基于哈希表结构和图像分割的快速图像标注

为了快速、准确地标注大型图像数据集中的图片,提出了一种利用图像分割和基于kNN(k-nearest neighbor)图的半监督学习来标注图像的算法.该算法先将图像分割为若干个局部区域,使用局部敏感的哈希表来构建图像局部区域的kNN图,并基于图像局部区域的kNN图来构建原始图像的kNN图,利用基于图的半监督标签传递算法来标注未标注的图像.在具有269 648张图像的大型图像数据集NUS-WIDE和具有5 000张图像的Corel数据集上的实验结果表明,该算法能获得较快的标注速度和标注精度.     

基于改进SLIC与CNN的细胞显微图像分割与计数

针对细胞显微图像分割与计数问题,提出了一种基于改进SLIC(Simple Linear Iteration Clustering)超像素与卷积神经网络(Convolutional Neural Networks,CNN)的细胞显微图像分割和技术的方法.首先对细胞显微图像进行预处理,然后对图像进行改进后的SLIC超像素分...     

球面图像的SLIC算法

简单线性迭代聚类(simple linear iterative clustering,SLIC)超像素分割算法可以直接用于等距柱状投影(equirectangular projection,ERP)的球面图像,但是投影所造成的球面数据局部相关性破坏,会导致SLIC算法在ERP图像的部分区域无法生成合适的超像素分类,从而影响该算法的性能.为解决这一问题,首先对ERP格式的球面图像进行重采样,生成球面上近似均匀分布的球面像元数据;然后在保持球面图像数据局部相关性的基础上,将重采样数据重组为一个新的球面图像二维表示;并基于此二维表示,将球面数据的几何关系整合到SLIC算法中,最终建立球面图像SLIC算法.针对多组ERP图像分别应用SLIC算法和本文提出的算法,对比2种算法在不同聚类数量下的超像素分割结果.实验结果表明:所提出的球面图像SLIC算法在客观质量上优于原SLIC算法,所生成的超像素分割结果不受球面区域变化影响,且轮廓闭合,在球面上表现出了较好的相似性和一致性.     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

基于深度学习的TBM密集岩碴片图像分割

针对全断面隧道掘进机的传送带上岩碴片重叠造成的图像分割不准确问题,提出一种基于深度学习的密集岩碴片图像分割方法.该方法将原图像做预处理,标注并制作岩碴片图像数据集;改进U-Net模型的结构,通过深度监督以及新的混合损失函数优化模型学习分割表示的能力;训练改进后的模型分割图像,利用OpenCV获取面积与长、短轴等参数;与...     

砂石颗粒物分割算法研究

为了提高砂石颗粒物分割任务的精度和实时性,砂石颗粒物分割算法进行分析最终优选出Grabcut算法作为分割算法。以Grabcut算法为基础,分析该算法的缺陷。接着针对这些缺陷提出改进方案:提出目标候选框自适应生成算法;引入超像素算法对输入图像进行预处理;对Grabcut中的能量函数进行改进加快算法收敛速度。最后对提出的算法进行对比验证,分别对比原始Grabcut算法和仅引入超像素算法的Grabcut算法(SLIC＿G)以及改进后的Grabcut算法(E＿SLIC＿G)。结果表明,原始Grabcut分割速度仅有0.54FPS,SLIC＿G分割速度达到0.80FPS,而E＿SLIC＿G分割速度达到1.41FPS,且精度方面E＿SLIC＿G的精度最高,mIoU值为92.78。     

基于改进DeepLabv3+模型的桥梁裂缝图像分割方法

针对桥梁中的裂缝病害智能化检测,深度学习方法中DeepLabv3+分割模型因其提出了新的Encoder-Decoder结构,其融合了目标的高层语义信息与浅层特征并采用了深度分离卷积的方式,取得了优越的图像分割效果。但是,在编码模块训练过程中逐渐缩减输入数据的空间维度导致有用信息丢失,对尺度大小不一的小目标的识别带来一定的局限性。为了提高网络的分割性能,本文提出了一种基于改进DeepLabv3+的图像分割方法。通过增加的YOLOF模块与Resnet模块,进一步扩大感受野同时获取到更精确的裂缝特征图,为了验证本文改进算法的有效性,将大量实际桥梁裂缝图像作为原始数据集,将其与当前具有代表性的图像分割模型（如Mask R-CNN、DeepLabv3+）在相同数据集上进行对比。结果表明,本文算法在裂缝像素精度上相比Mask R-CNN、DeepLabv3+分别提高了12%与8%,平均像素精确度达到91.99%,平均交并比达到了81.43%,更加适用于桥梁裂缝分割任务,具有工程实际应用意义。     

基于道路中心线的分阶段弱监督遥感图像道路提取

利用语义分割算法从卫星图像中提取道路已经成为遥感道路监测任务的主流解决方案。然而，不同地理环境下卫星图像中的道路纹理复杂多变，加之道路的像素级标注成本昂贵，因此在训练语义分割模型时大量使用像素级标注的方法是不现实的。对此，提出了一种分阶段弱监督道路提取算法，利用道路中心线涂鸦标签进行弱监督训练，并分阶段地训练道路分割模型。此外，还提出了伪掩码更新策略和混合训练策略，设计了适用于道路前景和背景的损失函数。实验结果表明，所提算法在道路分割任务中比其他基于道路中心线的弱监督方法具有更优异的性能，而消融实验结果也验证了所提训练策略的有效性。     

基于语境相关图传播的图像标注改善方法

提出一种图像标注改善方法,利用数据集蕴含的语境相关信息进行标注改善。构建标签相关图和视觉内容相关图,利用正则化框架将标注改善问题描述为两个无向加权图上的损失函数最小化问题。采用数据分割,逐次优化和放松约束的策略,获得该问题的近似解。该方法充分利用标签的语境相关信息和图像内容相关信息,对数据集分割的粒度具有较好的鲁棒性,具备近似线性的时间复杂度。测试结果表明,该方法适用于大规模数据集,性能优于其它对比方法,可以较大幅度的提升图像标注性能。     

基于深度超像素的超图谱分割方法

为提高无监督图像分割准确性,提出一种新的基于深度超像素的超图谱分割方法。首先,通过多种过分割方法得到超像素,以迭代的方式两两求交集表示为深度超像素,作为超图的顶点。其次,根据超像素和深度超像素之间的关联性构建超边,形成超图模型。最后,通过对超图拉普拉斯矩阵进行谱分解将超像素聚成不同的类,从而得到图像的分割结果。相较于经典方法,新方法在伯克利分割图像库上产生更好的分割结果,验证了该方法的有效性。     

基于超像素和密度峰值聚类的图像分割

图像分割是计算机视觉领域的一个重要组成部分。密度峰值聚类已应用于图像分割领域。但由于密度峰值聚类在聚类时只能考虑数据的全局空间信息,不能有效去除图像噪声,因此提出了一种超像素的图像预处理方法。该方法能充分考虑局部空间信息,具有较强的鲁棒性。通过改进的形态梯度重建和分水岭算法得到具有精确轮廓且去噪效果较好的超像素图像。在此基础上,加入密度峰值聚类完成后续分割。通过在光学图像数据集BSDS 500上进行实验,验证了超像素算法及图像分割算法的有效性。     

利用形态学多尺度算法分割粗集料粘连图像

为准确地对X-ray CT沥青混合料切片图像材质分类过程中存在的颗粒粘连图像进行分割,提出一种利用半径r分别为1、2、3、4的圆形结构元素分别对沥青混合料粗集料粘连图像进行极限腐蚀的改进形态学多尺度算法,通过判断各个分割图像分割线的数目,以分割线数目出现频率最大的分割数作为最终分割,并以最小的结构元素所对应的分割图像作为实际的分割图像,最后通过叠加独立颗粒图像和经粘连分割后的图像生成目标分割图像.最后着重开展了此算法的分割效果和分割精度研究.结果表明:与形态学多尺度算法相比,改进形态学多尺度算法既能有效地分割沥青混合料粗集料粘连图像,又能较好地抑制颗粒的欠分割与过分割现象,并获得较高的分割效果和分割精度,减少数值建模中的难度.     

三维窄带水平集算法在内耳分割中的应用

为减少从颞骨螺旋CT（computed tomography）图像中分割内耳的手动交互量，阐述了基于区域竞争的窄带水平集算法的基本原理及其特点，构造了合适的速度函数来控制水平集函数的演化，并将该算法应用于颞骨螺旋CT图像中内耳的分割.通过建立三维模型表面上的点与3个正交截面的对应关系，可以快速确定弱边界所在的位置，然后在正交截面上手动编辑以去除多余的组织，得到完整的内耳.对3个病人的5例颞骨图像进行内耳分割实验，实现了4例内耳的完整分割、1例严重畸形内耳的不完整分割.分割1例内耳约需10 min.该方法具有分割速度快、手动交互少、结果表面均匀的优点.     

基于超像素分割的无线内窥镜出血图像检测

将图像形态学处理和计算机辅助诊断方法应用于无线内窥镜出血图像检测。在对无线内窥镜图像进行形态学处理和超像素分割的基础上,提出红色纯度特征,应用最小二乘支持向量机分类器对分割后的图像进行分类。试验结果表明,该方法能够有效地检测无线内窥镜图像中的出血区域,敏感性、特异性和准确率分别达到了99%、94%和95%,可以作为临床医生的辅助诊断工具。     

Improved Region Merging Algorithm for Remote Sensing Images

To segment high-resolution remote sensing images (RSIs) accurately on an object level and meet the precise boundary dividing requirement, an improved superpixel segmentation and region merging algorithm is proposed. Simple linear iterative clustering (SLIC) is widely used because of its advantages in performance and effect; however, it causes over-segmentation, which is very disadvantageous to information extraction. In this proposed method, SLIC is firstly adopted for initial superpixel partition. The second stage follows the iterative merging procedure, which uses a hierarchical clustering algorithm and introduces a local binary pattern (LBP) texture feature operator during the process of merging. The experimental results indicate that the proposed method achieved a good segmentation and region merging performance, and worked effectively on cloud detection preprocessing in high-resolution RSIs with cloud and snow overlap situations.     

单色经纱或纬纱排列的自动识别算法

给出了一种在HSI颜色空间上利用颜色的聚类分析和区域分割并结合织物密度来实现织物色纱排列的自动识别算法．实验证明，本算法能正确计算出色纱排列参数，测量方法可代替人工操作，对织物的自动检测具有一定参考价值．但目前的研究水平只适用于单色经纱或纬纱排列的自动识别．     

Improved SLIC Segmentation Algorithm for Artificial Structure Images

Simple linear iterative cluster(SLIC) is widely used because controllable superpixel number, accurate edge covering, symmetrical production and fast speed of calculation. The main problem of the SLIC algorithm is its under-segmentation when applied to segment artificial structure images with unobvious boundaries and narrow regions. Therefore, an improved clustering segmentation algorithm to correct the segmentation results of SLIC is presented in this paper. The allocation of pixels is not only related to its own characteristic, but also to those of its surrounding pixels.Hence, it is appropriate to improve the standard SLIC through the pixels by focusing on boundaries. An improved SLIC method adheres better to the boundaries in the image is proposed, by using the first and second order difference operators as magnified factors. Experimental results demonstrate that the proposed method achieves an excellent boundary adherence for artificial structure images. The application of the proposed method is extended to images with an unobvious boundary in the Berkeley Segmentation Dataset BSDS500. In comparison with SLIC, the boundary adherence is increased obviously.     

在线判别式超像素跟踪算法

针对传统超像素跟踪方法中建模速度慢、目标遮挡易漂移的问题,提出一种新的目标跟踪算法．该算法利用超像素分割,获得大量目标前景和背景的超像素训练数据,通过训练超限学习机,并结合k-d树聚类快速构建目标前景和背景的判别式模型．在跟踪过程中,利用构建的模型和粒子滤波估计目标中心位置．最后结合相关滤波估计目标尺度,实现对目标的鲁棒性跟踪．实验结果表明,所提算法具有可靠的跟踪精确度和较快的跟踪速度．