基于改进MnasNet网络的低分辨率图像分类算法

针对MnasNet网络在CIFAR-10等低分辨率图像数据集上识别率较低的问题,提出一种基于金字塔型的轻量化卷积瓶颈块取代原网络中的倒置残差瓶颈块,构建改进的MnasNet网络(PSMnasNet).首先,基于图片的分辨率,调整部分瓶颈块的下采样;然后结合空间金字塔池化方法构建金字塔结构瓶颈(PSBottleneck)...     

管道检测中的图像分割技术研究

针时管道内光照不均等情况造成的图像效果不好,影响后续的测量环节.采用极值的自适应阈值分割,与常用的几种图像分割方法比较,实验证明此算法能够有效减小成像视场亮度不均匀的影响,因此分割效果得到了一定的改善.     

基于能量最小的拉普拉斯流域分割算法

针对拉普拉斯流域分割边界处分割效果不好的缺点,根据能量区域集中性原理,定义了一个差异度函数。当两个区域间的差异度大于它们其中任何一个,则认为它们之间有边缘存在,否则它们属于同一个区域,应进行合并。通过在vs2008环境进行仿真,对蝴蝶图像进行分割,最终分割成蝴蝶和三个背景区域,不同的区域用不同的颜色表示。实验表明该算法分割效果较好,速度也比较快。     

无需重新初始化的自适应快速水平集演化模型

水平集方法已被广泛地应用在图像分割中,传统的水平集方法需要通过周期性的初始化水平集函数使得它一直保持在符号距离函数附近,然而初始化与水平集理论和实现相违背。最近,Li C等人提出一种完全不需要初始化的变分模型,该模型的主要不足就是单方向演化,即演化曲线或收缩或扩张到目标边界。针对二值图像提出一种新的基于距离保持水平集方法的活动轮廓模型,它不依赖于初始位置,演化曲线准确地收敛在目标边界,更重要的是曲线演化只需一次迭代。     

自适应水平集方法乳腺超声肿块分割应用

针对超声成像固有的噪声大、伪影斑点多、对比度低等特点, 在利用CV和LBF模型优点的基础上, 融合了动态变化制导的全局信息和局部信息, 在能量泛函演化过程中, 全局信息项和局部信息项的权重系数实时变化调整。实验结果表明, 与两种已有模型相比, 该方法能够较好地处理灰度非匀质乳腺超声图像的肿块病灶分割问题, 分割准确性和病灶边缘细节处理更好, 分割速度较快, 临床适用性更强。     

自适应法分割指纹图像

本文提出一种自适应指纹图像分割方法.利用指纹图像脊线和谷线的灰度值频数、纹线的方向性以及脊谷线灰度值的对比度,自适应地选择分割方法.适用于各种质量的指纹图像,阈值可以根据图像自适应地选择,避免了人为选择阈值的困难.实验结果表明,该方法分割准确,具有实际的适应性,错误分割率较低.     

圆锥壳开孔与围栏加强力学特性分析

圆锥壳由于锥角的存在,其开孔的力学特性比圆柱壳开孔更为复杂.通过有限元方法分析圆锥壳半锥角对开孔应力集中系数的影响,认为开孔偏斜角越大,导致的应力集中系数越大;并在此基础上,研究了圆锥壳开孔大小α/R对应力集中系数的影响规律.并分析了加强围栏的长度变化对孔应力集中系数的影响,表明围栏是圆锥壳开孔加强的有效措施.     

常见图像分割的技术分析与比较

本文从图像分割的基本概念出发,介绍了图像分割的一些方法,并对这些方法的原理及其优缺点进行了对比。分析了目前现有分割方法的优缺点,总结了图像分割方法以后发展的方向。     

多尺度非局部自注意力MRI脑肿瘤分割网络

针对U-Net模型在MRI脑肿瘤分割上存在的感受野受限和全局信息捕获不足问题, 通过引入非局部自注意力机制与多尺度的金字塔卷积提出一种改进U-Net模型—PyCSAU-Net. 该模型以三维U-Net作为基础网络, 在第4层横向连接位置引入扩展的三维非局部注意力模块, 通过改善网络因卷积核大小受限导致的长距离建模能力不足问题来提升脑肿瘤分割精度; 此外, 在网络下采样阶段将普通卷积替换为具有多尺度特点的三维金字塔卷积, 在多级别和分辨率下来提取更具判别性的脑肿瘤深度特征. 在公开的BraTS 2019和BraTS 2020验证集上在完全肿瘤、增强肿瘤和肿瘤核心分割上分别取得了0.904/0.901、0.781/0.774和0.825/0.824的分割精度, 表明所提出PyCSAU-Net方法在脑肿瘤分割任务上的有效性和竞争力.     

灰度投影结合Fisher准则的对象分割

视频对象分割是基于内容的视频编码和视频检索中的的对象跟踪方法,提出了一种可以从复杂场景中分割出MPEG-4的视频对象新方法.首先采用灰度投影匹配进行全局运动估计和补偿,用以消除背景变化的影响;然后由二次差分抽取中间帧解决遮挡问题,通过Fisher评价函数结合数学形态学填充得到运动对象分割掩膜,同时消除残余噪声以及平滑边缘.实验结果表明,该方法在一定范围内较好地解决了遮挡问题,并能够高效快速地得到比较精确的视频对象.     

基于内容检索的视频分割技术的研究

视频分割就是从视频序列中分割出在语义上有意义的对象。目前，视频分割已从基于镜头的分割发展到了基于内容的视频对象分割。文章介绍了基于内容的时域及空域视频分割技术，提出了一种基于多帧差异的视频对象分割算法。     

基于多特征的视频对象分割方法研究

目前从视频图像中分割出完整的运动对象仍缺少可用于一般性场合的算法.将视频图像的方向信息测度、颜色和运动信息相结合的视频对象分割算法可以解决这一问题.通过对序列图像中的连续帧进行帧差计算,利用方向信息测度和相似区域判定函数来找到特征相同的区域,并判断相邻子区域是否应该合并,然后再结合序列图像中的运动区域来提取运动对象.同时采用多分辨率分析来提高运算速度.最后,利用彩色图像边界序列图像检测方法来得到准确的区域边界.     

Graph-based multilevel temporal video segmentation

This paper presents a graph-based multilevel temporal video segmentation method. In each level of the segmentation, a weighted undirected graph structure is implemented. The graph is partitioned into clusters which represent the segments of a video. Three low-level features are used in the calculation of temporal segments’ similarities: visual content, motion content and shot duration. Our strength factor approach contributes to the results by improving the efficiency of the proposed method. Experiments show that the proposed video scene detection method gives promising results in order to organize videos without human intervention.     

背景重建在视频监视系统中的应用

利用FPGA和USB控制芯片实现了实时视频监视采集系统,根据视频监视和传输特点,将采集得到的图像数据先做背景重建,然后利用重建得到的背景进行视频对象分割,最后将重建的背景、视频对象以及视频对象在视频图像中的位置保存,作为后续视频检测分析的依据。实验结果表明本文给出的背景重建算法能够较好地重建背景,得到较精确的运动目标,同时能够大幅度的提高实时视频对象分割速率。     

核函数带宽自适应的均值漂移目标跟踪算法

针对均值漂移(Mean Shift)算法在跟踪视频目标过程中核函数带宽固定不变的缺陷,提出了一种核函数带宽与目标大小自适应变化的Mean Shift视频目标跟踪算法.用Mean Shift算法搜索到目标,以搜索框中心不变,将搜索窗口扩大,并计算新搜索框的模型及每个像素的核函数权值;通过将每个像素点的核函数权值代替像素值,并利用不变矩计算方法,识别出能框选住目标的椭圆;根据椭圆参数反求新搜索框的大小(核函数带宽)及位置.实验结果表明,该算法能够有效地跟踪大小变化的目标,并且搜索框能较好地与目标大小相适应.     

基于流量控制的视频网格结构设计与性能分析

在二级视频网格和三级视频网格结构的基础上,提出当某区域服务器的网络带宽占用达到所设定的阈值时,将部分具有较高配置的客户端主机作为加盟服务器使用,以降低区域服务器的工作负载,同时原有的结构被扩展为树状的多级结构.详细论述了这种基于数据流量控制的多级视频网格结构的设计和工作模式,以及当加盟服务器突然失效时点播服务的平稳迁移策略.通过视频网格模拟器VGSim对这3种结构的视频网格服务能力进行模拟,结果表明,基于数据流量控制的多级视频网格结构的服务能力被有效增强.     

基于人机交互式图割的目标快速提取

根据RGB颜色值表征像素距离,运用图割理论,提出一种人机交互式的目标快速提取方法。在目标外围人工划出封闭折线作为初始活动轮廓线,向内生成单侧变宽域,消除前后重叠,避免重复切割,构造能量函数,生成s-t网络,通过对s-t网络的最小代价切割实现目标提取。后期对局部错误提供方便快捷、安全导向、手自结合的纠错措施。实验表明,所提算法人机交互方便快捷,纠错方式有效完备,目标提取快速准确。     

基于变宽邻域图割和活动轮廓的目标分割方法

基于图割的活动轮廓算法是一个结合图割优化工具和活动轮廓模型迭代变形思想的目标分割算法。针对算法在迭代过程中对已达目标边界的活动轮廓线所在邻域重复切割的不足,将活动轮廓线分为已达目标曲线段和未达目标曲线段,仅对未达目标曲线段进行膨胀得到可变宽度轮廓线邻域,从而减少了对邻域的切割时间。实验表明,改进算法效率提高为原来的2~3倍。