基于Centripetal Catmull Rom曲线的经食道超声心动图左心室分割方法

针对2维超声心动图像噪声大且难于分割的特点,提出基于Centripetal Catmull Rom曲线的多尺度活动形状模型的左心室分割方法。该算法在金字塔上层提取2维轮廓法线向量特征并采用马氏距离寻找新的特征点位置;在图像金字塔底层快速提取特征点周围的Log Gabor特征并使用Gentle AdaBoost训练分类器,选择置信度水平最高的点作为新的特征点位置。实验证明,这种方法较之传统活动形状模型分割更为精确且分割结果交互方便,有利于对结果的再编辑。     

基于FCN的图像语义分割算法研究

图像语义分割的传统方法是依靠人工设计提取特征,用机器学习的方法进行分类,来达到分割的效果,但是过程比较复杂,且最终的分割效果也不理想.为解决该问题,提出运用深度学习的方法自动提取图像中物体特征,实现端到端训练,并提升分割精度.采用的基础网络是ResNet-50,同时采用空洞空间金字塔池化模块进行有效的特征融合,并在最后...     

基于多特征融合的彩色眼底图像视杯分割方法

为了提高彩色眼底图像中视杯的分割精度,提出了一种基于多特征融合的彩色眼底图像视杯分割方法.首先提取感兴趣区域的血管;然后分割视盘区域,在视盘分割的基础上根据视杯的亮度特征采用模糊C均值聚类(FCM)法提取视杯候选区域,并根据视杯的形状和位置特征对候选区域依次进行镜像映射、椭圆拟合及椭圆校正,得到视杯的粗分割结果;最后利用杯沿的血管特征定位血管弯曲点,修正视杯粗分割结果,完成视杯的准确分割.对Glaucoma Repo眼底图像数据库进行测试,实验结果表明:该方法的灵敏度为87.15%,特异性为99.03%,准确率为98.12%,阳性预测值为82.03%,综合评价指标为84.51%,像素距离为18.80,具有较高的鲁棒性和有效性.     

基于空间金字塔的BoW模型图像分类方法

针对不同场景图像下词袋(bag of words,BoW)模型的图像分类准确率较低的问题,提出了一种基于空间金字塔BoW模型的图像分类方法。该方法通过尺度不变特征变换(scale-invariant feature transform,SIFT)算法提取原始图像像素特征点作为视觉特征,对相似视觉特征进行聚类形成视觉词袋,并采用空间金字塔方法对视觉词袋进行划分,构建空间金字塔的BoW模型,通过支持向量机分类器对分层后的视觉词袋进行图像分类。分别使用BoW模型和空间金字塔的BoW模型分类方法对网络图像数据库进行分类实验对比,结果表明,空间金字塔BoW模型能有效提高BoW模型的图像分类准确率。     

基于GA-Otsu法的图像阈值分割及定量识别

针对传统Otsu法在图像分割中存在的计算量大、效率低的问题,提出了一种基于GA-Otsu的热波图像分割方法。该方法充分发挥了遗传算法的全局寻优能力,快速地求解热波图像分割的最佳阈值,缩短了损伤的分割时间。通过与人工阈值法的分割结果进行对比,表明本文方法不仅保持了冲击损伤的基本形状,而且对冲击点位置的分割提取也较为准确。最后,通过对缺陷的定量识别验证了本文方法在热波检测图像分割中的有效性。     

形态金字塔图像分割算法

提出了一种数学形态金字塔图像分割算法，使用形态金字塔算法将图像逐级分解，在不同分辨率空间中对细节信息进一步处理，分割出不同特征区域．SAR图像实验结果表明该算法可以作为一类带通滤波器，提取不同特征区域，实现图像的多分辨率分割．     

基于形状测度与最大信息熵函数的阈值法

针对光照不均匀、低对比度图像目标提取不完整的问题,提出融合应用形状测度与最大信息熵函数的图像阈值法。基于形状测度建立阈值化准则函数,应用像素点灰度或均值与梯度值建立共生矩阵,并得到最大信息熵阈值函数。兼顾形状测度对图像轮廓特征的获取及最大信息熵对图像边缘保留的特性,采用乘积的形式将两种函数进行融合,作为新的阈值选取准则。应用所提出的融合方法能够获得轮廓完整且边缘清晰的分割结果。     

基于数学形态金字塔分解和流域分割的骨髓细胞图像分割

提出了一种基于数学形态金字塔分解和流域分割的骨髓细胞图像分割方法。根据形态金字塔的分解方法,将细胞图像经过形态金字塔分解后,先在低分辨率图像上进行流域分割,然后对低分辨率图像的分割结果进行复合得到原始图像的分割结果。实验结果表明,使用该方法能够获得较好的分割效果,并可提高分割算法的运算速度。     

基于多维HMM的形状结构特征检索

提出了一种新的形状分类方法.该方法首先对物体目标的形状曲线以零曲率点为分割点分割成凹段或凸段,然后在分段弧上取不同的结构特征:对称性、方向性、归一化长度和线性.最后,将四维的结构特征直接应用于四维的隐Makov模型,对形状库进行训练和测试.取MPEG-7shapeB和SQUID两个标准库的图像为实验图库,实验结果证明,该改进算法具有速度快、识别率高的优点,并且对形状的尺度变化、旋转变化、噪声污染和闭塞影响都有更好的鲁棒性.     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。     

融合对象颜色和边缘特征的图像检索

由于图像内容特性的复杂性,对图像特征的抽取、索引及检索匹配计算量巨大,空问模型向量动辄几百上千维,使基于内容的图像信息检索在Internet上的应用面临着所谓的“维数灾难“问题。提出了一个新的图像检索模型,该模型融合了颜色的空间分布信息和对象的形状特征。颜色特征采用改进的HSV模型——扇形模型描述;对象的边缘特征采用Canny方法进行计算,并通过Hough变换产生描述对象形状特征(相对位置和方向)的空间信息;图像的相似性比较采用两个全局性向量距离描述。实验结果表明,该模型比采用单一特征(颜色)具有更高的检索效率,是高效率和合理检准率的良好折中。     

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE(Gray Level and Local Entropy)二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.     

基于复杂背景的二维条码提取技术

为了从含有大量物体的复杂背景图像中提取出二维条码,给出一种基于图像连通区域特征、角点特征和边缘特征的提取方法,即将灰度图像二值化后进行形态学处理,排除复杂背景中大量无关因素,对筛选出的子区域进行角点检测准确定位出二维条码的位置。通过采集大量不同光照、不同物体为背景的图像对新方法进行检测,提取结果均获成功。     

视觉注意引导和区域竞争控制的医学图像分割

模糊连接度已经成为医学图像分割的实用方法，但其困难在于需要设定多种子点，自动给定的手段不是很有效.为此将种子点等价于视觉特征显著点，提出了在视觉注意模型引导下种子点给定的新方法.通过研究显著点定位与图像特征概率密度估计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割.新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像.新方法能够完全自动定位种子点，有效分割图像，准确率高.引入多种子点之间的竞争策略加快了图像分割中的区域增长处理过程.     

一种新的基于图论的图像分割算法

传统的基于图论的图像分割方法计算复杂度大,对图像亮度变化比较敏感,且分割效果有待提高.针对传统算法的不足,提出一种新的基于人眼视觉特征的图像阈值分割算法.该算法基于图论和归一化划分准则,并把对数图像处理模型(LIP模型)应用到图像处理中.同时,该算法综合考虑像素的灰度信息和空间位置信息,具有全局性,使分割目标比现有方法更为准确,且时间复杂度适中.实验结果表明,该算法不仅有效地分割出目标来,而且在图像亮度小幅度变化时,效果稳定可靠.     

基于双目视觉模型的彩色目标实时检测与定位

从立体视觉中提取位置信息是计算机视觉的热点问题.在建立双目视觉模型的基础上提出了一种新的基于YUV彩色模型的实现足球立体视觉匹配的检测方法.该方法将匹配问题映射为具有某种颜色的目标特征区域的中心,把其中心作为匹配点,通过目标的分割获得匹配点后根据双目视觉定位数学模型恢复图像位置信息,完成对目标的实时检测和定位,满足机器比赛中对足球实时检测和定位的需要.     

星载合成孔径雷达图像小特征的准确分割方法

星载合成孔径雷达(SAR)图像信息丰富且复杂,无法通过某种信息对其所有目标进行准确表述,相同种类图像有很大不同,而不同种类图像有很大的相似性,传统方法无法解决上述问题,导致分割精度低。为此,本文提出一种新的星载SAR图像小特征准确分割方法。首先,对星载SAR图像灰度特征进行提取,通过灰度共生矩阵对纹理特征进行提取,利用谱嵌入式聚类方法塑造星载SAR图像可识别特征轮廓模型,实现轮廓特征的提取。然后,通过支持向量机实现星载SAR图像小特征初分割,利用不同小特征信息对各过分割部分的空间关系进行研究,在全局范围对类似过分割部分进行迭代增长处理,对星载SAR图像进行小特征准确分割。最后通过试验证明了本文方法有很高的准确性。     

基于RAPNet的脑肿瘤MRI图像三维分割

传统深度卷积神经网络方法在全自动脑肿瘤磁共振成像(MRI)图像分割中存在多尺度病变处理能力较弱的问题。对此，使用改进的三维递归残差卷积单元构建特征学习的主干网络，提高了特征学习的空间相关性并缓解因网络模型过于复杂造成的网络退化和梯度弥散。同时，采用具有不同膨胀率的三维空洞卷积和跨模型注意力机制构建分层特征金字塔，结合上下文特征，提高了整体模型对不同大小肿瘤的识别能力。结合多层特征图对肿瘤图像进行辅助预测，获得了最终图像的分割结果。在BraTS 2019数据集上进行实验的结果表明，用残差-空洞金字塔网络(RAPNet)的方法在分割浮肿区域、坏疽区域、增强肿瘤区域的平均Dice相似性系数分别为0.897,0.852和0.823。与现有高效脑肿瘤图像分割方法相比，新方法在学习病变的多尺度特征方面具有更好的效果。     

基于VAM和E-HMM的图像拼接盲鉴别算法

为了提高拼接篡改图像的检测准确率,利用视觉注意模型提出了一种新的图像拼接篡改盲鉴别算法。首先,采用改进的基于OSF的非线性滤波方法提取图像的边缘信息,得到边缘显著图像ECM;其次,利用视觉注意模型提取ECM的注意点,并采用显著边缘定位法锁定图像显著边缘处注意点,进而获取图像关键特征片段;接着,提取图像片段的Cr通道,并计算其小波重构图像;然后,针对小波重构图像,提取其扩展的DCT域的HMM特征,并采用SVM-RFE算法对所提取特征进行降维处理;最后,根据得到的特征向量,利用SVM对特征值进行训练并建立分类模型,从而实现自然图像和拼接篡改图像的分类识别。实验结果表明,针对哥伦比亚大学拼接篡改图像库,本文算法的正确检测率为96.32%。     

基于C-V模型的医学图像血管钙化分割算法

为了准确分割出医学图像中血管的钙化点,设计并实现了一种基于C-V模型的水平集图像分割方法。首先进行去噪和对比度增强预处理,接下来分割出图像中感兴趣的血管和钙化点区域,然后利用C-V模型水平集分割方法分割血管壁上的钙化点目标,最后采用形态学方法消除分割结果中孤立的噪声和孔洞。针对大量的临床血管钙化图像进行了算法的测试,实验结果表明:能有效分割出血管中的钙化灶,准确检测出血管中钙化的位置、大小、形态等。将C-V模型分割方法与OTSU阈值分割、登山法分割方法进行比较,结果表明C-V模型分割方法对于钙化点的分割更准确,边缘更平滑,更清晰,方便对钙化点进行进一步的测量和诊断。