基于深度学习的医学图像分割方法研究进展

医学图像处理技术随着深度学习的兴起而飞速发展。基于深度学习的医学图像分割技术成为了分割领域的主流方法，弥补了传统分割方法分割精度不足的缺点，已被应用到一些病理图像的分割任务中。文中对近年来出现的基于深度学习的分割方法进行了介绍和对比，重点综述了U-Net及其改进模型在分割领域的贡献，归纳了常见的医学图像模态、分割算法的评价指标和常用分割数据集，并对医学图像分割技术的未来发展进行了展望。     

面向对象的SDH网络管理

ＩＴＵ－Ｔ建议中规定了在ＳＤＨ系统中采用开放系统互连的网络管理体系结构，应用了面向对象的管理技术。面向对象方法是现代网络管理技术中的主流。本文讨论了ＳＤＨ网络管理系统基于面向对象的管理信息模型、传输服务和协议等，探讨了面向对象网络管理技术的未来发展。     

基于Kinect的手部分割混合识别技术

基于人手的人机交互由于其便利性,是未来人机交互技术发展的重要方向之一。本文基于Kinect硬件,提出了一种自适应的混合型手部分割方法,结合基于深度图像的阈值分割方法和基于彩色图像的肤色分割方法,对人体图像进行手部分割。该混合型手部分割方法,能够较好的克服光线以及复杂背景所带来的消极影响,也能够更好的适应复杂的人体动作,达到更好的分割效果。最终,本文搭建了硬件实测平台,验证该算法的有效性。     

基于小波域多状态隐马尔科夫树模型多尺度文本图像分割

该文基于小波域多状态隐马尔科夫树（HMT）模型，引入一种新的文本分割方法。该分割方法是在H.Choi et al.(2001)工作的基础上，将文本按纹理分为背景、文字与图片3种类型，分别建立多状态HMT模型。另外，基于平滑图像将上述方法又作了进一步的改进，引入了多状态IHMT分割方法，最后通过实例阐明了方法的有效性。     

基于AP聚类的中文字符分割

中文字符的分割问题导致目前字符识别技术发展受限,对于图像模糊、中英文混排和字符粘连的文本图像,传统的投影分割等基于区域的分割方法分割效果差,导致文字识别率低.针对这些问题,本文将AP聚类算法应用于字符分割,该方法先将图像转化为灰度图,再将灰度图进行二值化处理,并对二值化图像进行除噪,然后根据聚类准则求解特征点之间的关系得到类中心点,最后根据类中心对特征点进行归类得到分割结果.实验结果表明,应用AP聚类方法能够取得比常规分割方法更好的分割效果.     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割，讨论了学习样本的提取步骤和网络学习的速度改进方法，实验表明，用多层前馈网络进行图象分割能获得良好的结果。     

图像分割技术研究

本文主要介绍了图像分割的两大类方法：基于边缘的分割方法和基于区域的分割方法及其各自存在的问题和最新进展，同时简单介绍了物理的分割方法和图像分割评价，最后指出了图像分割技术的发展趋势。     

基于深度学习的图像实例分割技术研究进展

随着深度学习算法在图像分割领域的成功应用,在图像实例分割方向上涌现出一大批优秀的算法架构.这些架构在分割效果、运行速度等方面都超越了传统方法.本文围绕图像实例分割技术的最新研究进展,对现阶段经典网络架构和前沿网络架构进行梳理总结,结合常用数据集和权威评价指标对各个架构的分割效果进行比较和分析.最后,对目前图像实例分割技术面临的挑战以及可能的发展趋势进行了展望.     

面向脑血管分割的图像处理与人工智能技术

脑血管分割是自动诊断与分析脑血管疾病的重要前提.本文从脑血管成像、面向脑血管分割的图像处理与人工智能方法、脑血管分割的难点问题等三个方面论述了脑血管分割技术.最后,在对脑血管分割领域的总结分析的基础上提出了几点建议.     

基于深度网络的图像语义分割综述

图像语义分割不仅预测一幅图像中的不同类别,同时还定位不同语义类别的位置,具有重要的研究意义和应用价值.本文阐述了图像语义分割最新的研究成果和方法,从三个角度综述了基于深度卷积神经网络的图像语义分割模型,分别是基于候选区域模型、基于全卷积网络模型和基于弱监督学习的语义分割模型,对这三类模型的方法和结构进行了详细的研究和分析.并在PASCAL VOC 2012数据集上对一些代表性的语义分割算法的性能进行了比较分析.     

基于Mask R-CNN的ORB去误匹配方法

为了提高多目标图像的ORB匹配的正确率,提出一种基于Mask R-CNN的图像ORB去除误匹配方法,该算法首先通过Faster R-CNN方法对图像进行识别,运用区域推荐网络得到矩形框标注的感兴趣区域和类别标签,该步骤可以得到感兴趣区域的预测类别和坐标信息,并且通过全卷积网络卷积层进行像素级别校正,得到像素级别的目标所属类别,然后进行目标分割。最后在原有ORB特征点匹配基础上,剔除两幅图像中相同目标分割区域以外的误匹配点。为了验证该方法的有效性,对传统ORB匹配与基于本文方法的ORB匹配进行了仿真实验。改进后的算法,使得在多目标环境下的目标的匹配精度提高了约18.6%,结果表明,本文算法较传统的ORB匹配算法的精度有一定提高。     

角度优化网络的印章文字检测与识别算法

利用光学字符识别方法对印章文字进行检测与识别,能够加快各类合同的分类处理速度与鉴别效率。该文针对圆形印章文字呈环形排列的特点,利用极坐标展开对印章文字进行预处理,克服了印章文字方向不统一的问题。对于展开后上下起伏的文本区域,利用带角度信息的联结文本提议网(CTPN)对印章文字区域进行检测,并使用贝塞尔拟合文本区域,实现了对印章区域的准确检测。最后利用注意力转移机制和该文匹配算法对检测的文字区域进行识别,输出印章文字内容。运用该算法对输出印章文字内容自制的中文印章数据集进行实验,印章内容的文字检测F值可以达到84.73%,文字识别召回率达到84.4%,表明该算法可以有效地检测识别印章内容,对文档的分类与鉴别研究具有重要的意义。     

结合颜色和MGD特征及MRF模型的场景文本分割

针对场景文本受到光照、复杂背景等因素影响而难以进行有效分割的问题,提出了一种融合颜色和最大梯度差(MGD,maximum gradient difference)特征及马尔科夫随机场(MRF,Markov random field)的场景文本分割方法。首先提取能够有效表达文本纹理特性的MGD特征,通过概率框架将其和颜色特征结合起来对观测图像进行建模;然后结合空间关系和邻域像素属性差异对传统势函数进行改进;最后建立场景文本分割的MRF模型,利用图割(graph cut)算法快速地求解该模型。实验结果表明,采用颜色和MGD特征相结合以及改进的势函数对分割结果具有较大地改善,尤其在光照不均匀及背景复杂情况下相比其他算法取得了较好的性能。     

Multiple attention encoded cascade R-CNN for scene text detection

Inspired by instance segmentation algorithms, researchers have proposed quantity of segmentation-based methods for text detection, achieving remarkable results on scene text with arbitrary orientation and large aspect ratios. Following their success, we believe cascade architecture and extracting contextual information in multiple aspects are powerful to boost performance on the basis of segmentation-based methods, especially in decreasing false positive texts in complex natural scene. Based on such consideration, we propose a multiple-context-aware and cascade CNN structure, which appropriately encodes multiple categories of context information into a cascade R-CNN framework. Specifically, the proposed method consists of two stages, i.e., feature generation and cascade detection. During the first stage, we define ISTK (Isolated Selective Text Kernel) module to refine feature map, which sequentially encodes channel-wise and kernel-size attention information by designing multiple branches and different kernel sizes in isolate form. Afterwards, we build long-range spatial dependencies in feature map via non-local operations. Built on contextual feature map, Cascade Mask R-CNN structure progressively refines accurate boundaries of text instances with multi-stage framework. We conduct comparative experiments on ICDAR2015 and 2017-MLT datasets, where the proposed method outperform comparative methods in terms of effectiveness and efficiency measurements.     

基于新词发现的跨领域中文分词方法

深度神经网络(DNN)是目前中文分词的主流方法,但将针对某一领域训练的网络模型用于其他领域时,会因存在跨领域的未登录词(OOV)和表达鸿沟而造成性能显著下降,而在实际中对所有未知领域的训练语料进行人工标注和训练模型并不可行。为了解决这个问题,该文构建了一个基于新词发现的跨领域中文分词系统,可以自动完成从目标领域语料中提取新词、标注语料和训练网络模型的工作。此外,针对现有新词发现算法提取出的词表垃圾词串多以及自动标注语料中存在噪声样本的问题,提出了一种基于向量增强互信息和加权邻接熵的无监督新词发现算法以及一种基于对抗式训练的中文分词模型。实验中将使用北大开源新闻语料训练的网络模型提取出的特征迁移到医疗、发明专利和小说领域,结果表明该文所提方法在未登录词率、准确率、召回率和分词F值方面均优于现有方法。     

Touch TT: Scene Text Extractor Using Touchscreen Interface

In this paper, we present the Touch Text exTractor (Touch TT), an interactive text segmentation tool for the extraction of scene text from camera‐based images. Touch TT provides a natural interface for a user to simply indicate the location of text regions with a simple touchline. Touch TT then automatically estimates the text color and roughly locates the text regions. By inferring text characteristics from the estimated text color and text region, Touch TT can extract text components. Touch TT can also handle partially drawn lines which cover only a small section of text area. The proposed system achieves reasonable accuracy for text extraction from moderately difficult examples from the ICDAR 2003 database and our own database.     

Review of information hiding on Chinese text

Text information hiding is an important technology to protect the security and integrity of text content.The research progress of Chinese text information hiding was reviewed.According to the clue of Chinese text information hiding,the existing algorithms were divided into three categories,algorithms based on text images,algorithms based on text format and algorithms based on text content.The implementation process of each type of algorithm was elaborated and the advantages and disadvantages of the algorithm were analyzed.At the same time,their principles,embedded capacity and anti-attack capability was compared and analyzed.In addition,the problems existing in Chinese text information hiding technology was summarized,and the research trends were discussed in the future.It is expected to provide reference for research in this field.     

基于机器学习的图像分割算法研究

图像分割是计算机视觉研究中重要的一部分,其主要目的是在图像中将兴趣域目标与背景分割,关系到后续的目标识别、图像理解等操作的准确性.经过几十年的发展,许多优秀的图像分割的方法被提出.机器学习是当今时代的研究热点,基于深度卷积神经网络等机器学习的图像分割研究进展迅速.总结介绍了应用于图像分割的几种典型机器学习方法,分析比较了相关的分割原理步骤、优缺点和发展现状.最后分析了基于机器学习的图像分割算法的发展方向.     

基于PCNN和SVM的图像识别方法研究

利用脉冲耦合神经网络(PCNN)具有良好的脉冲传播特性,研究了利用PCNN进行图像分割的技术.针对模型参数和最优分割结果难以确定的问题,改进了标准PENN模型,提出了基于互信患量的PCNN图像分割方法.计算原图像与PCNN分割图像序列问的互信息量,对应最大互信息量的分割图像就是最佳分割结果.然后选取不同类型飞机图像提取不变矩特征,用支持向量机(SVM)实现分类识别.实验结果表明,该方法分割效果好,适应性强,能够很好地识别飞机图像.