基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

欢迎订阅《影像技术》

《影像技术》是由全国轻工感光材料信息中心、中国感光学会和天津远大感光材料公司共同主办的技术性期刊,创办于1989年。本刊主要报导国内外影像技术方面的发展状况,数字成像技术和数字影像材料,以及医学类、传统感光材料和各种新型影像记录系统的应用技术。读者对象是数码影像行业中的专业人士、相关院校的师生,以及广大的数码、影像技术爱好者。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

来看看我们本期为你准备了哪些值得争取的福利

<正>CHANCE 1-3每月送出一台显示器影像视觉Ps挑战赛每月征稿,每月送出一台Eizo艺卓FlexScan EV2336W显示器,这款显示器采用全视角清晰视野IPS面板、LED背光,会按工作环境调整亮度,十分适合摄影师的图片编辑调整工作。其他优胜者也能获得Datacolor用于色彩管理的附件Spyder4ELITE,以及我们的后期特刊。     

《影像技术》征稿启示

<正>《影像技术》杂志是全国轻工感光材料信息中心、中国感光学会和天津远大感光材料公司共同主办的技术性期刊,也是国家一级学会——中国感光学会的会刊。本刊主要报导国内外影像技术方面的发展状况,数字成像技术和数字影像材料,以及医学类、传统感光材料和各种新型影像记录系统的应用技术。◆栏目设置:综述与发展、印刷制版、医学影像、数码影像、遥感与航空摄影、微缩成像与特种照