很好地融合不同层级的特征，导致无法准确定位.为克服上述问题，本文提出一种基于空间自注意力机制和深度特征重建的脑MR图像分割方法，构建了一个可以融合3维信息的2D模型，可快速准确对3D结构图像进行密集预测.在MRBrainS13数据集和IBSR数据集上进行充分地实验研究，结果表明本文方法在3D多模态和单模态脑MR图像分割方面优于目前的2D模型，运算和推理时间相比3D模型小很多，性能却十分接近.     

基于形态重构的分水岭岩石图像分割方法

阐述了灰度数学形态学进行图像处理的基本原理,针对岩石图像的复杂结构,提出了数学形态学滤波去噪方法.实验结果表明,该方法能够获得清晰的岩石图像特征,便于提取边界,是一种有效的图像分割方法.     

一种带心肌瘢痕的心脏磁共振图像左室壁分割方法

从心脏磁共振图像中分割出左心室内外膜轮廓线,是心脏三维重建及心脏功能评定的先决条件.针对带心肌瘢痕的心脏磁共振图像,提出了一种基于显著性检测定位的左心室内外膜分割方法.方法采用视觉显著性检测和分水岭变换,提取左心室血池区域,准确确定了左心室位置;然后提取血池区域轮廓线作为内膜初始轮廓,在带形状约束的活动轮廓模型作用下演化得到左心室内外膜.实验结果证明,该方法定位较为准确,能使初始轮廓迅速收敛到内膜边界,分割得到的内外膜以及心肌区域均较为准确.     

基于区域过划分和再融合的全幅视觉图像分割

研究对移动机器人采集的视觉图像进行全局精确分割问题. 针对全幅道路图像分割问题提出:首先利用区域生长算法对视觉图像在HSV颜色空间下进行基于颜色特征的全局过分割,再利用傅里叶变换提取周向谱纹理特征,根据空间位置的相邻性和周向谱的分布特性,对过分割的全幅视觉图像进行基于纹理特征的再融合. 实验结果表明,该算法能够准确实现全幅图像的分割,比单纯利用颜色或纹理特征进行全幅图像分割具有更高的精度和可靠性.     

一种基于深度图像的左右手同步分割改进方法

基于深度图像的手势识别技术是下一代数字媒体设备的主要交互手段, 从深度图像中准确定位出"干净"的手部图像显得尤为重要. 提出了一种同步进行左右手分割的改进方法, 在传统 SegNet 算法的基础上, 加入了类别权重、转置卷积、混合式空洞卷积组合和编解码器之间的拼接合并跳层连接, 使左右手的 F2-Score 相较基准方法分别提高了 7.6% 和 5.9%. 推理速度在 GPU 上达到了 20.5 ms/帧, 可以实时处理深度图像序列. 实验证明本方法对深度图像进行左右手同步分割时可以得到更加精准的分割结果.     

岩石薄片正交偏光图像的颗粒分割方法

为了解决图像分析技术应用于岩石薄片粒度分析一直受到图像分割效果的制约问题,提高岩石颗粒自动分割的准确性,提出了一种岩石薄片图像颗粒分割的新方法。该技术是以自主研制的图像采集系统为基础,通过序列图像获取、序列图像处理、多分割层叠加、SRM算法分割以及小面积合并处理等实现颗粒分割。实践表明该技术用于碎屑岩薄片粒度分析可以实现90%以上的颗粒准确分割,具有良好的实用性、可靠性和准确性,弥补了普通显微镜在粒度分析中的不足,具有较高的推广价值。     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

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.