一种基于深度学习的卫星遥感图像分割方法

近年来,基于深度学习的语义分割方法得到了广泛应用.本文针对实际遥感图像中的语义分割问题,为了减少网络参数和计算量,以及提高网络性能,提出了一个使用通道注意力机制的卷积神经网络(channel attention network,CA-Net).首先,对高分二号(GF-2)遥感图像进行预处理和数据标注,得到一个7分类数据...     

一种改进的HCF贝叶斯图像分割方法

贝叶斯方法是图像分割中广泛使用的方法，ＨＣＦ（ＨｉｇｈｅｓｔＣｏｎｆｉｄｅｎｃｅＦｉｒｓｔ）是一种有效的优化方法，用ＨＣＦ对图像进行贝叶斯分割，并且改进了贝叶斯分割中的势能函烽，提出局部势能的概念，从而获得了较为满意的图像分割结果。     

一种改进的基于图论的图像分割方法

提出了一种融合边缘检测与图论的图像分割方法,在基于图论方法进行图像分割之前,引入边缘检测对像素点进行预分类,以消除图论方法因为区域的过合并导致的欠分割现象.实验结果表明该文的算法能取得很好的分割效果.     

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.     

基于深度学习的SPECT图像关节炎病灶分割

SPECT骨显像是辅助医生诊断疾病的重要手段.医生依靠手工勾画提取病灶区域的方法效率低且具有一定的主观性.针对这一问题,提出R_U-Net网络模型分割关节炎病灶,不仅能节省医生的诊断时间,还能为患者争取最佳治疗时间.为了检测模型分割效果,使用测试集中含有关节炎病灶的图像分割测试,与Mask R-CNN网络和原U-Net...     

基于深度学习的图像语义分割研究进展

图像语义分割是对图像中的每个像素点进行分类,将图像中的前景和背景区分并且识别出每个前景的类别。随着深度学习技术的发展,传统图像语义分割方法在分割精度和分割速度上已经彻底被超越。针对深度学习图像语义分割方法研究现状进行综述,对近年来国内外基于深度学习图像语义分割方法主要思想、优缺点进行了分析和总结。提出了该领域目前存在的问题,对将来的发展进行总结和展望。     

一种改进的活动轮廓的图像分割方法

对活动轮廓模型存在的问题,即活动曲线收缩范围小且无法检测图像的凹陷边界,提出了一种改进的算法．先采用GREEDY近似最优算法使活动曲线尽可能地接近图像的边界,然后在图像缓变区域取一适当的递减参数对外部能量进行放大,以使活动曲线向图像的凹陷边界移动．实验结果表明该方法是有效可行的．     

基于C-V方法改进的红外图像自动分割

基于简化的Mumford-Shah水平集图像分割模型,Chan-Vese提出了不依赖于图像边缘的水平集图像分割算法(C-V方法).但是该方法分割参数难以确定,对于具有非均匀灰度背景的红外目标图像常常分割失败.针对这一问题给出了改进的拟合能量模型,新模型兼顾到了目标的同质性信息与其所占面积比例的关系.基于该模型的水平集图像分割方法自适应于灰度起伏的背景,可以较为理想地分割出与背景灰度差异不太明显的目标,对小目标也具有很强的适应性.实验结果表明,在固定水平集分割参数的情况下,新方法对于不同类型、不同背景的红外图像具有了良好的适应性.     

基于改进蚁群算法的阈值医学图像分割

为了提高医学图像分割的精确度,提出了一种基于改进蚁群算法的阈值医学图像分割.对蚁群算法中的初始聚类中心、动态更新信息素浓度和参数变量进行了改进.实验结果证明:改进算法可以提高医学图像的分割精确度,同时克服蚁群算法搜索时间较长,求解速度较慢的缺陷,缩短运算时间.     

一种改进的局部区域特征医学图像分割方法

水平集分割方法中的Chan-Vese模型能够处理具有模糊边界和复杂拓扑结构的图像,但没有充分利用图像局部灰度的变化信息,致使其不能准确分割强度不均匀物体。针对这一问题对模型做了改进,引入局部灰度均值替换全局均值,以边界指示函数作权进行加权长度积分,加入使用双阱势的距离正则项来避免水平集重新初始化。试验结果表明:改进后的模型能够有效提高分割精度与效率,可以有效应用在医学图像的分割领域。     

基于区域能量特征的红外图像分割方法

基于红外图像在经过小波多尺度分解后各个子空间信息的不同分布以及背景区和目标区在小波变换域内图像能量的不同分布，提出一种基于区域能量特征的红外图像分割方法，该方法具有较好的分割效果。     

基于斜面模型图像分割的改进JPEG图像压缩算法

基于Haralick斜面模型进行图像分割,提出了一种改进JPEG图像压缩算法.该算法考虑了图像中存在不同的区域,针对图像分割后得到的不同区域进行程度不同的压缩.实验结果表明,在相同的编码比特率下,重构图像质量要优于传统的JPEG压缩算法.     

一种改进的基于类间方差的阈值分割法

在图像的目标和背景像素灰度均服从正态分布时,提出了一种改进的基于最大类问方差法的图像分割算法．对新算法进行了测试并与最大类间方差法和最大熵法进行了比较,结果表明,新的改进算法在图像分割过程中具有速度快、效果好的特点．     

改进的Mean-Shift遥感影像分割方法

基于高斯核Mean-Shift(MS)算法因收敛速度慢难以满足遥感图像处理的实时应用要求,提出一种改进的MS算法应用于遥感图像分割.针对传统MS算法需多次人工试用来确定固定带宽的问题,给出几种类型遥感影像的空间带宽参考值,且不同波段影像用plug-in规则分别计算值域带宽.针对遥感影像数据量大、MS迭代计算时间长的不足,使用一些加速策略来加速收敛;由于采用MS算法检测出的模点数较多,采用基于全局模点融合来稳定遥感影像分割结果;可用于分割遥感影像的特征很多,模点检测时用灰度特征,全局模点融合时用纹理特征,这样充分利用了遥感影像多维特征且不降低计算速度.采用Quickbird影像进行分割试验,研究结果表明:本文算法自适应程度高,速度和精度也能满足应用要求,是一种稳健的自动分割方法.     

改进的基于区域合并的纹理图像分割方法

针对自然纹理图像的特点,提出了一种改进的基于区域合并的纹理图像分割方法.首先选择符合人类视觉对颜色的感知区分能力的L*a*b*颜色特征;然后提取图像的Gabor能量作为纹理特征;接着由颜色相似度和纹理相似度的概率加权平均获得2个相邻区域的相似度;最后利用基于最大相似度的区域合并算法交互式地完成图像分割任务.实验结果表明:该方法比仅使用红绿蓝(RGB)颜色特征的相似度测量获得了更加精确的分割效果,并且在相同的初始过分割以及人工交互条件下,优于Lazy Snapping.     

基于CV模型改进的MRI图像分割方法

为解决灰度变化缓慢,边缘变化不明显的MRI图像的分割问题,在CV(Chan-Vese)模型的基础上,改进了CV模型的能量泛函,同时用新的g(R)来替换Dirac函数,优化了CV模型的参数,提高了CV模型的分割精度和分割速度。首先,引入了一个新的局部项。通过对图像进行局部直方图均衡化预处理,用预处理过的图像与原图像相减得到目标边缘变化较为明显▽I,将其作为局部项引入到CV模型的能量泛函。然后,由局部项构建新的边缘指示函数。用新构建的边缘指示函数g(R)代替Dirac函数,解决了CV模型演化曲线不能检测远离目标的边缘的问题。最后,优化平滑项参数,减少迭代次数提高运行效率。实验结果显示,本算法对脑部复发性胶质母细胞瘤的MR图像具有较好的分割效果。     

基于Debseg-Net的岩屑图像语义分割

岩屑的岩性识别是地质工作中的一项重要内容。为解决传统人工鉴别岩性的低效问题和通用机器学习模型在岩屑岩性识别上的不适用性,包括准确率欠佳、网络参数冗杂、网络效率低下,针对岩屑图像的特征设计了一种岩屑图像的语义分割网络Debseg-Net,该网络采用编解码结构,卷积与转置卷积结合实现对岩屑图像特征的提取与像素级分类,采用深度可分离卷积减少参数量从而可进一步加深网络,使用跳级连接避免迭代过程中的信息丢失。同时提出了一种高效的岩屑图像自标记方法。经多次实验,Debseg-Net在10口探井收集的640张共计5类岩屑图像数据集上,识别准确率达到98.43%,平均交并比达到90.01%,领先同类型分割网络2.59%～7.04%,在实现数字化岩屑录井进程中提供了方法。     

基于二维直方图的改进的PCM聚类分割方法

相对于模糊C均值算法,可能性C均值(PCM)聚类方法具有更好的抗干扰能力.提出一种基于二维直方图的改进的PCM聚类图像分割方法,该方法除了考虑图像的点灰度信息外,还考虑像素点的邻域相关信息,利用改进的PCM聚类算法得到各象素点的隶属度对图像进行分割.实验表明,该方法能够对噪声图像有效地进行分割,具有较高的鲁棒性.     

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.