基于卡尔曼滤波改进的精子图像序列分割方法

图像分割是精子图像识别的一项关键技术,在精子运动能力分析中起着至关重要的作用。本文对采集的连续精子图像序列进行灰度化、去噪等预处理后,采用Otsu算法对首幅动物精子图像二值化,对后续图像采用Kalman Filter确定二值化阈值范围,改进Otsu算法求出每一幅图像的适当阈值并进行二值化,缩短算法时间并能保证分割精度。应用形态学消除精子尾部和部分精子之间的粘连现象,通过计算和比较目标面积、形状因子,去除小颗粒杂质以及形状及灰度和精子相似的杂质,为精子运动能力检测提供高质量的分割图像。     

基于OpenCV动态手势识别的实现

随着科技的发展,各种手写输入、语言输入法不断涌现。计算机的操作方式也越来越接近自然言语。手势识别系统由数学摄像头作为输入设备,以为人体动作为操作指令,指挥操作计算机系统动作。人体动作通过数学摄像头,转化为计算机能识别的二进制图像信息,经过图像处理算法,使人们的操作意图能被计算机理解。本文所实现手势识别,利用OpenCV提供的各种图像处理算法,将从数学摄像头采集的图像视频信息,通过图像滤波,图像分割等算法,提取到有用的手形信息,再对其进行轮廓特征分析,运动信息分析。得出图像视频的操作意图,并转化为计算机指令,传递给操作系统。实现了直接由人体动作操作计算机的目的。     

基于图论的遥感图像分割算法分析

遥感图像处理技术目前已经广泛的应用于军事以及农业等众多领域。遥感图像中的目标物如果进行分割,那么就可以得到更多的目标物信息,并且可以为进一步的处理奠定良好基础,比如说对于目标物的跟踪、分析以及识别等。本文对图像分割的标准进行了介绍,并且对基于图论的交互式遥感图像分割法进行了详细的分析。     

粘连颗粒分割方法研究

颗粒图像的分割中,经常遇到颗粒粘连、重叠在一起的现象,需要将它们分离为单个颗粒目标。本文提出了一种基于灰度形态学重建的图像分割新算法,实验结果表明,该算法既能更有效地分割粘连颗粒,其应用于图像处理也有着较好的应用前景。     

金字塔原型对齐的轻量级小样本语义分割网络

小样本图像语义分割任务是计算机视觉领域一个有挑战性的问题,其目标是利用现有一张或几张带有密集分割注释的图片来预测未见类图像的分割掩码.针对该任务,提出了一个基于金字塔原型对齐的轻量级小样本图像语义分割网络.首先,该网络在MobileNetV2网络的深度可分离卷积和逆残差结构基础上,通过金字塔池化模块进行提取特征,保持高维度和低维度的信息,获得不同尺度的特征.同时通过在支持集原型和查询集之间进行相互对齐,使得网络能够从支持集中学到更多的信息,充分利用支持集的信息进行反馈.基于PASCAL-5i数据集的大量实验结果表明,提出的网络结构的均值在1-way 1-shot和1-way 5-shot上分别为49.5％和56.6％,与先进的主流小样本语义分割网络PANet相比分别对应提高了1.4％和0.9％,网络参数量为3.0 MB,相比PANet减小了11.7 MB,同时浮点计算量显著减少,证明了该网络在小样本图像语义分割中的有效性和高效性.     

基于优化MSER算法的宫颈细胞核分割方法

随着人工智能技术的发展,自动阅片系统在辅助病理医生阅片诊断,提高病理诊断准确率、降低劳动强度等方面起着越来越重要的作用.细胞核的准确分割是影响该自动阅片系统性能的首要因素.由于细胞核、细胞浆与背景之间的边界不清,且细胞之间颜色差异大,对细胞核分割提出了挑战.为解决这一问题,提出了一种基于优化最大极值稳定区域(maximally stable extre-mal regions,MSER)算法的宫颈细胞核分割方法.该方法首先将图像转换到HSV(hue,saturation,value)颜色空间.然后针对S和V通道做加权组合后,采用优化后的MSER算法处理,获得灰度值均匀的粗分割区域.再利用参数自适应的阈值分割方法进行精细分割.最后通过提取细胞核特征训练人工神经网络分类器来判断分割后得到的结果是否为细胞核.实验表明,该方法能够准确地分割宫颈细胞核.     

基于U-Net的多尺度融合视网膜血管分割算法

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于U-Net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AUC值分别达到0.9572、0.9811,与U-Net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.     

基于图像分割的摩尔斯信号检测算法

摩尔斯信号在通信领域应用广泛,具有十分重要的研究价值。但是,由于短波信道比较复杂,环境恶劣,信号质量差,短波宽带条件下的摩尔斯信号检测问题一直没有较好的解决方案。基于此,提出了一种基于时频图和图像分割的摩尔斯信号检测算法。算法主要分为粗检测和识别两部分,粗检测是指基于图像分割的方法,从宽带数据中初步检测出摩尔斯信号;识别部分是指通过提取最大持续长度等特征,逐级排除非摩尔斯信号,进一步识别摩尔斯信号。实际信号测试表明,该算法对摩尔斯信号的正确检测率为96%以上,虚警率小于7.2%,相较于对比算法整体性能较好,具有一定的工程应用价值。     

基于正余弦优化多阈值图像分割

将进化计算(EC A)与阈值准则相结合,利用能量曲线参数执行多级阈值分割.进化计算的正余弦算法(SCA)应用于图像分割中的多阈值分割问题,对所提出的方法进行了质量方面的深入评估,并且使用统计分析方法进行比较.进行了数值实验和分析.     

基于自动选取最佳阈值的X光图像快速分割方法*

为实现对数字X光图像进行快速分割,提出一种针对直方图的包络特征进行处理的新方法.该方法采用分水岭算法对数字X光图像的直方图一维信号进行处理.首先计算出图像的直方图,然后对直方图进行形态学滤波,提取出直方图的包络.在此基础上对直方图的包络采用分水岭算法自动提取出最佳阈值.用提取出的阈值进行基于阈值的初步分割,然后进一步采用基于标记的分水岭算法对初步分割的二值图像作进一步分割.通过实验表明,采用该方法可以有效地分割大幅X光图像.