基于熵的变分辨率彩色图像分割

采用信息熵对所分割的彩色图像进行两种处理．利用图像的整体信息熵进行图像层次分析,从而达到自适应调整分割分辨率的目的;对图像进行单元片区划分,利用图像单元信息熵进行图像分割．由分割结果知,变分辨率图像分割更接近人类视觉对信息的处理特性．     

纸质地图的地图特征曲线提取

描述了一种通用的在复杂特征图像中检测主曲线的新算法．基于曲线最短路径和方向偏移判据,主曲线检测的所有运算都在图形表达中进行．在图形网络搜寻中,采用了深度优先搜索方法．其应用背景是从地理测绘图中检测道路边界和房屋轮廓,采用自动方法生成数字地图．由于测绘图中的文字、符号常常与有意义的图像特征重叠,主曲线检测旨在从原始测绘图中获得“洁净”的特征图像．大量的实际图像实验表明,本算法效率高、鲁棒性强．除了地理测绘图外,该方法还可以用于文本处理中的其他领域,如在文字识别中,将字符与之相重叠的其他无用图像分离．     

基于B-Snake的超声图像分割算法

利用参数化的B样条表示轮廓曲线,得到B-Snake轮廓模型.由于B样条曲线自身的一些特点,使得B-Snake具有计算复杂度低,收敛速度快等优点.在实时图像处理方面具有很强优势.实验结果证明B-Snake模型的分割效果不错,而且速度较传统Snake有较大提升.     

基于多尺度线性检测的视网膜血管分割

提出一种自动、高效的视网膜血管网络分割算法。该算法基于对视网膜图像的多尺度线性检测,线性组合各个尺度下的图像响应获取血管特征图像。通过形态学top-hat变换和线性滤波器消除图像噪声和视盘对线性检测的影响,并且增强血管(包含细小血管)的对比度,提高线性检测对细小血管的敏感度,从而提取出更加精确的血管树细节。利用DRIVE和STARE数据库的视网膜图像进行算法性能评估。实验结果显示该方法能够获得很高的分割准确度,几乎为手工分割的结果。同时该方法简单、快速,对噪声具有鲁棒性,适合用于眼科检查的计算机辅助治疗系统。     

最优分割分析在水环境监测优化布点中的应用

应用Fisher最优分割分析法解决山东省水环境监测优化布点系统中有序样本的分类问题,以河流监测断面样本的综合污染指数作为分析数据,计算分类的直径,并通过比较各种分类的误差函数,从而寻求一种最优的分类结果。     

对融合特征敏感的三维点云识别与分割

三维点云分类分割网络忽视了融合特征中的冗余信息,缺乏放大有效特征占比能力,不能充分挖掘特征的表达性。在CurveNet网络基础上,提出了一种能够筛选和丰富融合特征的方法,对点云的识别与分割效果达到了较先进水平。首先,提出了对融合特征具有筛选能力的特征选择子网络,利用结合了打分机制的TopK算子选出包含有效信息的融合特征,并且能够自适应地赋予被选特征权重。其次,在聚合曲线特征模块中增加了两个新分支,分别学习曲线内部点距离特征和曲线之间的线距离特征,通过快速通道相关性注意力机制提取各分支的内部相关性,增强了网络特征的信息描述能力。实验结果表明,分类任务在ModelNet40数据集上准确率达到了93.8%,分割任务在ShapeNet Part数据集上平均交并比达到了86.4%。与基准网络相比,分类效果与分割效果均有所提高,证明了算法的有效性。     

边缘增强的变感受野自注意力撕囊评估算法

为了解决前囊的透光性、器械遮挡和较大的场景差异造成的分割困难,实现撕囊操作的定量评估、缩短医生的学习曲线、提供更规范的治疗,通过边缘增强的方法使得结合了自注意力的变感受野网络关注边缘特征,更加准确地分割出撕囊形成的前囊孔洞并对其进行定量评估。首先利用变感受野的空洞卷积网络获取多尺度的语义依赖,接着通过自注意力机制建立边缘和目标内部的依赖关系,最后利用分割结果计算出用于手术评估的圆度、居中度和半径指标。自建了白内障撕囊数据集,并利用球面化算法对其进行了增广和误操作模拟,提出的分割算法在该数据集上进行了测试,实验结果表明所提出的算法明显优于传统分割算法,精确度、交并比分别达到了96.51%、93.25%。可见,该算法能够实现更精准的前囊孔洞分割和术后评估。     

选择性眩光防避系统保护下的司机面部检测

来车发出的强光及低位置太阳光引起的眩目效果会严重危害驾驶安全性,眩光防避系统可智能地在司机的眼睛区域投下阴影,以保护眼睛免受眩目效果的影响.然而,在眼睛被保护性阴影覆盖时,系统仍需对司机脸部进行检测,以实现进一步的监控.针对该问题,采用部分覆膜训练（PMT）、连续亚块训练（CST）以及交叠亚块训练（OST）,提出了阴影遮挡下的司机人脸检测算法;同时提出了将司机脸部轮廓检测及头部旋转角度估计方法运用于眩光防避系统,以增强复杂光照条件下的司机脸部检测精度与鲁棒性.实验结果验证了所提算法的有效性.     

采用双支路和Transformer的视杯视盘分割方法

视网膜血管复杂且背景与视杯视盘区域相似,是造成视杯视盘分割精度不高的原因。为了更加准确地分割视杯视盘,设计了一种具有双支路特征融合的分割网络。网络主支使用Transformer对特征进行提取,弥补了卷积运算在建立远程关系方面存在的不足。采用多个模块来融合浅层空间特征与高级语义特征：尺度感知-特征融合模块(SCA-FFM)用于从高层次特征中收集视盘和视杯的语义和位置信息;识别模块(IM)利用注意力机制减少低层次特征中存在的错误信息和噪声,增强空间细节特征的提取;使用图卷积域-特征融合模块(GCD-FFM)将高级语义特征和低级特征进行融合,使特征图同时具有全局和局部信息。对比实验表明,本文方法表现出更好的分割效果,且具备良好的泛化能力。     

基于多标记图分割的遮挡下多目标分割及跟踪算法

针对遮挡下的多目标分割及跟踪问题,提出一种新的方法,其将空间-彩色混合高斯模型融入到能量函数最小化框架中。当遮挡没有发生时,为每个目标分别构建一个空间-彩色混合高斯形状描述。一旦多目标相互遮挡发生,一个多标记能量函数将在相互遮挡区域建立起来,而后利用多标记图分割技术将其最小化,从而实现对遮挡过程中所有目标进行同时标记和定位。此外,利用多个视频序列证实了所提出算法的性能。