基于级联随机森林与活动轮廓的3D MR图像分割

针对医学磁共振（Magnetic resonance，MR）图像三维分割中随机森林（Random forest，RF）方法难以获得具有几何约束的结果以及活动轮廓模型（Active contour model，ACM）不能自动分割发生信号混叠的组织结构的问题，提出了一种整合了级联随机森林与活动轮廓模型的磁共振图像三维分割方法.该方法首先从多模态磁共振体数据中提取图像多尺度局部鲁棒统计信息，以此驱动级联随机森林对磁共振图像进行迭代的体素分类，从而获得对组织结构的初步分割结果，进一步将此结果作为初始轮廓与形状先验，整合进一个尺度可调的活动轮廓模型中，将独立的体素分类转化为轮廓曲线演化，最终得到具有几何约束的精确分割结果.在公开数据集上的实验结果表明，本文的自动化分割方法在分割精度和鲁棒性等方面，相比其他同类方法具有较大的性能提升.     

一种改进的随机游走图像分割算法

为克服传统以像素为单位的随机游走算法随着像素点增多,计算量大、复杂度高、分割速度大大减慢,且对彩色图像分割效果不理想的问题,提出一种改进的随机游走图像分割方法。首先,使用改进和优化后的分水岭算法对目标图像进行预分割,为防止分水岭算法过分割问题,结合使用非线性各向异性扩散方法和形态学处理方法进行处理;然后,将分水岭算法分割后形成的同质区域作为图的节点用于随机游走算法,通过用户标记种子区域,分割出感兴趣的目标物体;最后,给出传统随机游走分割方法与本文提出的分割方法的实验结果比较,并对它们进行分析和评价。     

基于全卷积深度学习网络的视频图像背景分割方法研究

针对传统视频图像背景分割方法效率低、抗干扰能力弱、层次模糊等问题，基于全卷积深度学习网络算法研究了一种视频图像背景的分割方法。应用全卷积神经网络算法，完成视频图像背景的特征提取，构建结构化学习模块，再利用深度学习网络实现视频图像背景的多模态特征融合，基于损失函数建立视频图像背景分割模型。结果显示，对于随机的10组视频图像数据包，设计方法完成分割处理所用时间的平均值为15.03min，像素准确率均值为99.24%，分割区域间对比度均值为0.91，区域内一致性测度值均值为9.52，分割合理性均值为0，表明本次设计方法有效改善了视频图像背景的分割质量和分割效果，具有较高的精准性和完整性。     

基于随机森林特征选择算法的鼻咽肿瘤分割

针对医学图像中存在的灰度对比度低、器官组织边界模糊等问题，提出一种新的随机森林（RF）特征选择算法用于鼻咽肿瘤MR图像的分割。首先，充分提取图像的灰度、纹理、几何等特征信息用于构建一个初始的随机森林分类器；随后，结合随机森林特征重要性度量，将改进的特征选择方法应用于原始手工特征集；最终，以得到的最优特征子集构建新的随机森林分类器对测试图像进行分割。实验结果表明，该算法对鼻咽肿瘤的分割精度为：Dice系数79.197%，Acc准确率97.702%，Sen敏感度72.191%，Sp特异性99.502%。通过与基于传统随机森林和基于深度卷积神经网络（DCNN）的分割算法对比可知，所提特征选择算法能有效提取鼻咽肿瘤MR图像中的有用信息，并较大程度地提升小样本情况下鼻咽肿瘤的分割精度。     

基于随机Hough变换的深度图像分割

提出了基于随机Hough变换的深度图像分割算法，该算法采用随机Hough变换在深度图像中寻找平面，具有对噪声不敏感的优点．通过对一常用深度图像数据库(ABW图像库)的分割实验，并将实验结果同4种经典的深度图像分割算法在同一数据库中的分割结果作了比较分析，表明该算法对噪声不敏感，分割性能优于4种经典算法。     

基于多信息融合的纹理分割新方法

为了提高纹理分割的边缘准确性和区域一致性，该文综合考虑了纹理的统计和随机特征，提出了一种摹于GMRF和Gabor滤波得到的纹理特征进行信息融合后再进行纹理分割的新方法。实验结果表明该算法适应各种不同类型的纹理图像，与传统的只利用纹理的一种特征进行分割方法相比，该方法在边缘准确性以及区域一致性等方面均有明显的改善。     

采集多人重叠图像中高精度分割方法研究

研究随机采集多人重叠图像的分割问题,提高多人重叠图像分割完整性.随机采集的图像受到人员不可控的影响,在采集过程中很容易出现人员的重叠.传统的多人重叠图像分割,评估采用主观评估的方法,需要对图像质量进行评估后,再优化分割图像效果,加入了固定的前提条件,对随机采集图像的分割受到限制.提出一种基于计算机图形学的随机采集多人重叠图像的分割方法,通过计算机视觉识别技术,对多人重叠图像进行分割的奇异值特征提取,解决随机性的问题,提取多人重叠图像主要奇异值特征,进行图像质量评估,优化后期的评估效果.仿真结果表明,采用计算机图形学识别方法分割提取图像特征像点进行多人重叠图像质量评估,整体效果可以得到大幅提高.     

基于多线索动态融合的交互式图像分割

为了使图像分割效果稳定和提高分割算法的普适性,提出了一种利用多线索动态融合进行图像分割的方法,该方法首先将图像中的颜色信息、纹理信息、空间信息、边界信息融合到一个条件随机场模型中,用于图像分割;然后在对特定图像进行分割时,由于该模型能够利用用户在分割前标定的前景和背景信息来建立一种衡量概率分布估计可靠性的标准,并可通过该标准来组合条件随机场中的相关能量项,使它们能够根据图像的内在属性进行动态融合,从而提高了条件随机场图像分割的自适应性。实验结果表明,该方法分割效果稳定、普适性强,对一般的自然图像均能得到较好的分割效果。     

基于改进自适应降雪模型的随机游走图像分割

为了提高图像分割的准确度,尽可能降低分割边缘噪声对图像分割的影响,提出了一种基于降雪模型的图像分割方法。对降雪模型及积雪表面效应做了详细分析,得出降雪模型运用于图像分割具有较强的适应性;接着在传统的随机游走图像分割算法中加入了自适应降雪模型的特性,生成新的算法;运用虚拟图像和真实图像进行算法性能实例仿真,结果表明,该算法的图像分割性能优于常见的NCut和传统随机游走图像分割算法,具有一定的研究价值。     

分水岭算法和基于MRF的层次聚类相结合的混合无监督图像分割算法

提出一种新的混合多阶段无监督图像分割算法。在第一阶段，通过分水岭算法得到一幅过度分割的图像，该图像中的所有小区域作为初始聚类状态将在接下来的层次聚类阶段中被合并。在第二阶段，一种新的启发式的基于Bayesian方法和Markov随机域的计算模型被用于基于区域的层次聚类算法，该算法用来合并初始分割结果中的邻接区域，以改进分水岭算法的分割效果。深入分析了该计算模型中两个相互作用的部分。通过对多种不同种类图像使用该算法进行分割，表明这种多阶段的方法适合无监督分割，它按照视觉一致的方式合并区域，并且比传统的层次聚类算法快很多。     

基于多特征融合和条件随机场的道路分割

针对复杂交通场景图像中路面分割难度大和分割边缘粗糙的问题,提出了一种基于多特征融合和条件随机场的道路分割方法.首先,提取图像的纹理基元特征与颜色特征;然后,将道路分割问题视为一个基于像素的二分类问题,融合所提取的两种特征,使用SVM分类器实现对交通场景图像中路面区域与背景区域的粗糙划分;最后,利用全连接条件随机场中的颜色与位置约束,对分割结果进行优化,获得更加平滑的分割边缘,并与其他分割算法进行对比.实验结果表明,基于多特征融合与条件随机场的道路分割算法获得了95.37%的平均分割准确率和94.55%的平均像素精度.     

基于改进随机游走算法的阴影与遮挡处理方法

将交互式分割算法与Kalman滤波器结合,提出基于Kalman滤波器的随机游走算法,并将其用于解决交通视频监控中的阴影与遮挡问题.首先利用Kalman滤波器的预测信息对随机游走的计算区域进行精简,并提取标记节点用于分割阴影和遮挡目标;然后利用随机游走的分割结果为Kalman滤波器提供精确的观测信息,以更新滤波器参数.同时,使用基于车底阴影的随机游走算法对目标进行初始分割,以获取Kalman滤波器需要的初始状态向量.实验结果证明,文中算法能够解决运动目标阴影与遮挡问题,并且目标分割平均正确率大于94%,算法满足实时性要求.     

Automatic mass segmentation on mammograms combining random walks and active contour

Accurate mass segmentation on mammograms is a critical step in computer-aided diagnosis (CAD) systems. It is also a challenging task since some of the mass lesions are embedded in normal tissues and possess poor contrast or ambiguous margins. Besides, the shapes and densities of masses in mammograms are various. In this paper, a hybrid method combining a random walks algorithm and Chan-Vese (CV) active contour is proposed for automatic mass segmentation on mammograms. The data set used in this study consists of 1095 mass regions of interest (ROIs). First, the original ROI is preprocessed to suppress noise and surrounding tissues. Based on the preprocessed ROI, a set of seed points is generated for initial random walks segmentation. Afterward, an initial contour of mass and two probability matrices are produced by the initial random walks segmentation. These two probability matrices are used to modify the energy function of the CV model for prevention of contour leaking. Lastly, the final segmentation result is derived by the modified CV model, during which the probability matrices are updated by inserting several rounds of random walks. The proposed method is tested and compared with other four methods. The segmentation results are evaluated based on four evaluation metrics. Experimental results indicate that the proposed method produces more accurate mass segmentation results than the other four methods.     

融合上下文字符信息的泰语神经网络分词方法

自动分词是自然语言处理的关键基础技术。针对传统泰语统计分词方法特征模板复杂、搜索空间大的问题,提出融合上下文字符信息的泰语神经网络分词模型。该模型借助词分布表示方法,训练泰语字符表示向量,利用多层神经网络分类器实现泰语分词。基于InterBEST 2009泰语分词评测语料的实验结果表明,所提方法相较于条件随机场分词模型、Character-Cluster Hybrid 分词模型以及 GLR and N-gram 分词模型取得了更好的分词效果,分词准确率、召回率和F值分别达到了97.27%、99.26 %及98.26 %,相比条件随机场分词速度提高了112.78%。     

基于约束随机游走的肿瘤图像分割方法

精确的肺部肿瘤区域分割对于放射治疗和手术计划的制定至关重要。针对目前基于单模态图像的肺部肿瘤区域分割的精度较低等问题,综合PET和CT图像的优缺点,提出一种全新的多模态肺部肿瘤图像分割方法。首先,使用区域生长法和数学形态学法对PET图像进行预分割以获取初始轮廓,初始轮廓用于获取PET图像和CT图像上随机游走所需的种子点,同时作为约束加入到CT图像的随机游走过程中;依据CT图像解剖特征较强的特点,利用CT解剖特征改进PET图像上随机游走的权值;最终将 PET图像和CT图像上随机游走所获得的相似度矩阵进行加权,在PET图像和CT图像上获得一个相同的分割轮廓。实验表明,相较于其他传统分割算法,所提方法在肺部肿瘤区域分割上具有更高的精确度和更好的稳定性。     

参数自适应的条件随机场视频分割方法

针对已有算法需要采用一系列参数经验值得到最优视频分割结果的问题,提出根据视频特征自适应地计算视频邻域关系的特征强度函数,构造参数自适应的条件随机场视频分割模型。算法的核心思想是采用视频中像素之间的邻域关系自适应计算各个模型的特征函数,通过条件随机场模型对这些特征能量函数进行约束并利用Gibbs采样算法对该模型进行求解,获得全局优化的分割结果。针对不同环境下的视频分割实验表明,该算法能够很好地逼近最优经验参数所得到的视频分割结果,从而避免定义经验值所导致的算法局限性问题。     

基于条件随机场的藏语自动分词方法研究与实现

藏语自动分词是藏语信息处理的基础性关键问题,而紧缩词识别是藏语分词中的重点和难点。目前公开的紧缩词识别方法都是基于规则的方法,需要词库支持。该文提出了一种基于条件随机场的紧缩词识别方法,并在此基础上实现了基于条件随机场的藏语自动分词系统。实验结果表明,基于条件随机场的紧缩词识别方法快速、有效,而且可以方便地与分词模块相结合,显著提高了藏语分词的效果。     

基于鲁棒随机游走的交互式植物叶片分割

受背景、阴影和反射等不同成像环境影响,固定模型难以解决植物叶片分割问题.针对此情况,文中提出基于鲁棒随机游走的交互式植物叶片分割方法,采用交互式策略对用户指定像素先验信息进行传播,通过鲁棒随机游走算法实现植物叶片分割.首先,基于随机游走算法构建成对像素的关系,建立一个超像素一致性约束模型,促使分割图像边缘更光滑.然后,通过人机交互获取指定像素先验信息.最后,利用对数似然比预测像素属于背景的概率,并用于指导标签传播.在宽松受控和非受控环境植物叶片图像上的实验表明,文中方法可以更好地得到光滑、鲁棒的植物叶片分割图.     

基于T-prim模型的肺气管分割算法

针对现有高阶支气管分割算法计算成本过大或分割精度不足等问题,提出一种基于T-prim模型的肺气管树分割算法。通过形态学灰度重建对CT图像进行初步处理,使用区域生长算法得到主支气管;从马尔可夫随机场的角度对分水岭算法分割框架进行优化,得到优化的分割框架;利用主气管骨架提取自动获得种子节点,算法迭代构造出T-prim模型,利用优化的分割框架得到完整的肺气管树。通过与两种EXACT09竞赛算法的对比实验证明了该算法在不依赖于种子点的人工选择,不需要训练集的条件下,能以极低的泄漏量获得更完整的分割结果。