基于BP神经网络的混凝土超声CT图像分割

由于图像直观的特点，超声波层析成像技术在混凝土结构的无损检测中扮演日益重要的角色。采用BP神经网络模型，研究了超声波CT彩色图像的分割方法。以超声CT检测图像和起导师信号作用的二值图像为训练样本，采用BP算法进行训练，对实测图像分割后得到了目标边缘清晰的较好分割效果：此方法主要优点是设计简单，易于实现；欠缺是BP网络学习时间过长，     

医学图像分割的神经网络方法

给出了一种基于自组织聚类神经网络的图像分割算法．针对聚类中心初始值选取的盲目性,提出了初始值优选法,大幅度提高了分割算法的速度．实验表明,文中提出的算法能快速、准确地分割医学图像,将原始照片中不易分辨的病灶清晰地呈现出来．     

基于道路中心线的分阶段弱监督遥感图像道路提取

利用语义分割算法从卫星图像中提取道路已经成为遥感道路监测任务的主流解决方案。然而,不同地理环境下卫星图像中的道路纹理复杂多变,加之道路的像素级标注成本昂贵,因此在训练语义分割模型时大量使用像素级标注的方法是不现实的。对此,提出了一种分阶段弱监督道路提取算法,利用道路中心线涂鸦标签进行弱监督训练,并分阶段地训练道路分割模型。此外,还提出了伪掩码更新策略和混合训练策略,设计了适用于道路前景和背景的损失函数。实验结果表明,所提算法在道路分割任务中比其他基于道路中心线的弱监督方法具有更优异的性能,而消融实验结果也验证了所提训练策略的有效性。     

基于改进SegNet的遥感图像建筑物分割方法

针对高分辨率遥感图像建筑物分割精度低以及边缘模糊问题,在SegNet网络的基础上提出一种改进的全卷积神经网络。首先,选择在深度学习任务中表现良好的GELU作为激活函数,避免神经元失活;其次,在编码网络中使用改进的残差瓶颈结构提取更多的建筑物特征;然后,利用跳跃连接融合图像的低级与高级语义特征,辅助图像重构;最后,在解码网络末端连接改进的边缘修正模块进一步修正建筑物边缘细节,提升建筑物的边缘完整度。在Massachusetts Buildings Dataset数据集上进行实验,其精确率、召回率和F1值分别达到93.5%、79.3%和81.9%,综合评价指标F1值相比于基础网络提升约5%。     

基于深度学习的遥感图像道路分割

为在遥感图像中提取出来道路信息,利用深度学习技术,引入U²-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U²-Net方法可以实现道路的自动化提取。为验证U²-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U²-Net显著图融合模块中卷积核对道路提取效果的影响。试验结果表明,U²-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49%,Kappa达到了0.701 2,分割精度优于U-Net、DeepLabV3+等语义分割方法。基于U²-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果。     

模糊控制BP网络的遥感图象分类方法研究

针对遥感图象分类中经常采用的BP算法存在训练时间长、不易收敛缺点,提出了一种改进方法,即采用模糊规则有效控制BP网络学习率的方法,该方法使网络具有自适应能力,从而不易陷入局部最小,导致收敛速度大大加快,训练时间大大缩短。最后以徐州地区TM图象土地利用分类为例,将模糊控制BP网络模型同BP算法及学习率自调整算法进行了比较。结果表明新方法确实大大加快了网络收敛速度,一定程度上提高了图象分类精度,是一种有效的图象分类方法。     

基于BP神经网络的特征融合遥感图像阴影检测

针对遥感图像中地物遮挡形成阴影,导致阴影区域地物信息受损的问题,提出一种基于BP(back propagation)神经网络的特征融合遥感图像阴影检测方法,该方法共分为预处理、特征提取、特征融合和后处理4个阶段。为了克服现有单一特征阴影检测方法的局限性,共设计了蓝绿波段归一化、主成分分析、HSI(hue,saturation,intensity)空间和灰度矫正色调4个特征提取分支,然后通过BP神经网络实现多特征的深度融合。实验表明,所提方法提取的阴影掩膜完整性高、边缘区分良好,对水体等易混淆的非阴影地物也能很好地区分,说明本文方法具有较好的鲁棒性。     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

基于多尺度特征融合注意力CNN的遥感图像语义分割方法

针对遥感图像目标尺度变化较大、分割不够准确的问题,提出了一种融合多尺度特征注意力卷积神经网络(CNN)的图像分割方法。该方法基于卷积块注意力模块提出了改进的有效注意力模块(ECBAM)。在通道注意力模块中加入空洞卷积以降低池化操作造成的特征损失,并在通道注意力模块后添加卷积层对通道注意力特征映射进行特征融合。然后,基于ECBAM设计了一种编码解码架构的卷积神经网络模型ECBAM-CNN,其中编码器主要由卷积层、ECBAM和空洞空间金字塔池化模块组成,解码器主要由卷积层和ECBAM组成,并且采用跳跃连接将编码阶段的多尺度信息融合到解码器。实验表明,提出的方法无需预训练和后处理,与SegNet等前沿方法相比取得了更好或相近的分割准确度,在DLRSD和WHDLD测试集上的mIoU分别为67.3%和62.0%。     

The tool for building an NN based on improved BP algorithm

0　ＩＮＴＲＯＤＵＣＴＩＯＮＢａｃｋ ｐｒｏｐａｇａｔｉｏｎＡｌｇｏｒｉｔｈｍ (ＢＰ)ｉｓａｖｅｒｙｕｓｅｆｕｌａｌｇｏｒｉｔｈｍｉｎｍａｎｙａｓｐｅｃｔｓ.Ｂｕｔｉｔｈａｓｔｈｅｆｏｌｌｏｗｉｎｇｐｒｏｂｌｅｍｓ:①Ｔｈｅｌｏｃａｌｌｅａｓｔｐｒｏｂｌｅｍｉｎｅｖｉｔａｂｌｅｄｕｅｔｏｉｔｓｎｏｎ ｌｉｎｅａｒｏｐｔｉｍｉｚｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃ②Ｔｈｅｓｌｏｗｃｏｎｖｅｒｇｅｎｔｓｐｅｅｄ③Ｌａｃｋｏｆａｃａｄｅｍｉｃｇｕｉｄａｎｃｅｆｏｒｔｈｅｈｉｄｄｅｎｎｏｄｅｓ’ｎｕｍｂｅｒｃｈ…     

遥感图像语义分割空间全局上下文信息网络

为了解决卷积神经网络(CNN)在语义分割特征提取阶段容易丢失空间信息以及边界信息不明确的问题,基于U-Net基线网络提出空间全局上下文信息网络(NC-Net). 增加再编码阶段(ReEncoder),以增强空间信息识别能力. 在Decoder阶段输出多尺度特征,与ReEncoder阶段结合获取全局上下文信息. 保留边界损失函数,设计多尺度损失函数级联方法,优化整体网络. 在GID以及WHDLD数据集上的实验结果表明,该方法的总体准确度达到最好成绩,明显优于其他基线模型.     

基于灰度特征聚类的图像自动分割方法

脉冲耦合神经网络是一种新型神经网络,该网络无需训练,根据脉冲耦合神经网络相邻神经元同步点火特性,提出了一种基于灰度特征聚类的脉冲耦合神经网络图像分割方法,利用脉冲耦合神经网络点火捕获特性,实现了对特征的自组织聚类,克服了以往基于统计方法对于相邻灰度影响的考虑,弥补了空间不连贯灰度区域分割成离散块的缺点.针对目前对网络参数的选取还主要停留在人工调整和确定阶段,对参数的选取进行了分析,并对迭代终止条件进行了研究.通过实验,证明分析结果是有效的.     

基于BP网络的植物病害彩色图像的分割技术

通过颜色空间的转换,把RGB颜色空间的植物病害图像转换到HSI和YCbCr颜色空间,由于HSI和YCbCr空间的H,Cb,Cr分量与图像的亮度无关,可以有效地抑制噪声,因此选取H,Cb,Cr分量为特征值作为BP人工神经网络的输入值。网络经过训练后,对265幅病害图像进行分割,其中251幅被正确分割,分割的准确率达到94.7%,满足了诊断植物病害的前期处理要求。     

基于细胞神经网络的尿沉渣图像分割

针对临床尿沉渣显微图像识别问题,提出了一种新的图像预处理方法和基于细胞神经网络（CNN）的分割算法.该方法通过拉伸图像中各个像素的灰度值与局部灰度值之间的差来增强图像中目标的边界,通过对局部灰度均值的非线性变换来消除图像中光照的不均匀,进而设计出合适的CNN模板来分割图像,最终利用形态学操作得到分割结果.通过对100幅临床尿液样本图像的测试,并与传统的阈值分割法相比,该方法获得了更加连续的边界和更加准确的目标分割结果,并已集成到全自动尿液粒子分析系统中,应用于临床,取得了良好的效果.     

一种BP神经网络改进算法的研究

为提高神经网络传统BP算法的训练速度,以3层神经网络为例,通过对权值的分析与优化,推导出改良的BP算法——双权值迭代优化法,并对该算法与传统算法进行了比较,通过比较发现,新算法在保证精度的前提下可节省训练时间,同时对该算法特点进行了总结。     

New image segmentation model based on the level set method

A novel variational model based on the level set method is proposed. In the model, we introduce a nonconvex regularizer which performs better than the convex ones on protecting edges. On the other hand, the nonconvex regularizer is designed to provide a force which can help the evolution of the level set function. The Nesterov algorithm is introduced to implement the model. Experiments demonstrate the advantages of the proposed method over the Chan-Vese model in terms of both efficiency and accuracy.     

基于多级特征级联的遥感图像实时语义分割

针对遥感图像语义分割中存在的分割耗时长、分割小目标不准确的问题,提出基于多级特征级联的高分辨率遥感图像快速语义分割模型(multi-level feature cascade network,MFCNet).该模型主要由特征编码、特征融合以及目标细化3部分组成.特征编码对输入的不同分辨率图像用不同量级主干网络进行特征提...     

BP网络模型的改进方法探讨

随着ＢＰ网络应用的日益广泛,其本身存在的一些问题也越来越充分地暴露出来。首先对ＢＰ网络存在的问题及产生的原因进行了初步探讨,然后针对这些问题及原因,比较系统地研究了影响ＢＰ网络性能的各种改善方法。