基于边缘增强和特征金字塔的视网膜血管分割网络

U-Net在许多医学图像分割问题中具有先进的性能，因此提出了一种基于边缘增强和特征金字塔的U型分割网络并应用于视网膜血管分割。通过基于梯度算子的边缘增强模块获取额外的边缘先验，以无监督的方式增强边界特征和提高网络对细小血管的辨识能力，利用特征金字塔级联模块帮助网络提取更丰富的语义特征，并将传统卷积替换为Octave卷积方式以更好地提取特征。在公开的2个眼底图像数据集上进行实验，结果证明改进的方法具有更好的性能，有效地提高了分割结果中血管的完整性和连续性。     

利用群体CT计划图像的多任务前列腺自动分割

为了实现CT计划图像中前列腺的自动分割,提出一种基于群体CT计划图像的多任务前列腺分割方法.将群体CT计划图像分别映射到不同参考图像空间,形成多个训练任务.利用随机森林算法和自动上下文模型训练出一系列随机森林分类器,将分类器作用在待分割CT计划图像上获得多个分类概率图,最后使用多数投票法求得最终分割结果.实验表明,与单任务分割方法相比,基于群体CT图像的多任务分割能有效提高CT计划图像中前列腺的分割准确率.     

基于边缘和纹理结构实现叶片识别的应用研究

植物野外实习教学系统的主要功能是通过计算机图像处理技术对叶片边缘与纹理结构进行分析,自动提取叶片信息,确定叶片相关的理论知识.从图像预处理、叶片区域定位分割和叶片识别三方面实现植物野外实习教学系统的叶片识别模块,采用边缘和纹理结构实现叶片的定位分割与识别.实验结果表明,该方法能有效地识别出叶片并归类.     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net,CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。     

基于红外图像序列的排球运动关键技术特征提取方法

针对现有运动技术特征提取方法中运动目标特征提取不准确的问题,提出了一种基于红外图像序列的排球运动关键技术特征提取方法 .首先,获取红外图像序列的排球运动图像,并对红外图像序列中的运动目标进行检测和提取,进一步用图像分割方法进行边缘分割.然后,基于视点跟踪切换方法进行阈值分析,实现对运动目标的准确跟踪和提取.实验表明,提出的方法准确性和效率均高于传统方法 .     

基于纹理特征分类与合成的鲁棒无载体信息隐藏

针对图像无载体信息隐藏算法嵌入容量与鲁棒性无法很好兼顾的问题，提出了一种基于纹理特征分类与合成的鲁棒无载体信息隐藏算法，使用空间金字塔算法提取纹理图像特征，通过监督式分类训练得到分类模型，同一类别下的不同图像块，利用位置信息进行区分，根据图像块分类和位置信息的不同构建映射字典，传递秘密信息；发送方依据秘密信息选择图像块并根据公共密钥将所有图像块组合为一幅大尺寸图像，通过可逆形变生成复杂的纹理图像并发送给接收方；接收方根据密钥将纹理图像恢复为图像块，利用分类模型识别图像块所属分类并确定位置信息，对照映射字典提取秘密信息.实验和分析表明该算法对JPEG压缩、高斯噪声、椒盐噪声等攻击具有较好的鲁棒性，同时嵌入容量可随图像类别的增加得到提高.     

一种基于四叉树划分的改进ORB算法

原ORB(oriented FAST and rotated BRIEF)算法提取的图像特征点经常出现"扎堆重叠"现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题.为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法.首先对图像建立尺度金字塔,然后使用四叉树划分图像并限制划分深度.用加速...     

一种改进的细胞图像分割迭代算法

图像分割是图像轮廓提取,纹理特征提取和形状特征提取等图像分析的重要基础。它也直接影响着图像更高级别的处理质量。提出一种改进的图像分割迭代算法,通过在一般的迭代算法中添加第二门限,以达到更精确的将各像素划分到所属区域降低误判概率的目的。在分析的基础上,给出了该算法与一般迭代分割算法的对比图像。为了观察分割效果,还给出了应用分割图提取边缘与Canny算子的对比图像。其结果均表明,噪声干扰下,改进算法的分割过程更为准确。     

粘连颗粒分割的中心核提取方法研究

在图像处理中的粘连颗粒分割方法研究中,获得各个颗粒中心核是分割的基础和关键,极限腐蚀是现有提取中心核的主要方法．通过讨论颗粒粘连程度的不同情况,对极限腐蚀所造成过分割的原因进行了分析研究,提出一种基于局部距离值比较的中心核提取方法,该方法以腐蚀运算得到的距离值为基础,充分考虑与周围颗粒粘连情况,通过在局部区域内判断是否存在大于该距离值的点来定位中心核．颗粒图像分割实验结果表明,该方法消除了极限腐蚀所造成的过分割．     

基于深度学习的金属表面缺陷检测

由于金属产品生产过程中各种因素的影响,金属工件可能会存在一些表面缺陷．这会降低材料强度,缩短工件寿命,并且增加安全风险．因此,需要对金属产品表面进行质量检测,这也是保证工业生产质量的关键环节．与传统人工检测相比,基于机器视觉的表面缺陷检测方法具有速度快、精度高等优点．提出了一种改进的YOLOv5算法,用于金属表面缺陷检测研究,在原YOLOv5算法的基础上将空间金字塔池化结构SPP替换成SPPCSPC,提高模型对金属表面缺陷的检测能力．为了验证算法的有效性,分别采用YOLOv3,YOLOv4,YOLOv5及改进的YOLOv5算法对1 800张金属表面缺陷样本图像进行对比测试．结果表明,与YOLOv3,YOLOv4,YOLOv5原算法相比,改进的YOLOv5算法平均目标检测精度均值分别提高了4.3%,3.3%,2%．通过大量图片的学习,可以获得更好的精确率．     

基于MFANet和上下文特征融合的遥感影像目标检测

针对遥感影像背景复杂、目标尺度变化较大、类间相似性较高等特点而导致目标检测效果欠佳的问题,提出一种基于Faster R-CNN的有效且鲁棒的遥感影像目标检测方法.首先,引入可变形卷积、调制机制和空洞卷积,构造调制的特征自适应网络,提取更准确、更完整的目标信息.其次,构造上下文特征金字塔网络,提取更丰富且更具判别性的特征...     

光纤工业网络中实时数据传输方法的研究

基于以太网的光纤工业网络有多种数据类型需要传输,为保证网络各站点间各类数据通信的实时性,提出在网络应用层建立混合工作模式的传输方案,依据非抢占式M/M/1排队模型,采用等待时间和任务数作为性能参数,确立了在优先级模式下多级别任务排队模型,提出并讨论了优先级协议（PTP）的工作机理和实现方法,最后分析了在各类条件下优先级工作模式的性能参数和运行结果。     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。     

几何特征表达及基于几何特征的建筑物提取

通过分析高分辨率遥感图像中建筑物光谱特征存在严重的“同物异谱”和“同谱异物”等情况,发现建筑物的几何特征比其光谱特征更加典型. 在总结了建筑物的一些典型几何特征之后,进行了基于几何特征(面积特征、矩形拟合度特征、长宽比特征、走向特征)的建筑物提取实验,发现利用几何特征能够比较有效地提取到建筑物. 由于图像分割离不开光谱特征,即建筑物几何特征的计算受到其光谱特征的影响,依据几何特征的建筑物提取结果不是非常令人满意的. 高度特征是建筑物最典型的几何特征之一,因此将高度特征引入到图像分割和建筑物提取过程是提高建筑物提取精度的新方向.     

基于三维脉冲耦合神经网络模型的医学图像分割

该文将脉冲耦合神经网络模型从二维平面扩展到三维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现三维医学图像的整体自动分割. 利用该文提出的算法对三维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显著地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.     

GIS数据约束的海岸带SAR图像多尺度分割

针对海岸带区域地理信息系统(geographic information system, GIS)矢量数据和合成孔径雷达(synthetic aperture radar, SAR)图像所表达信息的不同,探讨多尺度GIS矢量数据约束下的高分辨率SAR图像多尺度割. 在县级GIS矢量数据约束下,利用分形网络演化分割方法对高分辨率SAR图像进行分割,得到第1层分割结果. 然后在省级GIS矢量数据约束下,对第1层分割结果进行聚合,得到第2层分割结果. 该方法既能实现GIS矢量数据约束下的高分辨率SAR图像多尺度分割,获得满足GIS矢量数据约束和根据后向散射特征聚合的多尺度分割结果,又能消除瞬时SAR图像海岸线不确定的不足. 利用一幅天津地区的SAR图像进行实验,证实了该方法是一种有意义的图像多尺度分割方法,且得到的分割结果可用于有特定需求的图像分析和统计.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

一种基于2DPCA训练的形状先验提取方法

面向噪声图像分割问题提出了一种基于二维主成分分析(two-dimensional principal component analysis,2DPCA)训练的形状先验提取方法. 首先对无噪声形状进行训练,得到一组标准正交投影方向并张成2DPCA空间. 将噪声图像投影到该空间,并在张成的空间中应用最小二乘法找到跟该投影点距离最近的点. 该点的原象未必是原来的训练形状,而可能是它们的线性组合. 最后在原来的空间中找到该原象,重构出先验形状.实验结果表明利用所得形状先验对含噪声以及含遮挡和缺失内容的图像分割具有明显效果.     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。