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.     

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。     

基于列向语义分割的悬浮间隙视觉检测方法研究

针对传统语义分割网络存在参数量大、实时性低以及抗干扰能力差的问题,提出了一种基于列向语义分割的悬浮间隙视觉检测方法。该方法将间隙检测定义为寻找间隙在图像中部分列位置的集合,简化分类问题以缩减计算复杂度。首先,设计了基于视觉间隙检测悬浮系统结构,基于列方向上的位置选择和分类设计了一种间隙检测语义分割网络(GMSSNet),并采用1×1卷积加列向亚像素卷积层模块代替全连接层进一步减少模型参数量;然后,构建了悬浮间隙样本集并配置训练环境,对所设计的GMSSNet模型分别进行了抗干扰能力测试、消融实验和闭环悬浮实验。实验结果表明,GMSSNet模型具有较高的检测精度,正常悬浮间隙检测样本时的最大检测误差为±0.1 mm,线性度为0.5%F.S,存在偏移或特定遮挡情况下,网络最大检测误差为±0.15 mm,线性度为0.75%F.S,闭环悬浮实验表明基于GMSSNet模型的悬浮间隙检测精度和速度均满足悬浮系统要求。     

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。     

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。     

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。     

基于颜色的足球机器人视觉跟踪算法

针对机器人足球比赛环境中彩色视觉系统的实时性要求,利用了一种基于YUV色彩空间的利用改进的阈值向量的颜色判断方法,采用种子点区域生长的填充算法,并在此基础上运用卡尔曼滤波算法对目标进行跟踪,提出了一种新的测量值获取方法,该方法大大减少了计算量.实验结果证明该算法具有较好的实时性和抗干扰性.     

金刚石工具表面磨粒的轮廓提取

为了实现金刚石工具的机器视觉检测,本文先对金刚石工具表面的磨粒在显微镜下进行图像采集,通过聚焦融合方法生成金刚石颗粒的融合图像与其高度矩阵,然后应用动态轮廓模型(Snake)对金刚石的融合图像进行了分割,结合其高度索引图像生成了适合分割的新的图像能量函数,并采用在多分辨率下用遗传算法进行动态轮廓模型的演化,最终得到分割图像。     

一种基于视觉注意机制的刀具检测方法

为了解决视觉引导的机器人加工系统中对目标进行快速、准确检测的问题,将人类视觉选择性注意机制引入机器视觉系统,提出了一种基于轮廓的视觉选择性注意计算模型(SECO模型).该模型通过分离目标、提取边缘、感知轮廓、轮廓显著度竞争、注意焦点选择及转移等策略,实现对目标的检测.实验结果表明,该模型能够实现在复杂场景下对目标进行快速准确的检测,且具有很强的抗干扰能力和较高的计算效率,便于在机器视觉系统中直接应用.     

基于Kalman滤波和短时自相关变换的电压暂降检测

为了在含有谐波和噪声的电网中准确检测电压暂降,将卡尔曼滤波器和短时自相关变换结合起来,对相邻工频周期的采样信号做差,再进行短时自相关变换,准确检测到了电压扰动,采用卡尔曼滤波器对基波幅值和相位进行了估计;采用离线计算增益矩阵K的方式减小了卡尔曼递推算法的运算量,并在稳态时通过采用定常增益矩阵K达到了抑制滤波发散的目的,同时减小了所需的存储空间;M atlab仿真实验证实了此方法的有效性。     

室内全自主智能吸尘器的一种定位方法

针对室内全自主智能吸尘器,建立了二维运动学模型和以超声传感为主的多传感器融合,并采用融合区间分析算法的扩展卡尔曼滤波处理方法,作了对比仿真实验。结果表明,这种定位方法效果优良,可以成功运用在智能吸尘器上。     

基于自适应卡尔曼滤波的永磁同步电机转速辨识研究

为提高永磁同步电机无速度传感器估算速度和位置的精度,提出一种结合扩展卡尔曼滤波和自适应算法相结合的白适应卡尔曼滤波估算方法。利用Matlab／Simulink建立的PMSM无速度传感器直接转矩控制系统模型,对转速和位置进行辨识研究。仿真结果表明,该方法取得令人较满意的结果。     

应用Canny算法和灰度等高线的金相组织封闭边缘提取

为了对金相组织的多项组织含量进行定量分析,提出应用Canny算法和灰度等高线相结合的方法来产生封闭金相组织边缘。首先,采用高斯函数对金相组织的灰度图像进行模糊处理,然后,用Canny算法对模糊后的图像获取具有单边缘效应的原始边缘。通过最大类间方差法对原始边缘进行自动计算,获得抑制虚假边缘的阈值,并通过该阈值获取基础边缘。由于基础边缘具有不连续性,因此需根据基础边缘端点的邻域灰度中值计算所需的灰度等高线,同时根据设定的等高线和基础边缘融合的条件,以基础边缘的端点为起点生成封闭边缘。实验结果表明,该算法可有效地生成符合要求的封闭边缘,采用该算法产生的封闭边缘进行金相组织含量测定可使测量误差降低到±1%,可测组织含量范围达到5%~95%。该算法能满足多项金相组织含量测定的定量分析要求且具有普适性。     

语义信息增强的 3D 激光 SLAM 技术进展

由于激光雷达可直接获得测距信息且相较于视觉传感器对光照等环境变化更具鲁棒性等优点,激光同步定位与建图(SLAM)技术近年来得到广泛发展。传统激光SLAM已取得很多研究成果,但其仅利用几何特征,对场景的理解有限,难以应对复杂任务,除此之外,当前SLAM应用场景已由传统静态场景向复杂动态场景过渡,传统方法由于动态元素干扰大多难以获得较好的性能。因此,语义信息增强的三维(3D)激光SLAM技术愈发受到研究学者们的关注,通过赋予点云语义标签与纯几何特征进行融合,一方面借助语义信息滤除潜在运动对象以解决静态环境假设问题,另一方面以语义信息辅助激光里程计获得高精度的定位与建图。综述了语义信息增强的3D激光SLAM技术研究进展,提出了该技术通用框架,分模块对该领域的突出研究成果及应用进行重点介绍,最后对该领域发展方向进行了总结与展望。