基于视觉中心转移的视觉显著性检测方法

针对现有许多检测方法提取出的显著性区域不够清晰的问题,提出一种基于视觉中心偏移的视觉显著性检测方法,在对图像进行预分割的基础上,结合图像的颜色对比特征、颜色分布特征和位置特征,提取出图像显著性区域,利用视觉中心转移模拟人类视野系统的视野转移过程,对图像进行多尺度分析,融合不同尺度显著图得到最终显著图。试验结果表明,本方法较现有显著性检测方法在视觉效果和查准率召回率有明显提高,ROC曲线下的面积可达0.952。     

基于多特征融合的彩色眼底图像视杯分割方法

为了提高彩色眼底图像中视杯的分割精度,提出了一种基于多特征融合的彩色眼底图像视杯分割方法.首先提取感兴趣区域的血管;然后分割视盘区域,在视盘分割的基础上根据视杯的亮度特征采用模糊C均值聚类(FCM)法提取视杯候选区域,并根据视杯的形状和位置特征对候选区域依次进行镜像映射、椭圆拟合及椭圆校正,得到视杯的粗分割结果;最后利用杯沿的血管特征定位血管弯曲点,修正视杯粗分割结果,完成视杯的准确分割.对Glaucoma Repo眼底图像数据库进行测试,实验结果表明:该方法的灵敏度为87.15%,特异性为99.03%,准确率为98.12%,阳性预测值为82.03%,综合评价指标为84.51%,像素距离为18.80,具有较高的鲁棒性和有效性.     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。     

基于视觉特征的不规则形状目标分割方法

该方法利用视觉底层特征颜色、方向、强度和轮廓构建显著图,通过最大熵估计方法获得显著特征分割蒙板;利用中层视觉特征对图像进行超分割,其中在聚类时考虑特征向量的空间信息,并依据显著性自动分配初始参数,使分割后的超像素与目标轮廓更接近;最后将底层视觉特征和中层视觉特征融合,通过底层特征分割蒙板判定图像的超像素归类,将不规则目标从背景中分离。实验结果表明:本文分割方法受复杂背景和光照的影响较小,分割目标轮廓准确,实现了不规则显著目标与复杂背景的有效分离。     

基于对比度与空间位置特征的显著性区域检测

依据图像区域的对比度以及空间位置等先验视觉显著性知识,进行了自下而上、数据驱动的图像显著性区域检测。首先,提取图像中的前景区域,构造区域的对比度、空间位置特征函数,然后融合这些特征计算显著图。该算法将图像的空间关系与区域关系联系起来,得到了较精确的显著图。通过对国际上现有的公开数据集MSRA-1000的测试结果表明:本文算法可以抑制非显著区域干扰,显著图的一致性较高。同时,将本文算法的显著图应用于分割显著性区域,能够得到较好的分割效果。     

基于边缘检测和区域生长的自然彩色图像分割

提出一种自然彩色图像分割方法,即利用相位一致性模型检测图像边缘,获得图像主要几何结构;并将代表区域分布的边界线作为潜在的区域模型,自动获得种子点进行区域生长实现最后分割.实验结果表明,该方法有效地克服了单一使用边缘检测和区域生长进行图像分割的缺陷.所得分割结果与人类视觉系统判断基本一致.     

结合相位一致性和脉冲耦合神经网络的图像检索

为了有效地提取图像特征以提高图像检索性能,将具有生物视觉特性的脉冲耦合神经网络(PCNN)和符合人类视觉特性的相位一致性(PC)相结合,提出一种图像检索新方法.首先基于相位一致性,结合非极大值抑制和自适应双阈值法提取出图像的边缘特征,并获取边缘颜色直方图特征;然后对简化PCNN模型进行改进,针对PCNN神经元的链接强度通常为常数的不足,根据相位一致性自适应地调整神经元的链接强度,再利用改进PCNN模型提取图像的特征.最后综合运用基于PCNN的特征和基于相位一致性的特征进行图像检索.实验结果表明:该方法具有颜色和形状的鉴别能力,能获得较好的查准率和查全率.     

基于深度学习的实例分割边界框回归方法研究

针对实例分割任务中图像中可能出现相互遮挡或边缘模糊导致边界框定位不准确的问题,本文提出了一种新的边界框回归损失函数。将边界框位置预测转化为估计定位置信度随位置变化的概率分布;考虑坐标点间存在联系,提出一种面积差计算方法;为了证明此方法可以很好地应用于先检测后分割的实例分割模型,本文使用Mask R-CNN作为基线。实验结果表明：在边界框检测及实例分割任务中,本文方法的精度优于其他方法,对于小物体的检测与分割效果更显著,训练和评估速度也更快。     

基于相位一致性的织物起球图像分割

纺织品起球客观评级是纺织品性能测试数字化的重要组成部分.毛球分割是纺织品起球客观评级中的关键步骤,分割结果直接影响评级的精度.目前方法大多利用图像的灰度信息,易受图像亮度和对比度变化以及光照不均匀等因素影响.针对这些问题,研究了基于相位一致性检测的分割算法.该算法基于Log Ga-bor滤波器计算相位一致性,对检测结果进行加权阈值分割.实验结果表明,该方法能获得令人满意的分割结果,提高了织物起球客观评级系统的实用性.     

一种新的基于图论的图像分割算法

传统的基于图论的图像分割方法计算复杂度大,对图像亮度变化比较敏感,且分割效果有待提高.针对传统算法的不足,提出一种新的基于人眼视觉特征的图像阈值分割算法.该算法基于图论和归一化划分准则,并把对数图像处理模型(LIP模型)应用到图像处理中.同时,该算法综合考虑像素的灰度信息和空间位置信息,具有全局性,使分割目标比现有方法更为准确,且时间复杂度适中.实验结果表明,该算法不仅有效地分割出目标来,而且在图像亮度小幅度变化时,效果稳定可靠.     

基于双目视觉模型的彩色目标实时检测与定位

从立体视觉中提取位置信息是计算机视觉的热点问题.在建立双目视觉模型的基础上提出了一种新的基于YUV彩色模型的实现足球立体视觉匹配的检测方法.该方法将匹配问题映射为具有某种颜色的目标特征区域的中心,把其中心作为匹配点,通过目标的分割获得匹配点后根据双目视觉定位数学模型恢复图像位置信息,完成对目标的实时检测和定位,满足机器比赛中对足球实时检测和定位的需要.     

视觉注意引导和区域竞争控制的医学图像分割

模糊连接度已经成为医学图像分割的实用方法，但其困难在于需要设定多种子点，自动给定的手段不是很有效.为此将种子点等价于视觉特征显著点，提出了在视觉注意模型引导下种子点给定的新方法.通过研究显著点定位与图像特征概率密度估计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割.新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像.新方法能够完全自动定位种子点，有效分割图像，准确率高.引入多种子点之间的竞争策略加快了图像分割中的区域增长处理过程.     

结合PCM和MIE的多模态图像配准方法

针多模态图像配准问题,提出了一种基于相位一致性模型（PCM）和互信息熵（MIE）的配准方法.通过相位一致性模型同时提取多模态图像的角点和边缘特征,在边缘图上取角点的邻域,依据邻域间互信息熵的最小值在估计区域搜索匹配特征,利用RANSAC算法去除错配,进而确定待配准图像间的变换参数.实验表明：该方法达到了像素级配准精度、求解稳定,对多模态引起的非线性灰度变化、光照变化、噪声等都具有较强的鲁棒性;计算精度较基于同类特征的配准方法高,角点、边缘等几何特征综合运用在多模态图像配准中效果良好.     

像素扩展自适应窗口立体匹配算法

针对局部立体匹配方法中的视差图前景膨胀问题,依据格式塔视觉理论,采用基于像素扩展的自适应窗口立体匹配方法减少视差图中前景膨胀现象的产生。该方法首先通过扩展约束条件建立待匹配像素点窗口模型;然后通过待匹配点对的窗口相对重合率进行预匹配判定,在视差搜索范围内逐点筛选出满足匹配条件的窗口区域;最后利用窗口规则化的互相关系数方法以及平滑视差平面分割获得最终视差值。实验结果表明:该算法可以获得较准确的稠密视差图,提高立体像对中深度不连续区域和遮挡区域的匹配精度,在Bicycle2、Classroom2、Hoops和Staircase图像中平均误匹配率为14.9%。     

基于视觉双通路与贝叶斯模型的烟雾检测方法

该文提出了开放环境下基于贝叶斯模型与视觉双通路融合的烟雾检测方法.首先利用Itti视觉注意模型自下而上生成灰度显著性图;然后通过被测图像纹理特征直方图与烟雾样本纹理特征直方图的匹配,自上而下获得纹理显著性图;最后根据贝叶斯模型融合灰度与纹理显著性图,生成最终的烟雾概率显著性图.实验结果表明,该文方法能准确提取图像中的疑似烟雾区域,具有抗光照变化的优势,适用于开放环境下的实时烟雾检测.     

一种基于视觉显著模型的PET图像快速分割算法

由于PET图像质量较低且灰度相近导致常用的分割算法不能兼顾分割效果与分割效率,提出了一种基于视觉显著模型的PET图像分割算法。首先使用优化的Itti视觉显著模型替代人工操作对PET图像进行快速识别,并将获得的显著图进行预处理,初始化前景区与背景区的高斯混合模型,最后使用优化的GrabCut算法对PET显著图进行分割获得结果。与其他两种算法相比实验结果表明,该算法在操作简易性、算法执行效率、结果准确性具有一定优势,分割时间提升超过30%,分割精度提升超过21%。     

基于机器视觉的高频感应钎焊感应器位置检测方法研究

散热器的弯管进行人工焊接时焊接质量受工人技术水平影响较大,且产品一致性差.为解决这些不足,提出一种基于机器视觉的高频感应钎焊感应器位置检测方法,并应用于散热器弯管的自动高频感应钎焊系统中.该方法采用机器视觉模块将检测到的感应器位置反馈给控制系统,以提高焊接精度.针对感应器的位置,分别采用支持向量机(SVM)与基于Otsu阈值分割的灰度叠加筛选法进行检测,比较两种算法的结果可知,两者的图像识别最大误差分别为9.5％和5.9％,基于Otsu阈值分割的灰度叠加筛选法识别精度较高,满足设计要求.该检测方法操作简便,且能显著提高散热器的焊接效率和精度,具有普遍的适用性和较好的应用价值.     

基于相位一致性的眼底图像血管分割算法

眼底图像的血管分割对糖尿病的分析和诊断至关重要.为了准确地分割出眼底图像中的血管,本文提出了一种基于相位一致性的眼底图像血管分割算法.本算法首先采用对比度受限的自适应直方图均衡化和各向异性耦合扩散方程对图像进行预处理,然后利用相位一致性算法来提取眼底图像中的血管,最后用数学形态学对其进行优化.利用本文提出的算法对国际上公开的Hoover眼底图像库进行测试,本算法的准确度可达到94.36%,实验结果证明了本算法的有效性.     

SE-Mask-RCNN：多参数MRI前列腺癌分割方法

为了从多参数磁共振(mp-MRI)的前列腺区域中自动提取前列腺癌病灶区域,提出新的深度卷积神经网络模型SE-Mask-RCNN. 在特征图上搜索定位包含病灶的候选区域,基于候选区域实现病灶的精细分割.为了利用mp-MRI中的互补信息,通过2个并行卷积网络分别提取表观扩散系数(ADC)和T2加权(T2W)图像的特征图后进行融合,使用挤压与激励块自动提升融合特征图中的有效特征并抑制无效特征.在收集得到的140例数据上进行实验.结果表明,使用SE-Mask-RCNN得到前列腺癌病灶分割Dice系数为0.654,敏感度为0.695,特异度为0.970,阳性预测值为0.685.与U-net、V-net、Resnet50-U-net和Mask-RCNN等模型相比,SE-Mask-RCNN能够有效提升mp-MRI中前列腺癌病灶区域的分割精度.     

基于弱监督和半监督学习的红外舰船分割方法

为降低获取像素级标签的成本,提出一种基于弱监督和半监督学习的红外舰船分割方法,在残差网络(residual network, ResNet)的基础上,设计一个自适应定位模块,并使用相似损失、前景损失和背景损失训练自适应定位模块,生成舰船定位图;利用少量像素级标签数据和大量定位图数据交替训练显著性网络生成显著图;用条件随机场优化显著图,并结合图像级标签生成伪标签图像,使用伪标签图像训练分割网络,得到红外舰船的分割结果。在红外舰船数据集上的平均交并比为71.18%,与当前其他先进方法进行对比,平均交并比提高了9.47%,试验结果表明自适应定位模块能够有效定位红外舰船,交替训练方法可以使红外舰船的边缘更准确。