基于能量优化的三维网格模型分割方法

针对现有的三维网格模型分割方法存在过分割或欠分割、分割线锯齿化明显、人工干预多等问题,提出一种基于能量优化和区分度的三维网格模型分割方法.首先提出能量和区分度这2种鲁棒性更强的特征,用于改善分割边界的精度;其次根据能量、区分度及凹凸性寻找满足条件的分割点,根据点的邻接关系得到分割点集,并基于腐蚀算法细化分割点集以得到分割线;最后结合图的广度优先遍历算法及最小能量原则构造出闭合的分割线.此外,为了提高分割线位置的精度及改善锯齿化明显的问题,采用Dijkstra算法思想进行分割线的优化,得到的分割边界更符合人类视觉.对普林斯顿数据集进行实验,并采用普林斯顿基准同7种一般的分割方法进行定量比较,其中最重要的评估指标兰德指数比7种方法平均高0.21,表明该方法可以得到更高精度且更加符合人类视觉的分割结果.     

基于深度学习的医疗图像分割

随着人类社会的发展,人们对于健康的重视程度越来越高。医疗影像在医疗诊断中发挥了越来越重要的作用。用于获取人体组织器官和相关结构的图像分割是目前医疗影像中最重要的步骤,是进行医疗手术以及采集进一步治疗方案的条件。传统的图像分割需要医生手动进行这一步骤耗费了医生大量的精力和时间。深度学习目前在计算机视觉领域取得了极大的成功,在图像分类,图像检测等方面的精度已经超越了人类。本文希望将深度学习应用于医疗领域的图像分割,旨在减轻医生的工作强度,提高精度,用深度学习造福人类。     

基于注意力机制的改进UNet草莓病害语义分割

针对当前传统农作物病害语义分割方法精度不高、鲁棒性差等问题,本文提出了基于注意力机制的改进UNet草莓病害语义分割模型.首先,在编码器中加入CNN-Transformer混合结构,增强全局信息与局部细节信息的特征提取能力.其次,在解码器中将dual up-sample模块替换传统上采样,提高特征提取能力与分割精度.再使用hard-swish激活函数代替ReLU激活函数,更加平滑的曲线有助于提高泛化性和非线性特征提取能力,防止梯度消失.最后,通过使用结合交叉熵Dice损失函数,加强模型对分割结果的约束,进一步提升分割精度.实验采用了由7种草莓病害2 500张图像组成的数据集,在复杂背景下对草莓病害进行分割,语义分割像素精度达到92.56%,平均交并比达到84.97%.实验结果表明,本文的改进UNet在草莓病害语义分割方面,能实现更好的分割效果,优于大多数分割模型.     

基于图论的多特征遥感图像区域分割方法

针对传统分割方法存在分割精度低、对噪声和灰度值突变敏感等缺点,提出了一种基于图论和颜色-纹理特征的区域分割方法.首先将彩色图像转换到符合人类视觉感知系统的Lab颜色空间,然后把图像分成固定大小的小块进行分析,利用Gabor滤波后的块内纹理特征与色彩特征结合构造特征向量,并作为图的顶点,根据块间距离加权计算块间的差异作为图的边权值,最后用最小生成树的方法进行分割.实验结果表明,该方法具有良好的准确性与鲁棒性,优于EGBIS方法.     

基于变精度粗糙集和粒子群的图像分割方法

针对其他算法分割图像耗时较多的问题,结合粒子群优化算法和变精度粗糙集理论提出了一种新的分割算法.利用粗糙集理论将图像按照一定的规则进行划分,找出图像的边界.利用变精度粗糙集理论对图像子块的边界进行计算,利用粒子群优化算法寻找最佳的β及其对应的灰度值,并对图像进行分割.通过对测试图像进行Matlab仿真,验证了算法的效果...     

心脑血管三维分割研究进展

心脑血管疾病是严重威胁人类健康的常见疾病,居各种死亡病因之首.分割作为后续血管三维可视化的关键环节,对于相关疾病的辅助诊疗具有重要意义.鉴于心脑血管位置的特殊性、形态的复杂性及其灰度信息的多变性,对其进行分割仍是一个具有挑战性的课题.文中对当前基于磁共振血管造影术(magnetic resonance angiograph,MRA)和CT血管造影术(computed tomographic angiography,CTA)图像的三维心脑血管分割算法进行了回顾和总结.首先对包括模式识别、基于管状结构的分割、基于中心线的分割和基于活动轮廓模型分割4类技术进行了讨论;进而给出了每类技术的优缺点、适用范围及待改进之处;最后,探讨了该领域研究的发展方向及应注意的问题.     

MR脑图分割算法研究

在图像处理精确分割有用图像的研究中,目前MR脑图分割中边缘定位不准和分割精度不高.为了解决上述问题,提出将标记分水岭算法和小波变换相结合的MR脑图分割算法.方法首先利用小波变换的多尺度思想对图像进行多分辨率分解和去噪,然后在低分辨率图上应用标记分水岭算法,并对标记好的低分辨率图像进行中值滤波,最后利用小波逆变换将低分辨率图像反建为高分辨率图像.对方法和现有的方法进行仿真,结果表明可以准确地定位图像边缘,有效地提高了分割精度,效果明显优于传统的分割算法.     

混合智能算法在彩色图像分割中的应用研究

对颜色空间做了全面地介绍,对当前传统的彩色图像分割技术进行了较为系统的论述,通过比较发现传统的单一分割算法在彩色图像分割中都不可避免地存在一定的不足与缺陷.而以神经网络、遗传算法和蚁群算法等智能算法进行图像分割时,由于从不同侧面反映了人类视觉感知的智能性、并行性,取得了较好的效果,推动了图像分割向智能化方向发展,但其在理论和实践上都没有达到让人满意的程度.因此,可以根据实际情况组合不同的算法,分层次地分割图像,寻找符合人类视觉感知特性的有效的彩色图像分割混合智能算法,从而弥补单一算法对彩色图像分割的不足.     

量子遗传算法在指纹图像分割中的应用

提出了一种基于量子遗传算法(QGA)的指纹图像分割改进方法.这种方法利用量子遗传算法种群多样性好,收敛速度快的特点,将基于量子遗传算法的阈值分割方法与方向图法相结合对指纹图像进行分割.实验结果表明,QGA在指纹图像阈值分割中的速度和精度优于改进的自适应遗传算法和其它一些传统算法,是一种有效的图像分割方法.     

基于深度Q学习和可变形卷积U-Net的肝脏肿瘤分割方法

针对传统卷积神经网络U-Net对早期肝脏肿瘤的分割精度低的问题,在U-Net的基础上提出了基于深度Q学习和可变形卷积U-Net的肝脏肿瘤分割方法.首先使用深度Q学习对图像进行肿瘤目标定位,然后对目标肿瘤区域使用可变形卷积的U-Net进行分割,最后实现了粗剪裁到细分割的两段式学习框架.实验结果表明,利用该方法在肝脏肿瘤数据集上测试,其分割结果的Dice系数能够达到68％,较传统的卷积神经网络U-Net精度提升了6.89个百分点.     

应用改进视觉显著性度量方法进行图像分割

视觉注意机制是人类与生俱来的特有属性.在视觉注意机制的协助下,人类视觉系统可以有选择性地针对视觉信息进行处理并有效解决有限信息处理资源与海量视觉信息之间的矛盾.与现有基于计算机视觉机制的图像分割方法比较,本文提出改进视觉显著性度量方法生成的系统显著图能够更加准确表现原始图像中各个像素点的显著性值,根据系统显著图进行阈值分割便可以对前景目标和背景区域进行区分,不需要加入其他方法,这样既可以降低运算时间复杂度,又可以使得图像分割结果更符合人类视觉特点.本文算法对于包含前景目标可得到优良的图像分割结果,但本方法对于背景较复杂同时前景目标模糊的原始图像的图像分割效果不够理想.     

改进的二维Otsu图像分割方法的研究

为提高传统二维Otsu法的分割精度,尤其是对图像中小目标的分割精度,提出具体的改进方法：在传统二维Otsu法的基础上,对二维灰度直方图进行坐标变换,并将传统计算公式进行调整,改进阈值分割方法。实验结果表明,改进的阈值分割方法与传统算法相比较,提高了识别能力和分割效率。     

改进布鸟搜索算法最大熵值的医学图像分割

研究医学图像分割问题.医学图像是医学影像的分析基础,医学图像由于组织边缘模糊和灰度不均匀含噪声等特点,导致最大熵值分割医学图像算法难以进行准确分割,分割精度低,为了提高医学图像分割的准确性,提出一种改进布鸟搜索算法优化最大熵值的医学图像分割方法.首先由最大熵法找到医学图像分割目标函数,然后采用改进布谷鸟搜索算法对目标函数进行优化,找到医学图像的最佳分割点,实现医学图像分割,最后采用多幅医学图像进行仿真,以测试算法性能.结果表明,改进方法不仅解决了传统最大熵值医学图像分割算法存在的缺陷,同时提高医学图像分割的精度,并且具有较好的鲁棒性,具有较好的实际应用价值.     

EM聚类和SVM自动学习的白细胞图像分割算法

白细胞图像分割是白细胞自动识别的关键环节,其分割效果直接影响后续步骤.为提高光照、颜色不稳定情况下的分割精度,提出一种基于期望最大化(Expectation maximization,EM)聚类和支持向量机(Support vector machine,SVM)自动采样-学习的彩色白细胞图像分割方法.首先采用EM算法对CIELUV颜色空间的L分量聚类得到细胞核区域.在细胞浆分割阶段,先利用EM过分割和膨胀的细胞核区域获取正负样本候选区域;接着用基于EM的分层抽样得到正负样本;再提取颜色特征自动对正负样本训练获得SVM模型;最后科用SVM分类模型得到整个细胞区域.与传统的白细胞图像分割算法相比,本文方法更能适应图像光照和颜色的变化;与同类的分割算法相比,本文方法提高了分割精度.相关实验结果表明,本文算法具有良好的精度和鲁棒性.     

基于多分辨率三维图割的NRD分割

为了提高视网膜神经上皮层脱离自动分割的精度和效率,提出一种基于多分辨率三维图割的自动分割算法.首先通过视网膜厚度变化信息准确定位目标和背景区域,统计目标和背景的灰度分布特征,为图割算法提供先验信息;然后采用三维图割算法对4倍下采样后的频域光学相干断层扫描(SD-OCT)图像进行分割,得到粗分割结果;最后在原始分辨率图像上,对粗分割结果两侧的窄带区域进行三维图割,得到最终分割结果.在18组CirrusSD-OCT数据集上进行分割的实验结果表明,该算法的Dice相似性系数为95.07%,分割一组数据的平均时间为57 s,精度和效率均优于现有算法.     

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.     

基于注意力和多标签分类的图像实时语义分割

针对现阶段很多实时语义分割算法分割精度低,尤其对边界像素分割模糊的问题,提出一种基于跨级注意力机制和多标签分类的高精度实时语义分割算法.首先基于DeepLabv3进行优化,使其达到实时运算速度.然后在此网络基础上增加跨级注意力模块,使深层特征为浅层特征提供像素级注意力,以抑制浅层特征中不准确语义信息的输出;并在训练阶段引入多标签分类损失函数辅助监督训练.在Cityscapes数据集和CamVid数据集上的实验结果表明,该算法的分割精度分别为68.1％和74.1％,分割速度分别为42帧/s和89帧/s,在实时性与准确性之间达到较好的平衡,能够优化边缘分割,在复杂场景分割中具有较好的鲁棒性.     

基于多小波分析与SOFM的MR图像分割算法研究

有效地实现MRI脑图像的分割是临床疾病诊断的一个难题.针对目前MRI脑图像分割算法在图像分割的速度和精度上不理想的问题,提出了一种将多小波分析与SOFM相结合的MWSOFM算法.该算法先对MRI脑图像进行多小波分解得到小波系数金字塔,再用SOFM算法对图像从塔顶开始从上往下逐层进行聚类,最终得到分割结果.对不同分辨率的MRI脑图像的仿真实验表明,在高分辨率的情况下,MWSOFM不但加快了分割的速度,而且提高了聚类精确度,分割效果得到明显改善.     

基于自适应SLIC的人体标准姿势图像分割

为了提高在复杂背景下人体图像分割的精度,提出了一种新的人体图像分割算法.该算法针对简单线性迭代算法（SLIC）在进行超像素块分割时需指定像素块个数的问题,借鉴CV能量模型,通过将图片极小化为多个区域进行水平集迭代分割,从而构造出自适应的超像素块,使得分割后的每个超像素块更贴合图像中的单个色块.然后结合人体平均模板,在图片上标记出感兴趣的人体标准姿势区域,提高了算法对复杂背景的抗干扰能力.最后利用k-means聚类算法将每个超像素块作为节点进行聚类,实现标准人体图像分割.在不同环境下采集多组图片进行实验,结果表明：该算法在保证了图像分割效率的情况下,提高了人体标准姿势的分割精度,对色度丰富的复杂背景抗干扰能力强.     

一种基于双重分割的立体匹配算法

立体匹配通过计算同一场景不同视点下图像的匹配像素的视差,恢复场景的深度信息.文中对传统的基于分割的立体匹配算法进行改进,提出了一种基于双重分割的立体匹配算法.首先对参考图像进行颜色欠分割,使每个区域包含足够的信息进行平面拟合;然后对初始匹配视差图进行分割,检测颜色分割中的欠分割区域并进行再分割,进而对再分割后的区域进行平面拟合;最后利用合作算法对不可信区域优化,以提高匹配算法的运行效率.Middlebury标准图像测试集上的实验结果表明,相对于传统分割算法,该算法时间开销更少、匹配精度更高.