基于Swin Transformer和UNet的肺结节分割方法

肺结节的准确分割是后续良恶性分析和诊断的关键。由于基于卷积神经网络的分割模型受限于局部特征提取特性,忽略了全局特征。因此,本文提出了一种新的肺结节语义分割框架ST-UNet网络,将Swin transformer嵌入UNet中,构成一种新颖的Swin Transformer和CNN并行的双编码器结构。结果表明：该模型不仅对肺结节的分割具有较好的性能,而且对医生进行肺结节的早期诊断具有重要的临床意义和应用价值。     

基于注意力机制与Swin Transformer模型的腰椎图像分割方法

腰椎图像的精确分割是腰椎间盘疾病自动化诊断的重要前提,现有的分割方法在实际应用于分割任务时仍然存在无法精确分割的问题.对此,本文提出了一种基于注意力机制与Swin Transformer模型的腰椎图像分割网络模型.该模型在卷积网络中引入Swin Transformer模型,使用移动窗口的Transformer模块对卷积提取的高层语义信息进行全局信息建模;然后使用注意力机制对上采样过程中跳过连接中传递的低级特征施加权重,去除背景信息,最终实现腰椎图像的精细分割.实验结果表明,本文的腰椎图像分割方法相似度系数指标达到91.18％,性能优于UNet及其变型网络模型.     

立体匹配算法的分类对比研究

立体视觉主要利用多图像成像技术,通过多个图像来获取物体的深度信息。本文首先叙述了常用的立体匹配算法的组成,将立体匹配算法分为三类,详细说明了三种匹配算法分类中具有代表性的块匹配算法、半全局立体匹配算法和图割法的具体实现步骤,从匹配速度和匹配效果上分析总结了三种算法的优缺点。最后概况归纳了现有的立体匹配算法所存在的问题以及对立体匹配算法发展的展望。     

采用邻域差值特征模板的立体匹配方法

提出了一种基于邻域差值特征模板的立体匹配方法。该方法通过计算一幅图像中间隔一定距离的两点的像素邻域差值作为特征模板,再计算另一幅图像中在同一扫描线上间隔同样距离的像素邻域的差值,将它与特征模板的偏差作为匹配标准,偏差最小的点就认为是匹配点。在同等条件下,与区域相关法相比,该方法能够将运算的速度提高3倍,且同样能够得到精确浓密的视差图。实验证明,该算法结构简单,易于实现,能够处理复杂的场景,具有良好的实验效果和实用价值。     

自适应特征融合级联Transformer视网膜血管分割算法

针对眼底视网膜分割存在病理伪影干扰、微小血管分割不完全和血管前景与非血管背景对比度低等问题,本文提出一种自适应特征融合级联Transformer视网膜血管分割算法。该算法首先通过限制对比度直方图均衡化和Gamma校正等方法进行图像预处理,以增强血管纹理特征;其次在编码部分设计自适应增强注意模块,降低计算冗余度同时消除视网膜背景图像噪声;然后在编解码结构底部加入级联群体Transformer模块,建立血管特征长短距离依赖;最后在解码部分引入门控特征融合模块,实现编解码语义融合,提升视网膜血管分割光滑度。在公共数据集DRIVE、CHASE＿DB1和STARE上进行验证,准确率达到97.09%、97.60%和97.57%,灵敏度达到80.38%、81.05%和80.32%,特异性达到98.69%、98.71%和98.99%。实验结果表明,本文算法总体性能优于现有大多数先进算法,对临床眼科疾病的诊断具有一定应用价值。     

融合色彩分割和加权非参数变换的立体匹配

针对传统非参数变换的局限性,提出了一种立体匹配算法。利用参考图像的色彩分割信息获得基于任意形状和大小支持区域的匹配代价,并在相似色彩区域内计算加权非参数变换匹配代价,再将这两种匹配代价融合构成联合匹配代价,通过局部优化方法获得稠密视差图。实验结果表明算法提高了低纹理区域、遮挡区域和不连续区域的匹配精度,并对幅度失真具有鲁棒性。     

存在镜面反射时的双目立体匹配

传统的立体匹配方法建立在Lambertian的漫反射模型之上,漫反射模型的立体匹配在一个图像的大多部分是有效的,但是在处理图像中包含镜面反射的部分时结果会产生严重的匹配错误。笔者利用漫反射和镜面反射在灰度和最大色度上的不同,分离出镜面反射的像素,然后采用一种针对镜面反射的匹配测度,在图像中漫反射部分和镜面反射部分都能匹配得到正确的视差。结果证明了方法的有效性。     

光笔视觉三维测量中光斑图像点立体匹配方法

针对光笔视觉三维测量中左右两幅图像中光斑图像点的立体匹配难题,引入SoftPosit 算法将其转换为二维像点与三维物点对应关系未知情况下的位姿参数估计问题.通过将对应匹配和位姿估计融合在一起,进行捆绑迭代寻优,分别完成左右两幅图像中光斑图像点与空间光笔光斑的对应匹配,从而实现了左右两幅图像中对应光斑图像点的立体匹配.该方法基于模型,与空间点分布模式、点的数量及图像灰度无关,实验结果表明该方法切实可行,也可用于特征点的识别.     

一种适应无人机平台的快速立体匹配方法

设计了一种高质量和快速的立体匹配方法,首先在粗分辨率的影像上获取立体影像的重叠区域和初始视差值,而后采用互信息作为匹配测度并采用一种通过一维路径聚合的全局优化方法得到精确的视差值。匹配方法采用图形处理器进行了加速,得到了很好的加速比。实验结果表明了该匹配方法的正确性和高效率性     

一种基于边缘线的三目立体匹配方法

为实现准确的三维场景匹配,提出了一种基于边缘线的三目立体匹配方法.Canny边缘是一种常用的视觉特征,通过对Canny算子加以改进,提高了边缘线条匹配的可靠性.匹配过程分层次进行,首先通过边缘上少量点的成功匹配确定边缘线条间的对应关系,然后以此来约束该边缘上其他点的匹配.详细介绍了对应特征匹配所用的约束条件.首先,使用三目系统中第三个摄像机提供的额外极线约束,有效地减少了误匹配.由于常规所用的三目极线约束条件给出的匹配效果并不理想,提出了另外一种更加有效的三目极线约束应用方法.此外还介绍了边缘点的梯度方向约束,给出了基于以上约束条件的边缘线匹配算法.实验结果表明,该算法具有较高的匹配正确率,是一种有效的立体匹配算法.     

计算机视觉中双目立体匹配技术的研究

计算机视觉技术是以后发展的一个重要方向,文章首先简要介绍了双目立体视觉的概念,接着就双目立体视觉匹配技术的原理进行了重点介绍,最后简要分析了双目立体视觉匹配技术的应用难点和发展趋势。     

基于区域分割的动态规划立体匹配算法

提出一种基于区域分割的动态规划立体匹配算法.首先参考图像经自适应多阈值切割之后,得到一个由区域组成的集合,并沿着各个闭合区域的边界进行动态规划跟踪,然后对于非匹配区域和区域内部分别作视差融合和视差插值处理,获得最终的稠密视差图.实验结果表明,该算法能够取得较为理想的效果,视差图横向“条纹”瑕疵和边界区域上的误匹配点明显减少,层次更加分明,整个视差图平滑性较好,匹配效率有了显著提高.     

一种基于ORB特征的水下立体匹配方法

针对水下环境中传统算法对双目图像匹配时存在速度慢、误匹配较多等问题,提出一种基于ORB(的特征检测和曲线极线约束相结合的水下立体匹配方法。先检测图像的特征点,生成描述子,并进行特征匹配;然后根据折射定律,结合双目相机的内外参数,推导出水下曲线极线;最后结合水下曲线极线约束,剔除误匹配点。实验结果表明,相比传统的SIFT算法与曲线约束,论文提出的立体匹配方法在有效控制误匹配的情况下,显著提高了运算速度,对提升水下双目视觉系统的快速处理能力具有实践意义。     

立体匹配算法研究综述

双目立体视觉的主要任务是通过2台位于不同位置的摄像机拍摄同一场景得到2幅视图,然后计算视差并获取3维数据信息。立体匹配是双目立体视觉中的关键环节,它利用2幅或者多幅匹配后的图像获取视差进而得到深度信息。本文通过分析国内外对双目立体匹配算法的研究,对立体匹配算法进行介绍,以全局匹配算法和局部匹配算法为对象作详细阐述,最后对各种算法的特性进行比较,并作出总结与展望。     

基于双边滤波的快速立体匹配算法研究

立体匹配是双目立体视觉的核心问题.立体匹配算法对左、右图像进行逐像素匹配,建立对应关系,生成稠密的视差图.本文提出一种基于双边滤波的立体匹配算法.使用归一化互相关函数作为匹配的相似性测度函数,在使用双边滤波进行代价聚合的基础上,对视差的选择策略进行改进.引入置信因子判断匹配的可靠性,将匹配不可靠的像素点的位置记录下来....     

采用模糊判别的自适应多窗口立体匹配

考虑到立体匹配过程中存在的不确定性和模糊性,将已经获得广泛应用的模糊理论引入立体匹配领域,使用与人类感知相似的模糊逻辑为基础的HVS彩色图像点颜色相似性测度,然后把这种模糊颜色相似性测度应用到区域匹配方法的多窗口选择和自适应窗口尺寸缩减当中,最后用SSD方法实现了彩色图像的立体匹配.实验结果表明,该方法具有更高的匹配精确性.     

基于混合裁剪失衡数据增强与SwinNet网络的滚动轴承故障诊断

针对在滚动轴承故障诊断领域中存在的故障样本较少,健康样本丰富所导致的故障类别失衡问题以及环境中存在噪声与人为噪声标签干扰等问题,提出了一种基于混合裁剪失衡数据增强与SwinNet网络相结合的故障诊断模型(fault diagnosis model combining mixed-cutout imbalance data augmentation and SwinNet, SwinNet-MCIDA)。首先,借鉴图像分类数据增强方法,利用混合裁剪失衡数据增强算法对失衡类别的数据进行裁剪、混合处理生成新的故障样本来增加样本量,构造出增强数据集,然后对增强数据集进行小波变换转换成时频图像,将所得图像输入到卷积神经网络与Swin Transformer编码器相结合的SwinNet网络模型中,进行特征提取和故障分类,从而实现滚动轴承故障的高效诊断。试验结果表明,该文所提出的SwinNet-MCIDA故障诊断方法不仅可以很好地解决滚动轴承故障诊断领域故障类别失衡问题,而且也可以很好地应对故障数据中存在环境噪声问题与人为噪声标签干扰问题。     

基于边缘特征和可信度的立体匹配算法

目的针对难以快速获得高精度的稠密视差图问题,提出一种基于边缘特征和可信度的立体匹配算法。方法为了增加像素点之间的区分性,采用鲁棒性较好的AD-Census函数作为匹配代价测度函数。针对匹配窗口跨越视差不连续区域时造成误匹配问题,算法首先对参考图像进行边缘特征提取,基于边缘特征约束,获取形状和大小均具有自适应特性的匹配窗口。视差计算时,使用WTA算法计算每个像素点的视差值,同时计算该像素点视差的可信度。最后通过边缘检测图和信度图进行联合优化,修复可信度较低的像素点的视差。结果该算法能够快速有效地处理视差遮挡区域和视差不连续区域的误匹配问题。结论基于边缘特征和可信度的立体匹配算法是一种高效可行的立体匹配算法。     

采用色彩相似性约束的立体匹配

在立体匹配算法中引入色彩相似性约束条件.首先加入权值模板来对用于灰度空间匹配的SSD算法进行改进,在抑制噪声的同时,可以最大程度的保持景物的细节信息,从而有效的解决SSD算法对于噪声比较敏感的问题.然后引入色彩相似性约束将灰度空间的匹配和彩色空间的匹配有机的结合起来,大大提高了匹配的精度.实验结果表明,该算法能够合理利用彩色立体像对中的色彩信息,从而生成准确度较高的视差图,是一种有效的立体匹配方法.     

基于Transformer的多尺度物体检测

目前,Transformer基本模型对同一场景内不同尺寸物体的检测能力不足,其主要原因为各层等尺度的输入嵌入无法提取跨尺度特征,导致网络不具备在不同尺度的特征之间建立交互的能力。基于此,提出一种基于Transformer的多尺度物体检测网络,该网络采用跨尺度嵌入层初步对图像特征进行嵌入处理;利用多分支空洞卷积对输入进行下采样,通过调整并行分支的膨胀率使该结构具有多样的感受野;然后,由残差自注意力模块对输出嵌入结果进行处理,为特征图的局部和全局信息构建联系,使注意力计算融入有效的多尺度语义信息,最终实现多尺度物体检测。模型在COCO等数据集上进行训练,实验结果表明该方法与其他物体检测方法相比具有显著优势。