基于U-Net神经网络眼底图像的视盘分割研究

眼底图像中的视盘在青光眼筛查和诊断中起着重要作用。因此,从眼底图像中对视盘进行准确、快速地定位与分割具有重要意义。在过去,研究者们已经进行了对视盘的深入研究,但如何提高定位准确率和分割精度仍是视盘分割的一大难题。对此本文提出一种采用深度学习结构U-Net的视网膜视盘自动分割的方法,该方法结合机器学习,通过深度网络提取输入图像的视盘特征,从而得出相应的分割结果图。相对于传统的视盘分割方法,本文的U-Net神经网络能够有效学习有利于分割视盘的特征,从而提高分割的精确度,而且分割耗时更短。     

彩色眼底图像视盘自动定位与分割

针对彩色眼底图像视盘定位时图像边缘高亮环对定位准确率的影响,提出了一种有效的图像预处理方法。针对已有的视盘分割算法中存在的问题,提出了一种结合形态学、椭圆拟合及梯度矢量流(GVF)Snake模型的分割算法。提出的预处理方法首先利用最小二乘法拟合出眼底图像的边界,然后裁剪掉边界的一部分高亮像素点,最后进行视盘定位。视盘分割算法则首先进行血管擦除,然后用椭圆拟合提取初始轮廓,最后使用GVF Snake精确调整视盘边界。用提出的方法对Messidor眼底图像数据库1 200幅图像上进行了实验,结果显示:视盘定位准确率由原来没经过预处理的95.4%提升到了98.7%;视盘分割错误率与当前已知最好的算法相比由12.5%降低到了9.39%。结果表明:提出的眼底图像视盘自动定位与分割方法准确率高、实用性强,可以用于眼科疾病的计算机辅助诊断。     

基于改进U-Net的工件表面缺陷分割方法

针对当前深度神经网络模型在检测小缺陷目标时性能较差的问题,提出了一种基于改进U-Net的工件表面缺陷分割方法。该方法设计了一种仅下采样3次的U型网络,在保持图像特征分辨率的同时获得足够的感受野,有效解决神经网络多次下采样造成的小目标信息丢失问题;引入Dice损失和Focal损失组成的混合损失函数,通过增强分割损失权重并抑制背景信息来提高分割效果,有效解决小缺陷目标的低概率密度问题。通过在表面缺陷数据集上的大量实验和分析,结果表明该算法能够很好地细分出缺陷区域,并在分割精度与速度之间获得平衡。     

基于改进的Hough变换图像分割方法

在图像处理和计算机视觉中,Hough变换是一种应用非常广泛的图像边缘检测技术,针对传统Hough变换算法所需的存储容量大、计算量大、速度慢、效率低,不能确定曲线端点及长度的问题,提出了一种改进的Hough变换方法,它根据Hough变换思想的逆变换,采用对参数空间逐步细分的方法,逐步排除不包含直线的区域,能够有效地减少存储容量,提高运行效率,并能有效地求出曲线轮廓的端点及长度.该方法已成功运用于车牌自动识别系统的车牌分割中.     

基于改进U-Net的球栅阵列气泡缺陷检测方法

针对现有基于深度学习的图像分割算法在球栅阵列(BGA)焊点气泡检测中检测效率较低,无法满足工业生产中实时性的检测需求,提出了一种基于改进U-Net的球栅阵列缺陷识别方法。该方法在现有的U-Net经典网络的基础上提出用深度可分离卷积与密集连接结合的轻量密集连接单元替换常规的卷积单元,同时添加多尺度跳跃连接减少编解码特征之间的差异,实现针对BGA焊点气泡的精确分割和提取。采用自建数据集对该方法的有效性进行实验,结果表明,改进的U-Net模型网络在减少U-Net网络计算复杂度的同时提升了网络性能,能够增加BGA焊点气泡的检测效率。     

一种改进的图像分割方法

分析了图像分割方法中Chan—Vese方法及其改进方法的不足,提出了一种图像分割的新方法。引入各向异性平滑项,并用差分法来求解水平集函数,因此在图像处理过程中既对噪声有较好的鲁棒性,又能更好地保持图像中较弱边缘的信息,提高图像分割的精度。实验证明,此方法比Chan—Vese方法及其改进方法有更好的分割效果。     

基于改进窄带法的快速医学图像分割方法

基于曲线演化的水平集算法近来已被广泛应用于医学图像分割中,根据分割医学图像的鲁棒性实时性的要求,提出一种新的基于改进窄带法的图像分割方法INBM(Improved narrow band method).INBM首先将均匀采样的图像映射到对数极坐标系中,由视网膜空间分辨率机制可知,注视点都在图像兴趣区,由此形成初始轮廓,然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.改进窄带法是通过降低窄带区域内的水平集函数求解个数,来减少计算时间.实验结果表明,该方法能够快速、准确地得到医学图像的结果.     

基于U-Net分割与弧支撑线段拟合的锻件直径在线检测

大型锻件是国家重型制造装备和重大工程建设所必需的关键和核心基础部件,目前大多还处于人工检测的阶段,如环型锻件的锻造检测过程中,通常需要人工执尺子测量,存在人为的判断误差。另一方面,锻件和所处环境温度高且测量速度慢。使用深度学习与图像处理方式测量环形锻件的直径,首先,由U-Net语义分割网络分割出锻件有效部分,其次,将分割出的图像从RGB空间转换到HSV彩色空间并调整阈值,最后,由弧支撑线段来拟合锻件,实现锻件的直径在线检测。该方法能去除复杂背景,降低锻件高温高亮导致边缘模糊的影响,减少误检和漏检且检测速度较快。实验结果表明,锻件外环和内环检测的平均绝对误差约为2.77cm,2.02cm以及平均的检测总时间约为0.4s,在环形锻件检测领域具有借鉴意义。     

基于机器学习识别与标记分水岭分割的盲道图像定位

视觉导盲仪是一种旨在解决盲人出行困难的导盲设备,为了实现视觉导盲仪诱导盲人找到盲道并沿盲道行走,提出了一种基于机器学习识别与标记分水岭分割的盲道图像定位算法,通过离线训练与在线的识别、分割来定位盲道区域。首先对盲道图像进行视角变换的预处理,根据盲道的地面方程将变化的倾斜视角转换为固定的俯视视角,消除射影变换带来的失真;然后利用局部二进制模式描述子提取鸟瞰图的纹理特征,以自适应增强学习算法离线训练盲道识别分类器;进而利用分类器对鸟瞰图像进行在线识别,粗略确定盲道区域;最后将识别结果进行形态学处理后作为标记,利用标记分水岭算法得到精确分割的盲道区域并定位盲道中心线。在研制的视觉导盲仪上进行验证,结果表明盲道定位准确率达到了95.44%,速度平均每秒8帧,具有高准确率的同时达到实时性要求,为盲道的准确三维定位提供了必要条件。     

基于区域生长的生物图像分割方法

针对基于区域的分水岭算法中通常存在的严重过分割现象,采用两点措施来改进:其一是在分水岭分割之前采用迭代阈值分割算法对图像进行分割,从而有效地抑制了由图片表面的灰度变化引起的过分割,使边缘定位更加准确;其二是在分水岭分割之后以基于面积,对比度和深度控制的区域合并准则,有效抑制过分割现象,同时满足感兴趣区的分割要求,实验表明该方法简单有效,能够得到符合人类视觉系统特性的分割结果。     

基于深度学习的铸件CT图像分割算法

针对现有方法分割弱边缘铸件CT图像难度大、精度低、鲁棒性差的问题,提出一种融合残差模块与混合注意力机制的U型网络分割算法(AttRes-U-Nets)。该算法以U-Net网络为基础,首先构建深度残差网络ResNets作为算法的编码网络,解决传统U-Net网络特征提取能力不足的问题;然后,引入改进后的混合注意力机制,突出分割目标区域与通道的特征响应,提高网络灵敏度;最后,将Focal loss与Dice loss结合为一种新损失函数FD loss缓解样本不平衡带来的负面影响。使用120阀体数据集对算法性能进行验证,实验结果表明,本文算法对铸件分割的像素准确率(PA)和交互比(IoU)分别达到98.72%和97.40%,优于传统U-Net算法与其他主流语义分割算法,为弱边缘分割提供了新思路。     

基于柔性盘技术的光纤加速度计研究

研究了一种利用惯性力测量加速度的全光纤加速度计,并分析推导出加速度变化对柔性盘应变的响应公式。在较宽的工作频谱范围(0～5kHz)内,实验结果与理论推导结果具有较好的一致性。这种光纤加速度计具有灵敏度高,质量轻的优点,采用相位跟踪零差检测技术可以实现加速度信号的高精度检测。     

基于购买行为的客户分类方法研究

在序列对齐方法的基础上,提出了客户购买行为的相似比较标准。在比较过程中,考虑了客户购买产品的类别和相应产品的购买金额,给出了快速计算客户购买行为相似度的算法。在此基础上,对客户聚类应用模拟退火遗传算法改善聚类的质量,使每一类客户具有更相似的购买行为。实例分析结果表明,所提出的方法能够有效地根据购买行为对客户加以分类。     

光纤光栅内锥式流量计的研究

光纤光栅传感技术具有光纤传感技术的所有优点,内锥式流量传感器具有量程比大,压损较小,耐高温高压,要求前后直管段长度小的特点。将光纤光栅和内锥流量传感器结合组成了新型的光纤光栅内锥式流量计,介绍了光纤光栅和内锥式流量传感器的工作原理,光纤光栅内锥式流量计的组成。实验数据和结论。     

基于Arduino的双耳玻璃杯自动贴耳装置设计

针对双耳玻璃杯贴耳工序自动化操作问题,对玻璃杯的制作流程进行研究,设计了一种自动装置。首先细化双耳玻璃杯贴耳工序为固定、灼烧、粘结和取回四道工序;然后设计了由主控机构、点火机构、夹持机构、移动机构和检测机构五部分组成的机械结构,选用Arduino Nano核心板作为控制器,通过控制电路驱动电动推杆、电磁阀和步进电机等,实现运行和调参两种工作模式;装置还具有紧急停车和掉电保护功能;最后对装置进行了实验测试。研究结果表明,完成1个双耳玻璃杯贴耳工序平均需要约20 s,提高了生产效率,节约了人力,达到企业的生产要求。     

基于图论的交互式图像分割算法研究

交互式图像分割方法的应用越来越广泛,本文提出了一种新的基于图割的交互式图像分割方法。该方法将像素的灰度信息和空间信息结合起来建立图模型,利用预流算法快速计算出该模型的最小割集,实现图像分割,有效地降低了运算的时间复杂度,提高了分割准确度。     

基于U-Net网络的柱面透镜视觉定位策略

针对柱面透镜定位在摆盘工艺过程中产品良率低、生产作业时间长的问题,研究了一种基于U-Net网络的柱面透镜视觉定位策略。该策略结合柱面透镜摆盘工艺及特点,开发了柱面透镜视觉摆盘系统。将Blob分析和模板匹配作为前期视觉定位方法,通过高精度匹配获取工件点位信息以生成分割图对采集的原图进行标注,选取损失值最优的学习率对U-Net网络进行模型训练,以实现实际工件的分割定位。经过U-Net网络与高精度模板匹配针对不同型号的工件定位对比发现,相较于高精度模板匹配,U-Net网络可实现亚像素级别的定位误差。实践应用结果表明,该柱面透镜视觉摆盘系统视觉定位精度高,具有较强的产品适应能力,产品偏心合格率可达96%以上,满足工业摆盘任务要求。