基于颜色相似系数的彩色图像分割方法

基于两种像素之间颜色相似系数的计算,根据设定的阈值来判断两种颜色是否具有相似性·计算在RGB颜色空间进行,省去了其他分割方法中的颜色空间转换过程·为提高图像分割过程的效率,采用了改进的区域生长法实现整个彩色图像的分割·实验结果表明,本方法可对彩色图像进行有效的分割,符合人类视觉感知特性,适合于不同的应用目的·     

视频监控场景下行人衣着颜色识别

近年来,由于视频监控在各地安防的广泛应用,行人的精细化识别显得尤为重要,其中行人的衣着颜色是最显著的外观特征,其识别的正确性直接影响视频检索中对特定行人的检索.论文提出了一个简单实用的行人衣着识别系统,可以有效地识别行人衣着颜色.首先,结合HOG(histogram of oriented gradient)算法和Grabcut算法自动地对监控图像中的行人进行精确分割;然后,在利用外观划分模型精确地分割出行人的上身和下身后对上下身分别分割成若干个小块;最后,使用KNN(k-nearest neighbor)分类方法判断每个块的颜色,通过所有块的颜色标签投票决定衣着颜色.最终,使用收集的监控视频图像数据集验证此方法的有效性和实用性.     

未知室内环境的三维景物描述

景物描述是计算机视觉的一个重要内容。提出了一个利用三维信息对未知景物的描述方法。该方法对三维场景进行物体级和结构级两级描述;根据三维物体分割的结果,首先计算单个物体的最大尺度、形状类型和边集等整体特征,继而推测它们之间的相互位置关系。从数学上推导了“简化边框矩”和“平面惯量张量”的计算公式,并给出了实验结果。     

基于改进Mask R-CNN的可见光图像中舰船目标检测方法

针对基于卷积神经网络的目标识别方法中经典的矩形检测框在检测舰船目标时会框出很多无关区域,易出现漏检、误检等问题,提出基于改进Mask R-CNN （mask region-based convolution neural networks）的舰船目标检测方法,在Mask R-CNN网络的基础上通过增加判别模块、类别预测分支和语义分割分支对视觉系统采集的可见光图像中的舰船目标进行目标定位和类别预测,同时获得舰船目标的边缘轮廓并实现对军舰目标的语义分割,为海上无人作战系统提供更精确的信息.实验结果表明,该方法在保持较高检出率和运行效率的同时误检率较低,舰船目标的平均检测精度较高,具有良好的舰船目标检测性能.      

基于最大区域互信息量的生物细胞图像分割

针对基于互信息量的阈值分割算法没有考虑像素的空间结构信息以及分割后图像与原图像之间关系的问题,提出了一种基于最大区域互信息量的图像分割算法.以区域互信息量作为目标函数,综合考虑图像各像素的邻域数据以及图像内在空间信息,利用粒子群算法找出图像分割的最佳阈值,克服了基于最大互信息量分割方法的不足.     

CT图像的模糊聚类分割

本文描述了模糊聚类Fuzzy C-Means(FCM)算法实现CT图像分割的方法和过程,该算法的主要特点是提供了一种非监督方式的模糊聚类,它可满足CT图像工作站以非监督方式分割图像的要求。 介绍了CT图像模糊分割的特点,并对实验过程和结果进行了讨论。     

一种机械臂像素级抓取检测方法的研究

目的 针对在平面抓取的场景下,机械臂如何感知目标物体的位置信息并完成抓取作业,提出了一种兼顾检测速度和精度的抓取检测网络。方法 根据抓取检测任务中输入与输出尺寸大小相同的特点,采用语义分割思想设计了抓取检测网络;输入为随机裁剪后的深度图片,输出为同尺寸的抓取置信度、抓取角度和抓取宽度特征图;为了提高平面抓取任务的效率,在综合考虑检测网络速度和精度的情况下,对网络结构进行了改进,除了在网络结构中加入了注意力机制外,还使用U-net和Deeplabv3算法替换了网络的主体结构;通过对比实验认为加入注意力机制的检测网络在检测速度和检测精度上平衡得较好,能够实现抓取任务,将抓取位姿传输给ROS系统,通过一系列的坐标变换和运动规划进行了抓取作业。结果 添加注意力机制后,检测网络的推理时间仍为毫秒级,最大抓取置信度提高了7.2%;采用U-net和Deeplabv3的网络检测速度较慢,U-net网络的抓取置信度Q_max提高了18.8%,Deeplabv3网络的准确率A_cc提高了12.8%;由于抓取检测网络应同时考虑检测速度和精度,因此加入注意力机制的检测网...     

利用同步自回归模型和小波特征进行纹理图像分割

为了提高纹理图像分割的边缘准确性和区域一致性,提出了一种利用同步自回归模型和小波特征实现纹理图像分割的方法,包括特征提取、粗分割和细分割3个阶段．先提取图像的同步自回归模型参数特征,然后利用K-均值聚类实现对纹理图像的粗分割,细分割则是在粗分割的基础上提取图像的小波特征,然后利用最小距离分类器对粗分割图像中不稳定象素进行重新分类,实现图像的最后分割。     

A Survey of MRI-Based Brain Tumor Segmentation Methods

Brain tumor segmentation aims to separate the different tumor tissues such as active cells, necrotic core,and edema from normal brain tissues of White Matter（WM）, Gray Matter（GM）, and Cerebrospinal Fluid（CSF）. MRIbased brain tumor segmentation studies are attracting more and more attention in recent years due to non-invasive imaging and good soft tissue contrast of Magnetic Resonance Imaging（MRI） images. With the development of almost two decades, the innovative approaches applying computer-aided techniques for segmenting brain tumor are becoming more and more mature and coming closer to routine clinical applications. The purpose of this paper is to provide a comprehensive overview for MRI-based brain tumor segmentation methods. Firstly, a brief introduction to brain tumors and imaging modalities of brain tumors is given. Then, the preprocessing operations and the state of the art methods of MRI-based brain tumor segmentation are introduced. Moreover, the evaluation and validation of the results of MRI-based brain tumor segmentation are discussed. Finally, an objective assessment is presented and future developments and trends are addressed for MRI-based brain tumor segmentation methods.     

基于计算机视觉的动目标图象分割与跟踪

研制了一种能够实现动目标图象分割、识别与跟踪的简易计算机视觉系统。实验结果与分析表明：该系统在图象分割实时性、动目标跟踪精确性、抗干扰性及快速灵活性等方面颇具特色。