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。     

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。     

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。     

基于混合瑞利分布的三维医学图像分割算法

水平集算法是当前比较重要的分割算法,研究该算法的三维分割技术.提出高斯分布和瑞利分布相结合的方法进行概率密度函数的确定与分析,通过随机极大似然算法(SEM)把瑞利分布引入到水平集三维分割演化模型中.该方法成功应用于多种医学组织的三维分割,提高了分割速度和分割效果,减少了参数的设置.     

基于自动随机游走的涎腺肿瘤超声图像分割方法

针对涎腺超声图像斑点噪声强、对比度低和边界弱的特点,提出了一种结合形态学检测的自动随机游走分割方法.该方法首先利用形态学操作获得目标的初始轮廓,然后提取目标区域和背景区域骨架结构的有效标记点作为随机游走算法的种子点,最后利用种子点对预滤波后的肿瘤图像实现随机游走分割.实验选取大量临床采集的涎腺肿瘤超声图像进行测试,结果表明该方法计算复杂度低,解决了传统随机游走模型初始种子点的人工干预问题,有效实现了涎腺肿瘤的自动分割.     

基于随机区域合并的自动彩色图像分割算法

针对彩色图像分割精度不高的问题,提出了一种具备多尺度空间约束的自动彩色图像分割算法。基于改进的随机区域合并方法,该算法首先实施双边分解并执行基于多通道信息和多尺度梯度的过度分割;然后,在CIE L*a*b*颜色空间中使用规范化的颜色直方图来表示每个子区域,构造一个基于过度分割结果的区域邻接图;最后,在区域邻接图上执行具备空间约束条件的随机区域合并策略,为每个尺度构造一张分割图。在BSDS图像数据库中进行 对比实验,结果表明,在直接视觉对比和量化分析上,相比现有的分割算法,所提方法表现出了更好的分割效果。     

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.     

激光雷达的多源数据融合点云分类算法研究

根据单档输电线空间分布特性,提出了改进随机采样一致的输电线点云分割方法。首先优化初始样本点选择原则、引入最小二乘原理参数求解等改进策略,提高了随机采样一致性算法输电线模型重建精度;然后以直线-抛物线方程为单根输电线识别的约束条件,利用逐根提取方式实现输电线激光点云分割。选择两组典型代表性的机载激光点云数据进行实验分析,该方法有效解决了数据缺失、点云噪声等复杂背景环境的输电线激光点云分割,准确率、召回率和整体精度最小值分别为99.19%、99.25%、99.10%。较之已有方法,本文方法具有点云分割精度高、算法普适性强的优势;随机采样一致性(RANSAC)算法是常见的激光点云分割方法,但该算法推广至输电线场景时存在点云分割效率低、抗噪性差等不足,不利于高精度的输电线模型重建及后续线路风险检测。     

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。