基于半监督阶梯网络的肝脏CT 影像分割

针对医学影像数据中标记样本较少且人工标记成本高的问题, 提出一种基于半监督阶梯网络的肝脏CT(Computed Tomography)影像分割模型。首先, 利用超像素分割对数据进行预处理减少数据量, 并以像素点为中心提取子图像(patch)放入半监督模型进行训练。最后, 利用训练模型进行肝脏分割。实验结果表明, 该模型利用少量的标记图片得到了与监督学习相近的结果。     

一种结合颜色纹理直方图的改进型Camshift目标跟踪算法

针对背景中存在颜色相近目标或目标被遮挡时Camshift算法跟踪失败的问题,提出了一种改进的Camshift目标跟踪算法。首先,改进算法模型直方图的计算选用颜色和纹理相融合的直方图概率分布,解决了Camshift算法只使用单一的颜色模型、很难适应物体大范围运动造成的背景变化或遮挡的不足;其次,图像权值采用目标模型与目标候选模型特征概率之比的平方根来计算,并用权值进一步估计目标的位置和方向,克服了原始Camshift算法中图像权值仅依靠目标模型计算的不足,大大减少了背景特征对跟踪的影响;最后,利用粒子滤波对运动目标状态进行估计,以克服目标运动引起的遮挡、交错或重叠,进而提高目标位置跟踪精度。实验结果表明,改进算法的平均每帧成功率达到50%以上,平均中心位置误差低于20%。改进算法能有效改善目标跟踪性能,从而实现目标跟踪的有效性、准确性。     

基于部件拼接的高质量中文字库自动生成系统

针对中文字库制作开销过大的问题, 提出一种基于部件拼接的高质量中文字库制作方法。参考汉字相关规则与信息, 选取供用户书写的少量汉字集合, 将书写的汉字分割至部件级别。根据汉字部件成字关系, 拼接产生剩余汉字, 最终生成完整GB2312标准(共包含6763个中文字符)的高质量中文字库。实验表明, 所提出的字库制作系统实现了快速生成个性化中文字库的功能, 在保证生成字库质量的前提下, 显著降低了个性化中文字库的制作时间。     

一种基于白帽变换的细小水体信息提取方法

提出一种基于形态学白帽变换的线性特征增强处理技术,从而有效提取遥感影像中的细小水体信息.通过白帽变换对改进的归一化差异水体指数(MNDWI)影像进行线性特征增强处理,获取形态学细小水体指数(MNWI)特征影像,并采用经验阈值和自动阈值相结合的方式实现水体样本信息双阈值分割提取,解决细小水体与线状道路容易混淆的问题.利用多幅Landsat影像测试本文方法,结果表明,本文方法能较好地提取细小水体信息,较好地保持细小河道形态的连续性,细小水体提取精度达到80%以上.     

基于格式塔认知框架的乳腺肿块分割算法

针对X线图像乳腺肿块分割易受边缘及周围腺体组织干扰,分割精度不高的问题,该文提出了一种基于格式塔认知框架的乳腺肿块分割算法。该算法利用格式塔心理学理论,对人类视觉自下而上的感知和自上而下的认知过程建模,并将其在肿块分割问题中实例化表示。首先,抽取视觉块,并将其作为基本认知单元;然后,利用图像局部自相似性及格式塔规则进一步简化图像;最后,从全局特征出发,融入专家诊断知识,通过最优化实现肿块的自动化分割。在公开数据集INbreast上进行实验,对比其他流行算法,分割准确率提高了10%。该算法实现了无监督的自动化病灶分割,无需人工干预,对图像噪声具有强抗干扰性。     

基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法研究

为解决药用玻璃瓶外轮廓在线检测的两大难题,即瓶体透明度高造成光电传感器测量失真,以及高速生产节拍下测量精度稳定性差的问题,本文提出了一种基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法。首先通过结合PP-Lite Seg图像语义分割算法与Canny边缘检测算法,实现透明玻璃瓶轮廓边缘区域的精准分割,来精确采集玻璃瓶各截面轮廓点云;再利用ICP算法配准点云数据、Kd树算法计算瓶体尺寸超差区域,来实现高透药用玻璃瓶高精度在线测量。使用采集数据与标准瓶尺寸进行对比实验,实验结果表明重构轮廓尺寸误差在0.054mm以内、扫描速度在1s以内,能够满足当前生产节拍对检测精度和速度的要求,为高透玻璃瓶在线检测系统提供技术支撑。     

基于语义分割的遥感影像建筑物自动提取方法

当前地理信息动态更新中遥感影像建筑物提取仍需通过人机交互实现,生产效率较低,针对该问题提出了一种基于语义分割的端对端的遥感影像建筑物提取方法.该方法将提取任务分解为编码和解码两个过程,其中编码过程负责从输入的高分辨率遥感影像中提取建筑物的抽象特征,而解码过程则基于提取到的地物特征建立特征与提取结果的映射关系,从而获得像素级的高精度提取结果.采用高分辨率航拍影像和Worldview卫星影像进行试验,与传统的建筑物提取方法进行对比.结果表明,所提方法的精确度、召回率、F1得分和交并比相对于传统提取方法均有明显提高,能够有效解决地理信息数据生产中建筑物提取的问题.     

新型架构下的密集网络在肺部影像的分割研究

在医学图像分割领域中,肺实质的分割对肺结节检测有着至关重要的作用,在考虑到模型参数量的情况下 追求更高的精度一直是研究热点之一;为此提出了新的三层密集卷积神经网络 DA-UNet,首先用密集卷积模块代 替在传统 U-Net 使用的普通 3×3 卷积,利用密集卷积特征重用特点,加强了网络的特征提取能力。 再者在没有太 过影响分割网络精确度的前提下加以修剪,减少了上下采样次数,减少不必要的算力消耗。 此外,使用了注意力门 (Attention gate),加强了跳跃连接中高底层信息融合效果,并且使用空洞空间金字塔池化( Atrous spatial pyramid pooling),模型加入了不同尺度的特征信息,进一步加强图像中任务相关的区域特征,有效减小噪声干扰,提高网络 分割精度。 通过实验证明:三次上下采样改进模型的参数量只有传统四次上下采样的 75. 2%左右,但是分割效果 没有太大的影响,用 LUNA 竞赛肺部影像数据集进行了分割验证,实验结果在测试集上的准确率达到了 0. 991,而 IoU 则为 0. 961,比起传统 U-Net 的评价指标 IoU 提升了 2. 9%;在泛化实验的肝脏图像中,DA-UNet 的 IoU 稳定在 0. 929 左右,而 U-Net 稳定在 0. 838 左右。 这些结果证明了改进的 U-Net 有更佳的分割效果。     

一种室内彩色图像的分割方法

讨论室内彩色图像的区域增长法分割技术．直接使用彩色图像作分割，效果并不理想．可以利用室内图像中非金属目标界面反射较弱的特点，简化反射模型，使用规一化彩色，然后再作区域增长，这样分割的效果令人满意．实验结果表明了这一点．     

基于区域增长及边缘检测的一种图象分割方法

提出一种图象分割算法．这种算法综合了三种算法，即区域增长、边缘检测及保持边界平滑方法．它可以明显地克服区域增长及边缘检测各自的缺点．在这种方法中还引进了边界平滑算法使得分割所产生的边界更可靠．可直接应用到三图象分割、医学图象分割的实验中，证明了这种方法的有效性