基于梯度的低对比度X线图像分割方法

在医学骨折诊断领域,X线图像是骨折诊断的重要手段,X线图像中骨骼组织的精确分割为后续的诊断提供了重要依据。为此,文中首先利用Sobel边缘检测算子得到X线图像的梯度图,然后利用灰度图像单目标跟踪算法,提出了一种基于梯度的多目标分割算法,经过三轮跟踪获得了骨骼组织的精确定位,实现了医学骨科X线图像的骨骼分割。最后,将分割结果与边缘检测和阈值方法的分割结果进行了比较。试验结果表明,该方法对低对比度图像能够得到好的分割效果,比较适合医学骨科X线图像的骨骼分割。     

一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。     

基于可控图像分割的快速视网膜血管提取算法

针对多数视网膜血管提取算法实时性不强和分割 精度不高的问题,提出了一种基于可控图像分割的 快速视网膜血管提取算法。首先,对视网膜G分量图像的灰 度进行反转和自适应直方图均衡化,应用结 构元素为“菱形”和“圆盘形”的形态学“开”运算平滑图像背景和增强血管对比度,消除 视盘后阈值分割并二值 化得到不含视盘的分割图像。其次,根据在灰度图像中检测到的视盘构建掩膜,再次对 视网膜绿色分 量图像自适应直方图均衡化后进行阈值分割,并和掩膜进行逻辑“与”运算得到含有掩膜的 分割图像。最后, 将不含视盘的分割图像与含有掩膜的分割图像进行逻辑“与”运算,并融合边界信息获得最 终的视网膜血管 结构。实验结果表明,本文算法能有效提取视网膜眼底图像的血管网络,有较强的实时性和 较高的分割精度。     

一种新的基于网格编码和区域合并的SAR图像快速分割算法

该文建立一种新的基于八邻域网格编码的SAR图像分割模型,并用区域合并技术实现了模型的快速求解。利用多方向比例边缘检测算子提取SAR图像的比例边缘强度映射(RESM),提出一种新的阈值处理方法抑制RESM均质区域内部的极小值,进而减少了对阈值处理后的RESM进行分水岭变换获得的初始分割的区域个数。递归地合并相邻区域来求取分割模型的次优解。利用区域邻接图(RAG)及其最近邻图(NNG)特性来加速区域合并过程。引入精确度(P)和召回率(R)来评价分割算法的边缘定位精度。与常用方法相比,该文方法具有高的边缘定位精度和低的时间复杂度。     

基于改进Deeplabv3+的雾气图像分割

针对传统雾气图像分割算法耗时长、分割结果存在凹陷等问题,提出一种基于DeepLabv3+的雾气图像分割算法.改进算法将DeepLabv3+原结构编码器的Backbone替换为更轻量的Mobilenetv2网络;将解码器的特征融合结构进行重新设计,同时加入注意力通道模块、边缘细化模块,通过消融实验得到分割效果最佳的雾气图...     

基于光栅投影的配油盘球面分割及尺寸测量

配油盘作为液压系统的核心元件之一，其曲面尺寸是否合格直接关系到液压系统的性能。针对其表面部分轮廓特征提取困难、测量误差较大的问题，提出一种基于附加图像边缘检测的球面分割及尺寸测量方法：首先，采用Sobel算子对拍摄的配油盘图像边缘进行锐化并提取球面部分轮廓形成掩膜；然后，借助掩膜分割出球面部分的四步相移图，采用四步相移法求解相位主值，并使用双频外差法展开相位；最后，通过系统标定，计算得到配油盘球面部分的三维点云数据，并进行球面拟合。试验结果表明：采用该方法能够分割出较为清晰的球面部分点云图，基于点云数据拟合的测量精度99.238%,高于依据高度分割、区域生长分割、RANSAC(random sample consensus)分割和手动框选等方法的测量精度，实现了配油盘球面尺寸的高精度测量。     

MCA-Net:多尺度综合注意力CNN在医学图像分割中的应用

医学图像自动分割技术具有辅助临床医学诊断的功能.为改善CNN模型在医学图像分割中存在感受野小及细节特征不敏感等问题,基于多尺度策略以及注意力机制,提出一种多尺度综合注意力的U形网络架构,以提升医学图像分割质量.首先,提出一个新的双路径因式分解多尺度融合块,以扩展图像特征的感受野,进一步提取图像特征的细节信息.其次,在架构中融入通道和空间融合自注意力块,利用注意力机制的特性,抑制不相关的部分或背景以突显深层特征的空间信息.最后,引入多尺度注意力块.该模块通过融合多个尺度的特征信息,以突出不同尺度中最显著的特征图来适应当前分割对象的大小.为验证模型的可靠性,将所提出的网络模型应用于肺部、细胞轮廓及肝脏等医学图像分割任务.实验结果表明,所提方法在准确率、Dice系数、AUC及灵敏度等评估指标上均优于目前用于医学图像分割的主流方法.     

一种基于图割的交互式图像分割方法

交互式的图像分割方法目前已经受到越来越多的重视。该文提出一种新的基于图割(graph cuts)的交互式图像分割方法。该方法将图像的纹理、色彩、边缘等多种特征通过一个概率模型结合在一起。其中纹理和色彩用以Texton为基的直方图来建模,并用Fisher判别准则来对特征空间进行降维。利用图割方法,可以快速求解该模型下的最优分割。在遥感图像分割等问题中的应用结果表明该方法在速度和精确性方面都有很好的表现。     

一种改进的交互式医学图像序列分割方法

本文介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.我们通过把live wire算法和图像分割中一般的区域增长方法结合来改进live wire算法,并用改进后的算法来对医学图像序列中的单张或多张切片进行交互式的准确分割.然后计算机利用活动轮廓模型来自动分割相邻的未分割切片.我们通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型来把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.本文还介绍了一种基于live wire算法思想的简单的分割结果交互式修补方法.实验表明我们的算法仅需少量用户交互就能快速准确的从医学图像序列中分割出感兴趣的物体.     

改进自组织特征网络的医学图像分割算法

为了提高医学图像分割精度,提出一种改进自组织特征网络的医学图像分割算法。首先采用小波包分解提取医学图像的特征,然后改进自组织特征网络建立医学图像分类器,实现医学图像分割,最后采用仿真实验测试算法的性能。仿真结果表明,本文算法不仅解决了传统医学图像分割算法存在的缺陷,提高医学图像分割的精度,具有较好的实际应用价值。     

基于深度残差UNet网络的电气设备红外图像分割方法

红外图像处理是实现电气故障诊断的有效手段,而电气设备分割是故障检测的关键环节。针对复杂背景下红外图像电气设备分割难问题,本文采用深度残差网络与UNet网络相结合,深度残差网络替代VGG16对UNet网络进行特征提取和编码,构建深度残差系列Res-Unet网络实现对电气设备的分割。以电流互感器和断路器两种电气设备红外图像分割为例测试Res-Unet网络分割效果,并与传统的UNet网络和Deeplabv3+网络进行对比。通过对数量为876的样本进行测试,实验结果表明,Res18-UNet能够准确地分割电气设备,对电流互感器和断路器的分割准确率超93%,平均交并比大于89%,且分割准确性优于UNet及Deeplabv3+网络模型,为实现电气故障智能诊断奠定基础。     

An automatic segmentation method for moving objects based on the spatial-temporal information of video

The new MPEG-4 video coding standard enables content-based functions. In order to support the new standard, frames should be decomposed into Video Object Planes （VOP）, each VOP representing a moving object. This paper proposes an image segmentation method to separate moving objects from image sequences. The proposed method utilizes the spatial-temporal information. Spatial segmentation is applied to divide each image into connected areas and to find pre~：ise object boundaries of moving objects. To locate moving objects in image sequences, two consecutive image frames in the temporal direction are examined and a hypothesis testing is performed with Neyman-Pearson criterion. Spatial segmentation produces a spatial segmentation mask, and temporal segmentation yields a change detection mask that indicates moving objects and the background. Then spatial-temporal merging can be used to get the final results. This method has been tested on several images. Experimental results show that this segmentation method is efficient.     

融入频域特征的航天复合材料缺陷智能检测北大核心CSCD

针对传统人力无损检测识别方式存在的准确度与可靠性不足,且处理缺陷种类单一的问题,本文提出了一种融入频域特征的航天复合材料缺陷检测算法。首先,为了提高缺陷图像的特征提取效果,在特征提取骨干网络中添加图像的频域输入信息;其次,为了提高缺陷的可视化效果和检测精度,提出信息专注模块,并在面具R-CNN(mask region-based convolutional neural network, Mask R-CNN)的基础上,改进分割掩模损失函数;最后,结合级联R-CNN(cascade region-based convolutional neural network, Cascade R-CNN)结构,形成了新的实例分割网络。此外,在航天复合材料缺陷X射线图像数据集中对提出的实例分割网络进行了实验验证,模型检测的平均准确度达到了95.3%,与Mask R-CNN、级联面具R-CNN(cascade mask region-based convolutional neural network, Cascade Mask R-CNN)等实例分割算法相比,取得了更为优良的效果。该研究成果已应用于实际工业生产中几种常见航天复合材料缺陷的智能检测。     

基于MCL-UNet网络的激光熔覆层表面平整度识别

表面平整度是衡量多道搭接熔覆层表面质量的重要指标之一,为改进人工标注获取表面平整度耗时费力的问题,本文利用图像识别和语义分割神经网络方法提出了自动识别熔覆层表面平整度。针对搭接熔覆层特征,基于改进的U-Net与注意力机制(CBAM)提出一种用于熔覆层形貌的自动分割网络MCL-UNet,优化改进U-Net模型,依据CBAM模块从通道维度和空间维度调整特征图层的权重信息,将CBAM模块以优化输入和输出的原则部署在网络上。在搭接熔覆层数据集上对改进的网络进行评估对比,实验结果表明,本文提出的MCL-UNet网络模型,其熔覆层分割效果在验证集上的平均IoU准确率为93.76%,相比原始U-Net的IoU准确率提高了5.81%,在测试集上MCL-UNet模型输出的表面平整度的平均相对误差为3.2%,说明该模型可有效提高搭接熔覆层横截面形貌的分割精度,并能较准确输出表面平整度。     

A segmentation model using compound Markov random fields based on a boundary model.

Markov random field (MRF) theory has been widely applied to the challenging problem of image segmentation. In this paper, we propose a new nontexture segmentation model using compound MRFs, in which the original label MRF is coupled with a new boundary MRF to help improve the segmentation performance. The boundary model is relatively general and does not need prior training on boundary patterns. Unlike some existing related work, the proposed method offers a more compact interaction between label and boundary MRFs. Furthermore, our boundary model systematically takes into account all the possible scenarios of a single edge existing in a 3 x 3 neighborhood and, thus, incorporates sophisticated prior information about the relation between label and boundary. It is experimentally shown that the proposed model can segment objects with complex boundaries and at the same time is able to work under noise corruption. The new method has been applied to medical image segmentation. Experiments on synthetic images and real clinical datasets show that the proposed model is able to produce more accurate segmentation results and satisfactorily keep the delicate boundary. It is also less sensitive to noise in both high and low signal-to-noise ratio regions than some of the existing models in common use.     

一种新的用于医学图像分割的几何活动轮廊模型

提出一种新的几何活动轮廊模型对医学图像进行分割．首先，我们对几何活动轮廊模型中吸引力场进行正则化，扩大目标轮廊边缘对的轮廊曲线的吸引力范围，增加轮廊曲线搜寻凹轮廊的能力．然后，采用多尺度模型增加对边缘提取的精确度．将正则化方法与多尺度方法相结合，能够很好的抑制医学图像中的噪声和虚假边缘的干扰，这一方法能够在不采用任何附加拓扑控制的情况下自动控制轮廊曲线的拓扑结构变化，同时提取多个解剖结构，对来自不同成像技术的医学图像的分割，结果表明该方法是一种有效的医学图像分割方法。     

Automatic segmentation of color images with transitive closure

In this paper, a mask based automatic segmentation algorithm for color images which uses pixel similarity has been presented. Main concept of the algorithm relies on spatial mask for course segmentation and the Warshall's transitive closure (TC) computation algorithm for region merging. Although the proposed spatial mask approach reduces the computational burden required for segmentation or clustering techniques such as seeded region growing (SRG) or fuzzy c-means (FCM) in which user supplied parameters are essential, it has over segmentation drawback. Therefore, the transitive closure algorithm, which uses adjacency and similarity matrix associated to undirected graph of the over segmented image, has been employed to merge the regions. After comparing to existing methods, the obtained experimental results confirmed that the color images as well as gray level images could be segmented with considerable accuracy. Also computational complexity of image segmentation is significantly reduced. Furthermore, there is no need any user supplied parameter such as the number of clusters or seed points.     

基于改进Canny算子的双水平集医学图像分割

医学图像常常伴有噪声以及灰度不均匀等问题,且图像边缘具有复杂性,因此传统的双水平集模型无法达到理想的分割效果。针对该问题提出了一种基于改进Canny算子的双水平集医学图像分割算法,首先在Canny算子的基础上加入梯度模板,用来解决传统Canny算子无法完全检测出复杂图像边缘的问题,然后将检测后的图像融入到双水平集模型中,通过在水平集模型中加入偏移场来解决灰度不均匀的问题,并且在距离规则化项中使用双肼势函数。实验结果证明,该模型对于复杂边界以及灰度不均匀的图像有较好的分割效果。     

视频对象分割中基于Gibbs随机场模型的时空分割结合方法

本文提出了一种基于Gibbs随机场模型的时空分割结合方法 ,用于视频对象的分割 .该方法为每一帧图像的分割模板建立Gibbs随机场模型 ,将时间域分割结果作为初始标记场 ,空间域的分割结果作为一个图像观察场 ,然后利用Gibbs模型的约束条件将二者结合起来 ,得到该帧最后的分割标记场 .实验结果表明 ,这种时空结合方法可以较好地避免以往的比重法过分依赖于空间域分割精度的问题 .     

视频对象分割中基于Gibbs随机场模型的空分割结合方法

本文提出了一种基于Gibbs随机场模型的时空分割结合方法,用于视频对象的分割.该方法为每一帧图像的分割模板建立Gibbs随机场模型,将时间域分割结果作为初始标记场,空间域的分割结果作为一个图像观察场,然后利用Gibbs模型的约束条件将二者结合起来,得到该帧最后的分割标记场.实验结果表明,这种时空结合方法可以较好地避免以往的比重法过分依赖于空间域分割精度的问题.