基于深度超像素的超图谱分割方法

为提高无监督图像分割准确性,提出一种新的基于深度超像素的超图谱分割方法。首先,通过多种过分割方法得到超像素,以迭代的方式两两求交集表示为深度超像素,作为超图的顶点。其次,根据超像素和深度超像素之间的关联性构建超边,形成超图模型。最后,通过对超图拉普拉斯矩阵进行谱分解将超像素聚成不同的类,从而得到图像的分割结果。相较于经典方法,新方法在伯克利分割图像库上产生更好的分割结果,验证了该方法的有效性。     

基于超像素的协同分割变化检测方法

协同分割变化检测方法能够有效地克服椒盐现象,生成边界一致的多时相变化对象.但是对于大范围的实验区来说这种方法运算量大,耗时长.针对这一缺点,基于超像素的协同分割变化检测方法引入了超像素分割的思想,利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征.该方法将每个超像素块视为一个节点,减少最小割/最大流构建的网络流图中节点的数量,可以直接获得大范围变化检测的结果.以中国江西省南昌县高分一号影像以及Landsat TM影像为例进行试验,分割结果的总体精度在0.80～0.82之间,Kappa系数在0.65～0.61之间,计算时间从超过1 d提升至最长不超过4 h.试验表明,基于超像素的协同分割变化检测方法既能准确提取出变化图斑,又能极大地提升协同分割变化检测的运行速度.     

基于最小栅栏距离的图像超像素分割方法

针对区域规则性和分割有效性,对图像超像素分割方法进行研究,提出一种基于最小栅栏距离的快速超像素分割方法。最小栅栏距离考虑了测地路径上像素的最大强度差异,避免了传统测地路径的误差累积造成的模糊边界欠分割问题;采用快速行军法逐步扩张超像素的成员,以快速生成超像素分割区域。在BSDS500图像分割数据集上进行实验,其结果表明,该方法不仅获得了快速的分割性能,同时获得了具有联通一致性的超像素区域。     

基于超像素的Graph-Based图像分割算法

针对EGBIS分割算法中的过分割问题,提出了一种基于超像素的graph-based图像分割算法SGBIS.首先,对图像进行基于简单线性迭代聚类（SLIC）的超像素预分割;然后以每个超像素作为节点构造带权无向图,以相邻超像素颜色平均值的欧式距离作为图中边的权值;最后利用基于图的算法合并超像素得到分割结果.用VI、PRI和F值3个指标分析了算法性能,结果表明,新算法可以得到更为理想的分割效果;引入交互分割区域合并,也可满足用户图像分割的需求.     

基于超像素和最近邻图合并的彩色图像分割

针对传统的分水岭算法在分割图像时存在过分割的问题,提出了一种基于多尺度形态学梯度重建与最近邻图合并准则的分水岭图像分割方法.该方法首先使用基于标记符控制的多尺度形态学梯度重建进行图像预处理,消除冗余的区域极值和噪声;然后通过构建最近邻图合并准则进一步对分水岭变换产生的超像素区域进行合并,提高了对目标特征的描述能力,使得...     

基于超像素和密度峰值聚类的图像分割

图像分割是计算机视觉领域的一个重要组成部分。密度峰值聚类已应用于图像分割领域。但由于密度峰值聚类在聚类时只能考虑数据的全局空间信息,不能有效去除图像噪声,因此提出了一种超像素的图像预处理方法。该方法能充分考虑局部空间信息,具有较强的鲁棒性。通过改进的形态梯度重建和分水岭算法得到具有精确轮廓且去噪效果较好的超像素图像。在此基础上,加入密度峰值聚类完成后续分割。通过在光学图像数据集BSDS 500上进行实验,验证了超像素算法及图像分割算法的有效性。     

基于超像素分割的空间相关主题模型及场景分类方法

基于经典的LDA模型,提出新的结合超像素分割技术的空间相关主题模型SP-SLTM及相应的场景分类方法.在建模过程中引入类别约束机制,即给每类场景赋予各自的类主题空间,使模型参数的推导更加简便;在"视觉词包"的生成过程中,对图像区域进行进一步二次超像素分割;提取每个超像素的颜色和纹理特征,形成超像素的混合特征表示.上述方法的优点包括:加上从图像区块所提取的SIFT特征,共得到3种视觉词语,弥补传统方法中采用单一视觉特征描述整幅图像的不足;同一区域内的所有视觉词语共享一个主题,增加视觉词语间的空间相关性.分别将UIUC-Sport数据库的测试结果与CTS-LDA、Spatial-LTM、LDA与pLSA4种传统方法的测试结果进行比较,结果表明:采用SP-SLTM模型可以比传统方法获得更高的场景分类准确率.     

基于超像素的多模态MRI脑胶质瘤分割

为了提高脑胶质瘤分割的精度和鲁棒性,提出了一种基于超像素的多模态MRI脑胶质瘤分割算法。首先,通过使用带加权距离的局部k-均值聚类算法,把多模态MRI过分割成一系列均匀、紧凑、并精确吻合图像边界的超像素(superpixel)。然后应用基于序贯概率比假设检验的动态区域合并算法对产生的超像素逐步合并,形成几十个具有统计意义的区域。最后对这些区域进行后处理以得到GBM各个组织的分割结果。应用该算法对15个GBM病人的多模态MRI数据进行了分割实验,结果表明,相对于基于FCM算法和归一化割(Ncut)算法,文中提出的分割算法更加精确。     

基于超像素分割的无线内窥镜出血图像检测

将图像形态学处理和计算机辅助诊断方法应用于无线内窥镜出血图像检测。在对无线内窥镜图像进行形态学处理和超像素分割的基础上,提出红色纯度特征,应用最小二乘支持向量机分类器对分割后的图像进行分类。试验结果表明,该方法能够有效地检测无线内窥镜图像中的出血区域,敏感性、特异性和准确率分别达到了99%、94%和95%,可以作为临床医生的辅助诊断工具。     

多特征非迭代超像素分割算法

针对简单非迭代聚类(SNIC)算法不能较好贴合图像中目标边缘的缺陷,提出了一种多特征非迭代超像素分割(MNSS)算法.在特征提取上,利用高斯卷积在Lab颜色空间上对每个像素点求出其水平和垂直方向的颜色梯度特征,通过对像素点进行腐蚀和膨胀操作,得到像素点形态学轮廓特征,在不丢失梯度特征表示的同时,增强算法边缘命中率.基于...     

基于时空纹理的实时群体行为检测（英文）

描述一套全新的基于时空纹理特征的群体行为模型并对其特征进行分析。该模型针对实时环境中的安检应用,使用丰富的底层图像特征及简洁的行为识别算法,另外定义并提取视频图像中群体行为的纹理特征,使用同性随机场加以描述。所建模型可以方便地定位出异常群体行为的发生位置及时间。通过实验可证明,该方法能快速有效地提取及分析视频异常行为,并能在基于闭路电视的智能安检系统中发挥其优势。     

水平集超像素及贝叶斯框架下的显著性检测

针对数字图像显著性检测过程中对超像素的分割及相应显著值的计算不准确问题,提出了一种基于水平集超像素和贝叶斯框架的数字图像显著性检测和更新算法.首先,对基于灰度不均匀的水平集方法的结果先进行分割合并操作,可以得到适应图像不同区域大小的水平集超像素.其次,使用图像内部与边缘超像素之间的颜色和距离差异来构建显著性图.接着,使用水平集超像素来表示显著区域,以图像边缘部分的超像素为基础,基于K均值聚类算法并在贝叶斯框架下提出三种更新算法,用来更新显著性图从而得到显著性结果;更新算法可以进一步提高显著图的准确率、召回率、F值这3个指标,降低平均绝对误差.最后,提出了基于人脸识别的检测算法来处理包含有人的图片.在三个公开的数据库上进行了定性和定量的大量实验评测,结果表明本文提出的显著性检测方法和更新算法在准确率、召回率、F值及平均绝对误差这四个指标上均优于FT、CA、XL、MR、w CO、BSCA等已有的图像显著性检测经典算法.     

基于模型在线更新和平滑处理的音乐分割算法

针对音乐分割中预训练模型和待分割信号间的不匹配问题,提出基于置信测度的自适应模型更新算法.在基于预训练模型的识别结果中,通过置信测度选择可靠的数据进行高斯混合模型在线自适应更新,获得与待分割音乐信号更匹配的声乐/非声乐模型.通过对识别结果进行平滑处理,进一步去除瞬时突变错误.实验表明,与初始模型和采用全部数据进行模型更新相比,该算法可获得与待分割信号更匹配的高斯混合模型,分割效果更佳.     

3D model recognition and segmentation based on multi-feature fusion

Current methods focusing on 3D model recognition and segmentation have to some extent ignored the relationship between the high-level global single-point features and the low-level local geometric features of those models, resulting in poor recognition results. A multi-feature fusion approach which takes into consideration the aforementioned ignored relationship is proposed. First, a global single-point network is established to extract the global single-point features with high-level semantic recognition ability by increasing both the width of convolution kernel and the depth of the network. Second, an attentional fusion layer is constructed to learn the implicit relationship between global single-point features and local geometric features to fully explore the fine-grained geometric features that can better represent model categories. Finally, the global single-point features and fine-grained geometric features are further fused to achieve the complementation of advantages and enhance the feature richness. Experimental verification is carried out on the 3D model recognition datasets ModelNet40, ModelNet10 and segmentation datasets ShapeNet Parts, S3DIS, vKITTI, respectively, and comparison with current mainstream recognition algorithms shows that the proposed algorithm not only has higher recognition and segmentation accuracy, but also has stronger robustness.     

基于云模型的动态客户细分分类模型研究

针对现有的数据挖掘模型解决客户不确定性行为的不足,提出了基于云模型的动态客户细分分类模型.该模型将云模型理论中关于动态概念描述的思想引入到对分类状态集的后处理过程中,以隶属度高的类别被选中的概率大的程序设计原则实现了分类器处理过程的动态性.经试验验证,该模型能够更加客观地描述客户行为的非确定性和随机性特征,具有良好的分类效果.     

气液两相流图像中黏连气泡分割技术研究

针对气液两相流图像中的气泡黏连现象，提出了一种同时依据灰度和形状分布特性进行黏连气泡分割的图像处理算法.利用差影算法滤除背景干扰，依据形态梯度和自适应阈值分离前背景，得到预分割图像.基于面积重构顶改进变换滤除噪音能力强的特点，分别提取预分割图和距离灰度图中的峰值区域，融合后作为分水岭改进变换的标识，由此得到分水线，从而完成对黏连气泡的分割.实验结果表明，与现有的算法相比，该算法能够有效地分割开前背景和黏连气泡，具有分割效果好、分水线定位准确等优点.     

基于梯度信息的C-V模型图像分割算法

针对传统的C-V模型对于含有多灰度级目标的图像难以准确分割并且分割速度缓慢等问题,提出了在C-V模型中引入梯度信息的图像分割算法。该算法在C-V模型的偏微分方程中加入了基于梯度信息的加速因子和弱目标边界控制力,加速因子的引入可以显著地提高C-V模型的分割速度,弱目标边界控制力可以有效地防止弱目标边界泄漏和漏分割。实验结果表明:该算法能够有效分割出弱目标和提高图像分割速度。     

基于先验形状的CV模型肝脏CT图像分割

针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别的问题,提出一种新的分割算法。首先,利用数学形态学对原肝脏图像进行滤波,并结合其他算法建立肝脏先验形状;然后,采用边缘查找和区域标定等算法,对肝脏先验性状的边缘以及边缘内外区域进行赋值,构建执行效率高的符号函数距离函数,将其通过形状比较函数嵌入到CV模型的能量泛函中,形成新的基于先验形状的CV模型,并将此模型用于分割存在干扰或者被部分遮挡的肝脏CT图像。与CV模型分割结果相比,本文算法能在目标周围存在干扰信息或者被部分遮挡的情形下,成功地正确识别出目标区域。     

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.     

基于分布匹配的主动轮廓模型及其图像分割算法

针对运动目标跟踪的快速性和鲁棒性要求,提出了基于分布匹配的主动轮廓模型,该模型将模板和候选区域的分布匹配标准——相对熵(即Kullback-Leibler距离)作为主动轮廓的外部能量,使用目标和背景全图像的匹配,克服了跟踪过程中噪声的影响。同时根据匹配力构建帧内和帧间的运动向量,加快了序列图像分割速度。相比于现有的基于边缘、块匹配、区域匹配的主动轮廓模型,该模型具有更好的噪声鲁棒性及在跟踪过程中容忍目标旋转和较大位移的能力。实验验证了该模型的有效性。