基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

基于最小生成树的显著性自适应形态学结构元素构造方法（英文）

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息。为此,提出了一种基于最小生成树(Minimum spanning tree, MST)的显著性自适应形态学结构元素构造方法。首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression, NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map, SM)。然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST。最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素。利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比。结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果。     

一种基于椭圆可变形模板技术的宫颈细胞图像分割方法

根据宫颈细胞图像的特点 ,提出了一种采用多尺度椭圆可变形模板的分割方法 ,先在大尺度下实现可变形模板的自动初始化 ,然后利用小尺度对轮廓线进行局部变形 ,从而实现细胞的精确分割。实验结果表明 ,本方法具有良好的分割精度和稳定性 ,可以用于各类细胞图像的自动检测。     

基于分层多尺度形态学梯度修正的分水岭分割（英文）

形态学分水岭分割对图像中的噪声和非规则细节较为敏感,常常导致较严重的过分割。如果在分水岭分割之前采用线性滤波器进行平滑,可以在某种程度上消除噪声和非规则细节干扰造成的分水岭过分割,但是可能使分割出的目标轮廓产生位置偏移。为了能够在消除过分割的同时保持目标轮廓的位置不变,提出了一种基于分层多尺度形态学梯度修正的分水岭分割方法。首先对原始图像进行多尺度形态学滤波平滑;然后根据形态学梯度图像的三维地貌体积对其进行分层多尺度修正,自适应地确定修正所需的结构元素尺寸,对于低梯度层级采用较大尺寸结构元素进行形态学闭运算,消除因非规则细节产生过分割的非规则局部极小值,而对较高梯度层则采用较小尺寸的结构元素,保持区域轮廓的位置不变;最后在修正梯度图像基础上,运用标准分水岭变换实现图像分割。实验结果表明,该方法能够在消除过分割的同时,较准确的保持目标轮廓的位置。     

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。     

一种基于形态学可变元的肺实质分割方法

能极大提高肺癌患者生存率的诊断方式是肺癌的早期诊断,基于当前肺癌的早期诊断都依赖于恶性肺结节的检测,而肺结节检测算法数据准备环节最重要的一步是肺实质分割的现状,本文提出一种基于形态学可变元的肺实质分割方法。传统的形态学肺实质分割方法在分割大多数正常肺部CT时,能够达到优良的效果,但是在面对肺部情况复杂,CT层位于肺部顶端或底端时,传统的形态学肺实质分割方法便会失效,此时便需要人工分割。本文提出的这一新方法,能极大提高肺实质分割准确率,摆脱需要人工分割的局面。     

一种基于深度学习的图像语义分割方法

基于深度学习的语义分割网络在卷积、池化等操作过程中会出现空间位置信息丢失的问题,导致其分割效果下降.对此,文中以SegNet语义分割网络模型为参考,设计了一种全新的语义分割网络模型Faster-SegNet.该网络模型通过融合多尺度特征图强化特征信息来提高网络分割准确率.使用非对称卷积等方式降低了网络参数量,提高网络分...     

一种结合域自适应的图像语义分割算法

语义分割为图像分配像素级稠密标签,对场景理解具有重要作用,是视觉研究核心任务之一,涉及自动驾驶、医学成像等实际应用.现有基于深度神经网络的图像语义分割方法的训练需要大量标记数据,这些数据的收集和标记成本高昂,这很大程度上限制了此类方法的实际应用.为解决此问题,这里使用成本较低的计算机生成并标记的逼真的合成数据训练深度神经网络.但真实图像与合成图像在分布域上存在的差异会降低模型性能,因此这里使用一种对抗学习方法来实现域的自适应,以解决上述问题.又因为语义分割的结构化输出描述了源域与目标域的空间相似性,所以这里选择在语义分割的输出空间上实现域自适应方法.在此基础上,这里又于不同级别的空间构建多级域自适应网络以提升模型性能.     

基于形态学top-hat变换的支票方形印鉴自适应分割方法

摘要：目的：为了准确分割支票中的方形印鉴图像,为印鉴真伪自动识别提供无失真的二值待验图像和预留图像,本文提出一种基于top-hat变换的自适应形态学分割算法。方法：根据支票印鉴的色彩信息和拓扑结构特点得到方形印鉴的灰度图像。为了准确分割印鉴中具有不同笔划结构和背景均匀度的印鉴成份,印鉴灰度图像被分成四个子区域。对每个子区域中的字符和印框分别作top-hat变换增强图像细节后,再用Otsu方法二值化。Top-hat变换中所用结构元素的尺寸对分割结果有很大影响。本文根据每个子区域中印框和字符的结构特点分别迭代地计算适用于它们的最佳尺寸结构元素。结果：分割350枚不同支票方形印鉴,分割准确率为99.43%。可以准确地分割笔划复杂且分布密集的方形支票印鉴图像。结论：能够准确分割支票方形印鉴图像,有效的减少了分割结果中容易出现的笔划粘结和残缺失真,降低了对原始印鉴图像的质量要求。     

基于最小生成树的显著性自适应形态学结构元素构造方法

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息.为此,提出了一种基于最小生成树(Minimum spanning tree,MST)的显著性自适应形态学结构元素构造方法.首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression,NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map,SM).然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST.最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素.利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比.结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果.     

基于最小生成树的显著性自适应形态学结构元素构造方法

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息.为此,提出了一种基于最小生成树(Minimum spanning tree,MST)的显著性自适应形态学结构元素构造方法.首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression,NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map,SM).然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST.最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素.利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比.结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果.     

一种无监督的遥感图像分割新算法研究

由于遥感图像中存在边缘混叠和斑点噪声等问题,基于经典的马尔科夫随机场模型的分割算法效果并不太理想.本文针对遥感图像分割中某些像素分类的不确定性,将模糊MRF模型引入遥感图像分割领域,构造了基于MAP-FMRF的分割框架,提出了新的模糊MLL模型,在充分结合空间信息的同时利用灰度和纹理共同构造特征空间,以修正的EM算法结合SA算法获取全局最优解,实现无监督分割,实验对比证明该方法准确率更高.此外,文中还设计了一种新的优化方案以提高分割的效率.     

一种合成孔径声呐图像目标分割方法

合成孔径声呐图像的信噪比低于普通光学图像,使图像分割成为合成孔径声呐图像处理中的重要环节。本文研究了表示合成孔径声呐图像数据分布的瑞利混合模型,结合马尔科夫随机场模型,将其应用于声呐图像水下目标(亮区)分割;通过最大期望算法分别估计目标和背景的瑞利混合模型参数,并利用该参数使用Graph cut方法进行马尔科夫随机场图像分割,通过重复迭代,最后形成稳定的目标分割结果;对实际的声呐图像进行了数据分析及目标分割,结果表明瑞利混合模型在描述合成孔径声呐声图上有良好的性能,可以改善目标分割的效果。     

一种新的自动阈值图像分割方法

提出了一种新的自动阚值图像分割方法，该方法将图像分成两个类，当类间方差与类内方差的分离度最大时即为最佳阈值。实验表明新方法能够自动而快速地对图像进行分割。     

一种SAR图像海洋涡旋形状自动描绘及信息提取方法（英文）

合成孔径雷达(SAR)为海洋涡旋的观测和研究提供了大量的图像数据。利用SAR图像自动地描绘涡旋形状,并提取涡旋信息,对海洋涡旋研究和涡旋SAR图像应用有着重要意义。该文针对SAR图像中螺旋形状的涡旋,提出了一种SAR图像海洋涡旋形状自动描绘及信息提取方法。该方法先将SAR图像骨架化,再在SAR图像上绘制骨架图中检测到的对数螺旋线,直观地描绘涡旋形状,然后利用形状描绘结果提取涡旋信息。该文利用sentinel-1黑海地区涡旋SAR图像进行了实验,实验结果表明,该方法能实现涡旋形状的自动描绘和涡旋信息提取,形状描绘结果与涡旋实际形状相符,提取的涡旋信息与手动提取的参考信息一致,验证了方法的有效性     

一种CT图像的肺实质分割方法

为了实现计算机辅助诊断,解决自动化CT图像处理的问题,文中提出一种肺实质分割的算法.采用求直方图峰值间极小值的方法获取最优阈值,实现图像分割;在此基础上,采用空间滤波以及连通域标记法去除干扰得到肺实质区域.结果表明该方法能实现肺实质分割,解决了肺结节检测的预处理问题.     

一种新型钢卷尺零位标定方法（英文）

由于传统检定系统无法准确标定在零点位置具有可移动尺钩结构的部分钢卷尺的零位误差,提出了一种基于机器视觉的测量系统来完成钢卷尺零位误差的标定方法。结合钢卷尺钩量与顶量两种方式,设计了双基准面结构配合双基准线作为标准量,对比标准量与待测尺上尺头零位到500mm刻线之间示值距离的差值,实现了零位标定。线纹比对依托机器视觉实现,将图像处理过程结合双基准线计算了浮动像素当量值。实验结果表明,本方法的零位误差标定结果重复性可达0.006mm,满足国家标准钢卷尺检定规程要求。     

基于弱膜模型的自适应立体脑图像分割方法

提出一种自动分割单通道磁共振脑图像的新方法,这种方法建立在弱膜模型的基础上.此处的弱膜模型使用了两个空间上交织的马尔可夫随机场先验模型,其中之一对亮度测度建模以实现分段光滑性约束,另一个对非连续性建模以控制相邻体素间的交互作用.依据这一模型,该方法使用贝叶斯理论和领域约束获得了区域和边界的最大后验概率估计.这种方法具有如下属性①大脑图像被准确地分割成白质、灰质和脑脊髓;②对噪声和亮度不一致性具有较强的鲁棒性.     

一种双分支结构的图像语义分割算法

图像语义分割需要精细的细节信息和丰富的语义信息,然而在特征提取阶段,连续下采样操作会导致图像中物体的空间细节信息丢失。为解决该问题,提出一种双分支结构语义分割算法,在特征提取阶段既能有效获取丰富的语义信息又能减少物体细节信息的丢失。该算法的一个分支使用浅层网络保留高分辨率细节信息有助于物体的边缘分割,另一个分支使用深层网络进行下采样获取语义信息有助于物体的类别识别,再将两种信息有效融合可以生成精确的像素预测。通过Cityscapes数据集和CamVid数据集上的实验验证,与现有语义分割算法相比,所提算法在较少的参数条件下,获得了较好的分割效果。     

一种改进的基于小波变换的遥感图像融合方法

针对多光谱与全色图像的融合,提出一种改进的基于小波变换的融合方法,首先对多光谱图像进行IHS变换,其次将全色图像和多光谱图像的强度分量进行改进的基小波变换的比值融合,并用融合结果取代多光谱图像的强度分量,最后再做IHS逆变换得到融合图像.实验结果证明融合算法较IHS变换算法和常用的小波融合算法有更好的融合效果.