图像分割方法综述

本文对图像分割的分类、常用方法,尤其是最近几年图像分割领域出现的新方法,新思路,或者一些经典方法的改进做出比较全面的综述     

神经纤维图像分割与识别改进算法的研究

对于周围神经的显微图像神经束内的三种神经纤维的分割提出了一种基于区域生长分割的算法,并在分割完后利用直方图均匀化得到更加清晰二维图像,分析通过计算神经纤维的占比率区分神经束的种类。实验证明,该方法能够较好的把神经束内的运功神经纤维和感觉神经纤维与及混合神经分割出来,并能通过计算其占比率较好的区分各种神经束。     

应用于机械手的磁致伸缩触觉传感器阵列与物体识别

利用磁致伸缩材料铁镓合金(Galfenol)设计制作了触觉传感单元,并将其集成为阵列,安装在二指机械手上.基于电磁原理、逆磁致伸缩效应和欧拉伯努利动力学原理,建立触觉传感单元力测量模型.设计的传感单元测力范围为0～3N,当压力小于1.5N时,灵敏度为151mV/N,在1.5～3N区间,灵敏度约为109mV/N,测量较低...     

基于遗传神经网络的低识别度图像分割算法

针对目前的图像分割算法无法考虑到低识别度图像下,对边缘细节和轮廓信息实现精确分割,提出一种基于遗传神经网络的低识别度图像分割算法.利用马尔科夫随机场(MRF),建立初始图像的分割概率模型,然后使用低通滤波器将低识别度图像分解成高频层和低频层,对包含高频层的图像信息进行傅里叶域上的预处理后,送入预先设计好的的遗传神经网络...     

鱼眼图像的目标物体角点检测方法

为实现宽视场角图像中目标物体的定位,提出了一种鱼眼图像的目标物体角点检测方法。首先对含有目标物体的鱼眼图像进行等面积切分,利用目标物体即网格图像灰度直方图的明显特征确定目标区域;然后根据实际应用对Harris算法进行改进,并将其应用至目标物体的角点检测中,确定目标物体位置。实验结果表明,能有效确定目标区域,视觉冗余度由90.3%下降到47.8%,目标物体角点检测准确率为83.8%,可以为实现宽视野范围目标的位置与距离同时测量奠定基础。     

基于物体面对应的RGB-D图像拼接优化方法

针对RGB-D中深度图像分辨率低、范围小、噪声大而不利于三维重建的问题,研究了一种基于物体面对应的RGB-D图像拼接优化方法。先对RGB-D图像进行预处理对齐,使用基于特征匹配算法对特征点提取和粗匹配,其次通过本文研究的不同视角下同一物体面对应关系来剔除误匹配,最后根据单应矩阵得到宽视角的RGB-D图像以及三维模型。本文使用了尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)、加速稳健特征(Speeded Up Robust Features, SURF)和定向FAST和旋转BRIEF (Oriented FAST and Rotated BRIEF,ORB)三种算法来进行对比实验。实验结果表明,添加本文方法后的算法在有形变、旋转的图像上分别剔除41%、29%和52%的误匹配,均方根误差减少了5%、27%和33%。在缩放的图像上分别剔除53%、57%和51%的误匹配,均方根误差减少了14%、17%和28%,提高了匹配精度,验证了本文方法的可行性。     

面向安检X光图像的违禁物品语义分割与识别研究

针对安检X光图像中违禁物品大小不一、物品摆放随意且存在重叠遮挡的技术难题,提出了一种改进的HRNet多尺度特征融合网络模型,实现图像中违禁物品的自动分割与识别。在编码阶段,利用HRNet网络中的多分辨率并行网络架构,提取多尺度特征,解决安检X光图像违禁物品尺度多样化的问题。在解码阶段,提出一种多层级特征聚合模块,采用数据相关上采样方法减少信息丢失,并聚合编码阶段提取的特征,以对物品进行更完整表征。在网络整体架构中,嵌入基于注意力机制的去遮挡模块加强模型的边缘感知能力,缓解安检X光图像中物品重叠遮挡严重的问题,提高模型的分割识别精度。通过在PIDray安检图像公开数据集进行实验,结果表明,在Easy、Hard、Hidden 3个验证子集上分别取得了73.15%、69.47%、58.33%的平均交并比,相比原始HRNet模型,分别提升了0.49%、1.17%、5.69%,总体平均交并比提升约2.45%。     

一种光学遥感图像海陆分割方法

海陆分割是近岸舰船检测中的重要步骤之一,为解决有波浪的光学遥感图像近岸海陆分割问题,确保其性能的准确度和鲁棒性,提出了一种新的近岸海陆分割方法。该方法首先使用均值漂移(Mean Shift)算法将图像分割成若干同质区域,然后与OTSU分割结果相结合,采用连通性区域分析的方法提取出海水区域,最后去除阴影区域,得到海陆分割的结果。实验证明,该方法能够处理海水中存在波浪的近岸舰船检测问题、抗干扰性好、准确度高、鲁棒性强。     

基于改进U-Net的街景图像语义分割方法

为提升多尺度目标的分割效果,增强特征提取能力,提出了一种基于双重注意力机制的改进U-Net街景图像语义分割方法。在U-Net编码阶段的第5个卷积块之后,添加特征金字塔注意力模块,提取多尺度特征,融合上下文信息,增强目标语义特征。在解码阶段不再采用U-Net的特征拼接方法,而是设计了一个空间域-通道域联合注意力模块,接收来自跳跃连接的低层特征图和来自前一个注意力模块的高层特征图。在Cityscapes数据集上的实验结果表明,引入的注意力模块可有效提升街景图像分割精度,与PSPNet、FCN等方法相比,分割性能指标mIoU提升了2.0%～9.6%。     

基于蝗虫算法的图像多阈值分割方法

针对图像分割中的阈值选择问题,提出了一种基于蝗虫算法的图像多阈值分割算法。该算法综合考虑Otsu法和最大熵法的分割特性,以Otsu算法的最大类间方差和Kapur最大熵法的最大熵值构造适应度函数,利用蝗虫算法进行寻优求解最佳阈值,最后利用最佳阈值对图像进行分割。将该算法与传统的Otsu算法、最大熵法、基于粒子群的图像分割方法、基于人工蜂群的图像分割方法进行比较,实验结果表明,相对其他算法,分割所得的峰值信噪比更大,分割效果更好,在阈值个数为4和5时,该算法所得的峰值信噪比(PSNR)值相比粒子群算法、人工蜂群算法提高了约3%和1. 5%,算法的运行时间相比粒子群算法和人工蜂群算法,快了约9%和5%。     

基于粒子群神经网络的细胞图像分割方法

为了更好地分割细胞图像,对传统的BP神经网络进行改进：首先将输入神经元设置为一个3×3窗口,以代替传统的单像素通道;其次采用一种基于信息熵的方法估计隐层神经元的个数;最后采用一种改进的PSO算法来保证网络权值收敛到最优。对血细胞和肠细胞的分割结果表明,本文方法得到的隐层神经元数大幅减少,误判率也优于BP与LM算法,耗时较BP算法少且近似接近LM算法。本文提出的估计隐层神经元的方法有效,且改进的PSO算法能够跳出误差函数局部极小点,收敛到全局最小点。     

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。     

基于改进LCCP的堆叠物体分割算法

局部凸连接生长算法（LCCP）存在超体素跨越物体边界,未能利用区域隐含凹凸信息的缺陷,为了改进以上缺陷导致的分割精确度低、物体粘连的问题,提出了结合连通域分割的改进算法。首先采用深度自适应超像素分割法（DASP）根据深度信息和法向量角度将图片划分为超像素;其次根据超像素的法向量夹角判定邻接超像素的凹凸性,合并所有凸连接超像素形成初步结果;最后使用基于超像素的距离变换以及分水岭生长分割方法,把面积较大的凹连通域,快速分割成多个凸区域。在IC-BIN数据集进行分割验证,结果表明平均分割精度（AP）相比于LCCP和约束平面切割法（CPC）分别提升25%和35%,显著改善了欠分割问题。     

基于线条识别的图像语义分类方法

图像的底层特征与高层语义之间存在着“语义鸿沟”,机器不能由图像点阵或图像底层特征而推导出图像的语义.大多数算法中,图像底层特征的提取往往只关注图像单个点或者局部的特性.从基于点与点相互关系的角度来处理图像的语义分类,先简要介绍当前图像语义领域的相关研究方法,之后根据模式组合的思想,提出识别图像中轮廓线条的方法.算法首先利用Canny算法将图像转换为线条轮廓,然后提出一种从图像中识别不同线条的方法,并根据线条线长和角度变化率的分布范围来对不同类别的图像语义进行分类.实验证实了算法的有效性,且在仅有少量样本的情况下仍可获得较高的识别率.     

基于CA和OTSU的电气设备红外图像分割方法

针对电气设备红外图像中需要对目标进行识别和诊断的需求,提出了一种基于元胞自动机(CA)与最大类间方差(OTSU)法的图像增强与分割算法.首先采用高帽、低帽变换结合的方法对电气设备红外图像进行增强,时增强后的图像采用CA法进行边缘提取,并进行二值化处理,最后与经过OTSU算法分割后的红外图像进行融合.实验结果表明采用该算...     

改进U_Net网络的钢结构表面锈蚀图像分割方法

为实现锈蚀图像分割网络模型轻量化,同时消除非单一特征背景和锈液等类似特征背景干扰,本文将U_Net网络模型的编码部分替换为MobilenetV3_Large网络,导入基于ImageNet数据集的MobilenetV3_Large网络预训练权重,将U_Net网络模型解码部分的普通卷积替换为深度可分离残差卷积,并在上采样的过程中添加注意力导向AG模块和Dropout机制。经实验验证表明,本文设计的改进U_Net网络模型在非单一特征背景和锈液等类似特征背景干扰下,具有明显的锈蚀图像分割优势,相比于原U_Net网络模型,模型大小减少了81.18%,浮点计算量减少了98.34%,检测效率提升了3.27倍,即从原来不足6 fps,提升至19 fps。网络模型实现轻量化的同时,网络模型的准确率达95.54%,相比于原U_Net网络模型提升了5.04%。     

反背景差分结合 Otsu 的细胞图像分割方法

针对相差显微镜采集的间充质干细胞图像具有对比度低、背景不均匀、光晕伪影等问题,提出了反背景差分结合Otsu的细胞图像分割方法.该方法通过构建反背景差分增强图像中细胞主体与非细胞区域的差异,降低背景不均匀干扰因素的影响,结合Otsu阈值分割法粗略区分细胞和背景,并通过二值形态学运算、图像滤波和局部梯度迭代的算法组合进一步...     

基于自组织小波神经网络的磁共振图像分割方法

磁共振图像的准确分割对于辅助医生确定病灶的位置和形状、制订治疗方案和评价治疗效果具有重要的意义。本文提出了一种新的磁共振图像（MRI）分割方法。构造了一种自组织小波神经网络,通过融合T1、r12和Pd图像的特征来识别MRI中生物组织的类别。该网络继承了小波分析局部精度高和神经网络自学习能力强的优点,采用自组织算法利用训练数据的稀疏性对网络的结构和初始参数进行优化,简化了网络结构,提高了网络学习的速度,避免了网络陷入局部最优学习。将所提方法应用于大脑磁共振图像分割的实验结果表明,所设计的自组织小波神经网络MRI图像分割方法具有精度高和学习速度快的优点。