基于主动轮廓模型的序列图像分割与重建

基于断层测量的表面重建是逆向工程中的重要研究方向,而图像分割是其中的关键性技术。针对这一问题,提出了一种基于Greedy算法的B样条主动轮廓模型,可快速稳定地实现目标图像的分割,适用于基于断层图像的分割与表面重建处理。通过对磁共振序列断层图像的分割与表面重建验证了该方法的有效性。     

基于主动轮廓模型的医学图像边界跟踪

提出了一种基于主动轮廓模型的医学图像三维重建目标区域的边界轮廓跟踪方法,该方法能够在多区域轮廓内外邻接的情况下保证轮廓跟踪的逻辑正确性,并且可以在轮廓成长过程中,主动定义非均匀分布的轮廓关键点以及利用参数交互决定轮廓跟踪的精度,从而使跟踪结果合理,且便于交互编辑及三维重建.     

基于混合模型和DAEM算法的自适应图像分割

图像分割是图像处理中最基本且具有挑战性的问题。基于高斯混合模型,提出了一种自适应的图像分割方法。采用DAEM(deterministicannealingexpectation-maximization)算法估计混合模型的参数,利用直方图信息确定图像的类别数并给出DAEM算法的初始值,最后根据Bayes最小错误率准则对图像进行分割。由于DAEM算法在传统的EM算法中引入了退火机制,DAEM算法能够收敛到全局最优值,使得分割结果更加准确。实验结果说明了此方法的有效性。     

结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。     

基于水平集的前列腺磁共振图像分割方法研究

基于前列腺磁共振图像(MRI)特征信息及其病变好发特定区域等先验知识,针对前列腺内外轮廓全分割问题,提出基于边缘距离调整水平集演化(DRLSE)的前列腺MRI两步分割方法。在构建统一水平集能量函数的基础上,第1步基于前列腺MR的T1(纵向弛豫时间)图像实现其外轮廓分割,第2步在外轮廓约束限定条件下,基于前列腺MR的T2(横向弛豫时间)图像实现前列腺的内部轮廓分割,进而完成前列腺内外轮廓的全面有效分割。设计了前列腺分割的人机交互界面,对10个前列腺病例MR图像(含正常、增生和癌变共30幅)进行了分割实验研究,并采用Dice相似性系数(DSC)对分割结果进行评价分析,DSC值达到90%以上。实验结果表明,所提出的基于边缘DRLSE的前列腺MRI两步分割方法能够有效地实现前列腺内外轮廓的全面分割,非常接近于临床专家手动分割的理想结果,对前列腺疾病的临床诊断和治疗有较好的参考价值。     

基于模型自优化的带钢表面缺陷语义分割研究

针对当前带钢表面缺陷检测方法存在着检测速度低、检测判别特征提取不充分以及模型人工调参主观性强等技术性瓶颈问题,开展了基于模型自优化的带钢表面缺陷语义分割方法研究。在模型优化上,使用实体卷积替代原有的膨胀卷积,解决了边缘伪成像的问题,并且使用轻量化通道注意力机制模块,捕获了通道之间的依赖关系。构建了基于智能优化算法的关键超参数优化策略,使用改进全局搜索能力的麻雀搜索算法对模型整体的超参数组合进行寻优,选择影响效果最好的超参数,最终实现了自适应优化的带钢缺陷检测功能。在东北大学热轧带钢表面缺陷数据集上进行了实验,通过实验验证了该方法对夹杂、斑点和划伤等表面缺陷自动提取的可行性和有效性,满足了低配置、高性能的检测需求。     

面向遥感图像水域分割的图像熵主动轮廓模型

为提高遥感图像水域分割的准确度,结合高分率遥感图像中水域与背景纹理复杂度差异较大的特点,将图像熵引入到CV模型中,提出两种图像熵主动轮廓模型用于高分辨率遥感图像的水域分割。其中,针对水域纹理相对简单的遥感图像,在CV模型中引入零水平集内的图像熵而构成局部图像熵主动轮廓模型,可以有效降低背景中灰度值与水域近似的区域发生误分,从而提高水域分割的准确度;针对水域纹理相对复杂的遥感图像,在CV模型中同时引入零水平集内外图像熵而构成全局图像熵主动轮廓模型,改进了水平集函数进化过程中对灰度信息的依赖,并能使零水平集进化到全局最优,进一步提高了遥感图像中水域分割的准确度。针对高分辨率遥感图像中的湖泊、河流和海域分割对比实验结果表明:局部图像熵主动轮廓模型的分割精确率分别为90.1%、81.5%和93.6%,F值分别为0.94、0.885和0.96;全局图像熵主动轮廓模型的分割精确率分别为94.5%、85.3%、94.9%,F值分别为0.956、0.895、0.967。本文提出的两种图像熵主动轮廓模型均能有效减小背景误分,提高了遥感图像水域分割的准确度。     

基于GrabCut的磨粒图像分割方法研究

提出基于GrabCut算法的彩色磨粒图像分割方法。在CIELab颜色空间的L、a、b通道采用大津阈值法(OSTU)进行分割,对分割结果进行"L与(a或b)"处理,并对处理结果进行形态学腐蚀和膨胀,得到标记出磨粒区域、可能的磨粒区域和背景区域的标记图像。根据标记图像分别对磨粒区域和背景区域的高斯混合模型(GMM)参数进行初始化,构建带权值的无向图映射原图像并建立包含区域项和边界项的Gibbs能量方程。通过迭代运算调整各像素点所属类别和高斯混合模型的参数,采用mincut/maxflow算法极小化能量函数,当能量趋于收敛时即可得到最终的分割结果。     

联合自然梯度和 AdamW 算法的 RSF 图像分割模型

关键零件内部复杂结构的精密测量是高端制造领域攻克的难题。当采用工业CT技术实现对象内部结构精密测量时,面临目标图像灰度不均匀性、边缘模糊、伪影等问题。有鉴于此,本文研究了局部能量最小化模型(RSF)的图像分割方法,引入自然梯度和AdamW算法分别提高了RSF模型的收敛速度和参数自适应性。首先,在统计流形上计算自然梯度,提高梯度下降效率和RSF模型收敛速度;其次,采用AdamW算法实现RSF模型的高斯核函数尺度大小自适应控制。与经典RSF模型相比,改进后的RSF模型迭代次数减少了1 353次,迭代次数降低约76.79%,迭代时间减少约43.61%,测针球面半径和航空燃油喷嘴圆柱直径测量误差均较小,既保持了原模型亚像素分割精度,又大幅提高了模型收敛速度和鲁棒性。     

基于Mask-RCNN的单轨受电弓滑块图像分割方法

在单轨受电弓滑块厚度检测系统中,正确检测滑块厚度的前提是能在原图中正确定位滑块及标志物位置,但环境变化及标志物颜色的不同,为滑块及标志物的准确定位带来了复杂度。本文提出了一种基于Mask-RCNN的单轨受电弓滑块图像分割算法。该算法采用ResNet-FPN架构并添加了并列的Mask层,提升了算法的特征挖掘及表达能力;使用ROI Align替换原ROI Pooling层降低不同尺寸ROI特征图转换间的量化误差,提升特征到原图之间的映射精度即图像分割精度。在集中验证本文算法的准确度,其中受电弓与滑块的识别率达到100%,分割精度指标平均交并比(Mean IoU)为97.2%。     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

基于深度信息的指尖检测-跟踪-监督算法

针对快速准确识别手指并实时跟踪手指的问题,提出了基于Kinect深度信息的指尖检测-跟踪-监督算法。检测部分主要为利用深度数据实现指尖的识别,并结合指尖检测结果与卡尔曼滤波确定出指尖的稳定状态。跟踪部分主要为将检测部分得到指尖的稳定状态作为初始条件,并使用具有监督环节的快速判别尺寸空间跟踪算法实现对指尖的实时跟踪,在对每一帧的指尖运动实时跟踪的同时,监督环节对每一帧的指尖实时跟踪结果进行监督,通过与指尖的特征进行匹配,矫正跟踪结果发生偏差的点,来提高跟踪结果的准确性,从而保证整个系统具有较强的鲁棒性。本文对指尖检测识别与跟踪进行了多组实验,均能够准确的检测识别出指尖,并能稳定的实时跟踪指尖的位置。实验结果表明该方法具有较强的鲁棒性与准确性。     

基于语义分割的船闸水位检测方法研究

针对船闸水位传感器精度易受水质影响、传统图像检测方法适应性差等问题,提出一种基于语义分割和由粗到精策略的水位线检测方法,建立分段对照的标定模型计算水位。结合水位线长程相关性的特点,设计条带状空洞空间金字塔池化模块,针对分割边界模糊的问题,设计多路聚合上采样模块并引入在线困难样本挖掘,提升语义分割模型的分割精度。采用改进的语义分割模型在由原图像经压缩后的低分辨率图像中进行粗检测,分割图像中的水区域与非水区域,根据模型输出的掩膜图得到水位线的粗检测结果,然后在原图像中裁剪粗检测水位线的邻域并采用该模型进行精检测,得到水位线的精检测结果。建立分段对照的标定模型,获取像素坐标与世界坐标之间的映射关系,根据水位线精检测结果计算水位。在构建的水位图像数据集上进行试验,结果表明：在验证集上,改进后的语义分割模型粗检测和精检测的平均交并比分别提升了2.58%和1.98%,水位线精检测结果的平均像素误差为1.89 pixel,相比粗检测结果降低了52.3%,以水尺人工观测的读数为基准,摄像机在23 m工作距离下水位测量结果置信水平为95%的不确定度为0.026 m。所提方法对晴天、阴天、雨天、雪天等多种...     

基于多路径网络的权值调整图像语义分割算法

为提高图像语义分割准确程度,针对场景解析中类别边缘分辨清晰度,提出了一种基于多路径网络的权值调整图像语义分割算法。通过引入多路径网络和权值调整并对图像场景中的物体类别具有的特征进行分析,提高图像的语义分割的准确程度;通过采用ADE20K数据集进行训练,提高边缘信息的分割效果,使模型具有更好的泛化能力。此算法加快了网络收敛速度。     

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.     

隐式开曲面上多相图像分割的变分模型及算法

提出了一种隐式开曲面上多相图像分割的变分模型并设计了相应的对偶方法和Split Bregman算法.任意拓扑结构的开曲面用符号距离函数的零水平集与二值标记函数的交集表达,曲面上的多区域划分用n-1个二值标记函数划分n个区域的方案,借助内蕴梯度、内蕴散度等概念建立了隐式开曲面上多相图像分割的变分模型.在对标记函数交替优化的过程中,通过凸松弛技术将离散标记函数松弛为有界连续函数,从而将原优化问题转化为对不同标记函数的凸优化问题.通过引进对偶变量设计了对标记函数优化的对偶方法,并通过引进辅助变量和Bregman迭代参数设计了对标记函数优化的Split Bregman算法.通过多个数值实验对所提出的模型和算法的正确性及计算效率进行了验证.     

基于FESS的混合模型脑图像分割方法

提出一种基于FESS的混合模型脑图像分割方法.其特点在于生成模型与判别模型得到了有效结合.生成模型通过条件随机场融合体素点的灰度信息、形状信息以及区域相邻关系,实现对脑子结构外观特征的描述.在此基础上,利用生成模型将训练样本映射到FESS特征空间;判别模型中采用LS-SVM分类器并将数据场应用于混合分割模型的训练过程中,降低了判别模型由于训练数据不平衡而引起的性能波动并提高其泛化能力.实验结果表明,与若干前沿的脑图像分割方法相比,该方法具有更好的分割质量和性能.     

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。