基于空间自适应和混合损失对抗网络的乳腺肿块图像分割方法

在乳腺癌筛查的计算机辅助诊断过程中，乳腺肿块的精确分割至关重要.然而，乳腺肿块在X光成像中与背景灰度接近、形状不规则，使得精确分割面临很大挑战.为进一步提升分割性能，提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方法.首先，提出可分离卷积U-Net模型作为对抗网络中的生成器，以减少参数量和计算量；然后，在判别网络中添加空间自适应归一化层来获取分割掩码中蕴含的语义信息；最后，综合考虑类别不平衡、语义一致性等因素的影响，提出一种融合对抗损失、分割损失和感知损失的混合损失函数以提升模型学习效果.实验结果表明，新方法在INbreast和CBIS-DDSM两个乳腺分割公开数据集中分别取得99.35%和99.72%的准确率，以及81.27%和82.01%的集合相似度，获得优于现有方法的分割性能.     

Regional Merge K-means图像分割算法及其质量评价

K值是基于K-means聚类算法进行图像分割效果的关键因素,为了解决K值过小,图像分割不明显,K值过大,图像分割信息过于碎片化的问题,提出一种Regional Merge K-means(RMK)算法.首先对图像运用K-means算法进行聚类,然后运用区域合并(Regional Merge)优化图像分割效果,最后利用不同图像进行图像分割试验,并选用不同的质量评价指标对试验结果进行评价.结果表明,该算法能显著优化图像分割效果.     

基于数字图像的大空隙沥青混凝土离散元模型

为了从细观角度深入分析大空隙沥青混凝土性能,利用CT扫描获取PAC-13大空隙沥青混凝土内部图像,将三维重构的切片图像和CT横向扫描图进行阈值分割,通过体视学理论选取与真实级配最相近的图像作为集料、空隙结构提取对象,建立了像素边长为0.5 mm的离散元模型,并进行单轴压缩虚拟测试.结果表明:三维重构切片图的级配误差比横向扫描图级配误差小了约20%,重构的切片图级配更具代表性;该模型实现的虚拟单轴压缩试验强度值与室内单轴压缩试验强度值相差小于3%,该模型具有很好的可靠性,这种数字图像建模的方法为研究大空隙沥青混凝土内部细观结构提供了参考.     

基于组合型阈值分割的在线立铣刀侧刃磨损测量

在实际生产中，现场测量立铣刀侧刃磨损是一项艰巨的工作．光照条件、刀具空间几何形状和初始位置的标定等因素对刀具磨损参数的测量精度影响很大．针对上述问题，提出了一种基于组合型阈值分割方法的在线立铣刀侧刃磨损测量方法，在保证测量精度的情况下最大限度地获取刀具磨损参数的有效信息．首先，提出一种图像剪切策略对捕捉到的磨损区域不同光强下的原始照片进行预处理，选取弱光下的刀尖区域和强光下的均匀磨损区域作为数据源；其次，对该数据源采用包含改进的直方图法和局部阈值分割法的组合型阈值分割法进行磨损区域提取；然后，将两种方法的结果进行叠加，去除磨损区域以外的多种噪声，并根据第1步的剪切位置，将分割后的刀尖区域图像与均匀磨损区域图像拼接，得到完整的磨损区域；最后，利用最小二乘法求出原始切削刃位置，标定磨损区域图像，计算刀具磨损参数．在立铣刀磨损实验中，测得侧刃的最大磨损量的精度大于98%，最大误差不超过5μm．实验结果表明，本文提出的方法能够获取全面的磨损区域信息，给出完整的磨损区域和精确的刀具磨损参数，有助于更加可靠地评估刀具磨损状态．     

基于灰度空间大熊猫图像分割方法研究

大熊猫作为中国国宝,其监测及保护更受到越来越多的关注。本文详细介绍基于灰度空间的阈值分割方法,用于大熊猫图片前景的提取,并与基于YCbCr颜色空间的分割算法进行对比,分析阈值分割的适用范围及分割效果。     

基于图论的Normalized Cut图像分割算法

基于图论的图像分割算法是近年来图像分割领域研究的的热点问题，该文就其Normalized Cut算法进行了简要的介绍，并利用其对图像进行了仿真分割。     

采用时分割乘法器的电能测量系统

针对当前电能参数测量系统精度低、受器件和温度影响较大的现状，采用时分割乘法器设计了电能参数测量系统。该系统主要由时分割乘法器、低通滤波器、电压频率转换器组成，能够完成电流、电压真有效值以及无功功率、有功功率、视在功率、功率因数等的测量和显示。误差分析表明：该系统对有功功率的测量精度可达0．1级，其测量范围广且设计灵活，适合于设计高精确度、高准确度的电能测量仪器。     

连接门限阈值法在肝脏CT图像分割上的应用

讨论了区域生长算法的基本原理,并采用其中经典的连接门限阈值(Connected Threshold)算法,通过VC编程对肝脏CT图像进行了分割,提取了其中的肝脏组织轮廓.实验结果表明,该算法能较好的分割出肝脏组织轮廓.文中也对该算法存在的问题进行了分析讨论.     

基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

过渡区提取方法综述

图像分割是图像理论发展的瓶颈, 过渡区是指图像中介于目标和背景之间的 特殊区域,借助于过渡区的确定进行图像 分割。主要介绍了过渡区提取的两大类方法 ：基于梯度的方法和基于非梯度的方法, 并对提取效果以及存在的问题做了简要分析。