首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 296 毫秒
1.
针对合成孔径雷达(SAR)图像的分割问题,提出一种改进的参数核图割方法。对参数核图割方法中的能量函数进行改进,在核空间中考虑分段常数模型,并实现目标函数的空间核化。SAR图像的分割通过能量函数的最小化实现,由不动点迭代估计区域参数,并由图割模型逐步最小化能量函数实现SAR图像的分割。为验证改进参数核图割方法的分割效果,对自然图像进行分割,结果表明,其分割精度达到83%,比参数核图割方法提高了11%。真实SAR图像的分割结果验证了该方法对SAR图像的分割结果优于参数核图割方法。  相似文献   

2.
牙齿分割是计算机辅助口腔正畸治疗的重要技术.针对传统牙齿分割方法因交互操作复杂、手工干预程度高导致分割效率和精度较低的问题,提出一种基于多级层次三维卷积神经网络的牙颌模型自动分割与识别方法.首先利用基于哈希表的八叉树稀疏表达模型对牙颌模型进行标签化预处理;然后采用构建的Level-1网络和Level-2网络,分别实现普通牙齿间类别和高相似度牙齿间类别的区分;最后采用基于深度卷积特征的多级层次分割网络实现牙齿与牙龈以及牙齿间的分割,并利用条件随机场模型对龈缘区及齿间接触区的局部细节特征进行建模与优化.实验结果表明,在自行采集的牙齿数据集上的牙齿识别准确率均维持在0.858以上,单颗牙齿的分割准确率为0.898,与同类分割方法对比,验证了层次特征学习方法具有较高的准确率和鲁棒性,适用于各种不同程度畸形牙患者的牙齿分割,在计算机辅助口腔治疗诊断中具有巨大的应用潜力.  相似文献   

3.
针对传统卷积神经网络在作物病害叶片图像中分割精度低的问题,提出一种基于级联卷积神经网络(Cascade Convolutional Neural Network,CCNN)的作物病害叶片图像分割方法。该网络由区域病斑检测网络和区域病斑分割网络组成。基于传统VGG16模型构建区域病斑检测网络(Regional Detection Network,RD-net),利用全局池化层代替全连接层,由此减少模型参数,实现叶片病斑区域精确定位。基于Encoder-Decoder模型结构建立区域分割网络(Regional Segmentation Network,RS-net),并利用多尺度卷积核提高原始卷积核的局部感受野,对病斑区域精确分割。在不同环境下的病害叶片图像上进行分割实验,分割精度为87.04%、召回率为78.31%、综合评价指标值为88.22%、单幅图像分割速度为0.23?s。实验结果表明该方法能够满足不同环境下的作物病害叶片图像分割需求,可为进一步的作物病害识别方法研究提供参考。  相似文献   

4.
图像分割任务中,传统的基于人工设计特征方法工作量大、复杂度高、分割割精度较低,现有的基于全卷积神经网络(Fully Convolutional Networks,FCN)的方法在分割边缘上不够精细。为了提高图像分割算法的分割精度,提出基于多源融合的全卷积神级网络模型,输入图片经过Sobel算子提取边缘特征获得特征矩阵,与RGB和灰度图像一起作为输入,将传统全卷积网络拓展成具有多种输入源的分割模型。在PASCAL VOC 2012图像分割数据集上进行实验验证,结果显示该模型提高了图像分割的精度,具有良好的实时性和鲁棒性。  相似文献   

5.
目前,深度全卷积网络在图像语义分割领域已经取得了瞩目的成就,但特征图的细节信息在多次下采样过程中会大量损失,对分割精度造成影响。针对该问题设计了一个用于图像语义分割的深度全卷积网络。该网络采用“编码器-解码器”结构,在编码器后端引入空洞卷积以降低细节信息的损失,在解码过程中融合对应尺寸的低阶语义特征,并在解码器末端融入全局特征以提升模型的分割精度。使用数据增强后的CamVid数据集对网络进行训练和测试,测试结果达到了90.14%的平均像素精度与71.94%的平均交并比。实验结果表明,该网络能充分利用低阶特征与全局特征,有效提升分割性能,并在区域平滑方面有很好的表现。  相似文献   

6.
对视频中的目标进行像素级分割是计算机视觉领域的研究热点,完全没有用户标注的无监督视频分割对分割算法提出了更高的要求。近几年在分割中常使用基于帧间运动信息进行建模的方法,即用光流等运动信息预测目标轮廓,再结合颜色等特征建立模型进行分割。针对这些方法产生的前景背景混淆以及边缘粗糙等问题,本文提出结合全卷积网络的视频目标分割方法。首先通过全卷积网络预测视频序列中显著目标的轮廓,结合光流获得的运动显著性标签进行修正,然后建立时间-空间图模型,运用图割的方法获得最终的预测标签。在SegTrack v2以及DAVIS这2个通用数据集上进行评估,结果表明本文方法较基于帧间运动信息的方法在分割效果上有明显的提高。  相似文献   

7.
针对目前卷积神经网络在图像语义分割上存在运算效率的不足,考虑实际嵌入式移动设备应用中对网络模型大小、运算速度和能耗的需求,研究和讨论了语义分割网络参数的压缩方法和网络结构的优化方式,并利用深度可分离卷积、多尺寸卷积核融合和金字塔池化的方法,提出快速、准确的小尺寸语义分割网络模型。该网络模型在Cityscapes数据集上进行训练和测试,在模型尺寸、运算时间和分割精度等方面都有良好的表现,能够同时兼顾语义分割任务中对效率和精度的要求,提高了语义分割技术在嵌入式移动设备上的实用性。  相似文献   

8.
针对当前农作物病害分割与识别模型病斑分割精度低、数据集不充分、训练速度过慢等问题,构建了一种基于改进的U-Net网络多尺度番茄叶部病害分割算法。在U-Net网络结构基础上进行改进,减小图像输入尺寸,在编码器中使用非对称Inception多通道卷积替换传统卷积,实现多尺度提取病害特征,提升模型准确度;在解码器中加入注意力模块,关注番茄病害边缘,减小上采样噪声;引入GN加速模型收敛,并将改进U-Net网络用在PlantVillage数据集上进行预训练,提高模型的分割准确度和速度。改进后的方法准确率、召回率和MIoU分别为92.9%、91.1%、93.6%,实验结果表明,该方法能够有效地提高模型对番茄的病害分割性能。  相似文献   

9.
计算机断层成像(CT)对疾病的确诊意义重大,在医学图像的自动检测中应用较多的模型为图割模型,但传统图割算法严重依赖于对复杂区域进行大量建立的模型,运算复杂且不利推广。为此,在传统图割理论基础上引入核函数,提出一种基于核图割模型的肝脏CT图像肿瘤分割算法。通过核函数将原始数据映射到高维空间,并在高维图像数据空间用图割理论对CT图像的肝区与肿瘤区域进行分割,以提取疑似肿瘤区域,解决传统图割模型中需要依赖人机交互和对复杂区域建模困难等问题。由Mercer定理得出,核空间的点积运算不需要显式指定图像各区域的具体模型,进行核推广后克服了传统模型通用性不强的弱点。利用临床CT图像数据对该算法进行分割实验,结果表明,基于核推广后的图割算法能够有效对肿瘤和肝区进行分离,可应用于临床实际中作为肿瘤辅助诊断手段。  相似文献   

10.
针对U-Net模型在MRI脑肿瘤分割上存在的感受野受限和全局信息捕获不足问题, 通过引入非局部自注意力机制与多尺度的金字塔卷积提出一种改进U-Net模型—PyCSAU-Net. 该模型以三维U-Net作为基础网络, 在第4层横向连接位置引入扩展的三维非局部注意力模块, 通过改善网络因卷积核大小受限导致的长距离建模能力不足问题来提升脑肿瘤分割精度; 此外, 在网络下采样阶段将普通卷积替换为具有多尺度特点的三维金字塔卷积, 在多级别和分辨率下来提取更具判别性的脑肿瘤深度特征. 在公开的BraTS 2019和BraTS 2020验证集上在完全肿瘤、增强肿瘤和肿瘤核心分割上分别取得了0.904/0.901、0.781/0.774和0.825/0.824的分割精度, 表明所提出PyCSAU-Net方法在脑肿瘤分割任务上的有效性和竞争力.  相似文献   

11.
目的 选取牙齿种子点是计算机正畸中常用牙齿分割方法的关键步骤。目前业内大部分牙齿正畸软件都采用需要交互标记的分割方法,通过人机交互在3维牙颌模型上选取每一颗牙齿的种子点,效率较低。针对这一问题,提出基于特征导向的图卷积网络(feature-steered graph convolutional network,FeaStNet)牙齿种子点自动选取方法。方法 通过分析每个牙齿类型的种子点位置和最终分割效果,设立统一的规则,建立了牙颌模型的种子点数据集;利用特征导向的图卷积构建了新的多尺度网络结构,用于识别3维牙颌模型上的特征信息,为了更好地拟合牙齿特征,加深网络模型的深度;再通过训练调整参数和多尺度网络结构,寻找特定的种子点,使用均值平方差损失函数对模型进行评估,以提高预测模型的精确度;把网络寻找出的特征点作为基础点,在牙颌模型上找出与基础点距离最近的点作为种子点,如果种子点位置准确,则根据种子点将牙齿与牙龈分割开。对于种子点位置不准确的结果,通过人工操作修正种子点位置,再进行分割。结果 实验在自建的数据集中测试,其中种子点全部准确的牙颌占88%,其余情况下只需要调整部分不准确种子点的位置。该方法简单快速,与现有方法相比,需要较少的人工干预,提高了工作效率。结论 提出的种子点自动选取方法,能够自动选取牙齿种子点,解决牙齿分割中需要进行交互标记的问题,基本实现了牙齿分割的自动化,适用于各类畸形牙患者模型的牙齿分割。  相似文献   

12.
目的 建立患者口腔每颗牙齿独立的3维模型对于计算机口腔修复的精确定位和量化评估具有十分重要的意义。针对口腔CT图像序列的牙齿形态变化和排列特点,提出一种新颖的基于水平集活动轮廓模型的3维牙齿重建方法。方法 基于层间映射机制,对不同部位牙层切片采用不同的分割模型:利用先验形状约束能量、基于Flux模型的边缘梯度能量、基于先验灰度的局部区域能量相结合构造的单相混合水平集模型分割牙根层切片轮廓;利用结合区域竞争约束的双相混合水平集模型分割牙冠层切片轮廓;最后利用这些层间轮廓重建出牙齿3维模型。结果 对不同位置的牙齿CT图像进行分割实验,结果表明,与现有的方法相比,本文方法具有较好的分割效果和较高的准确率,平均分割相似系数达到96%。结论 本文的混合水平集模型能有效克服牙髓腔和牙槽骨的干扰以及图像灰度不均匀等问题,较准确地重建出每颗牙齿独立的3维模型,从而为制定口腔修复规划、生物力学分析等奠定坚实的基础。  相似文献   

13.
汪葛  王远军 《计算机应用》2016,36(3):827-832
牙齿的计算机断层扫描(CT)图像中存在边界模糊、相邻牙齿粘连等情况,且拓扑结构较为复杂,要实现准确的牙齿分割非常困难。对传统的牙齿CT图像分割方法,特别是近年来用于牙齿分割的水平集方法进行介绍,对其水平集函数中各能量项进行研究,并通过对比实验体现水平集方法的优越性。基于水平集的牙齿CT图像分割方法中水平集函数的能量项主要包括:竞争能量项、梯度能量项、形状约束能量项、全局先验灰度能量项、局部灰度能量项。实验结果表明基于混合模型的水平集方法分割效果最佳,切牙与磨牙分割准确率分别为88.92%和92.34%,相比自适应阈值和传统水平集方法,分割准确率总体提升10%以上。在综合利用图像信息和先验知识的基础上,通过对水平集函数中能量项进行优化和创新,有望进一步提高分割的准确率。  相似文献   

14.
3D visualization of teeth from CT images provides important assistance for dentists performing orthodontic surgery and treatment. However, dental CT images present several major challenges for the segmentation of tooth, which touches with adjacent teeth as well as surrounding periodontium and jaw bones. Moreover, tooth contour suffers from topological changes and splits into several branches. In this work, we focus on the segmentation of individual teeth with complete crown and root parts. To this end, we propose adaptive active contour tracking algorithms: single level set method tracking for root segmentation to handle the complex image conditions as well as the root branching problem, and coupled level set method tracking for crown segmentation in order to separate the touching teeth and create the virtual common boundaries between them. Furthermore, we improve the variational level set method in several aspects: gradient direction is introduced into the level set framework to prevent catching the surrounding object boundaries; in addition to the shape prior, intensity prior is introduced to provide adaptive shrinking or expanding forces in order to deal with the topological changes. The test results for both tooth segmentation and 3D reconstruction show that the proposed method can visualize individual teeth with high accuracy and efficiency.  相似文献   

15.
目的 由于室内点云场景中物体的密集性、复杂性以及多遮挡等带来的数据不完整和多噪声问题,极大地限制了室内点云场景的重建工作,无法保证场景重建的准确度。为了更好地从无序点云中恢复出完整的场景,提出了一种基于语义分割的室内场景重建方法。方法 通过体素滤波对原始数据进行下采样,计算场景三维尺度不变特征变换(3D scale-invariant feature transform,3D SIFT)特征点,融合下采样结果与场景特征点从而获得优化的场景下采样结果;利用随机抽样一致算法(random sample consensus,RANSAC)对融合采样后的场景提取平面特征,将该特征输入PointNet网络中进行训练,确保共面的点具有相同的局部特征,从而得到每个点在数据集中各个类别的置信度,在此基础上,提出了一种基于投影的区域生长优化方法,聚合语义分割结果中同一物体的点,获得更精细的分割结果;将场景物体的分割结果划分为内环境元素或外环境元素,分别采用模型匹配的方法、平面拟合的方法从而实现场景的重建。结果 在S3DIS (Stanford large-scale 3D indoor space dataset)数据集上进行实验,本文融合采样算法对后续方法的效率和效果有着不同程度的提高,采样后平面提取算法的运行时间仅为采样前的15%;而语义分割方法在全局准确率(overall accuracy,OA)和平均交并比(mean intersection over union,mIoU)两个方面比PointNet网络分别提高了2.3%和4.2%。结论 本文方法能够在保留关键点的同时提高计算效率,在分割准确率方面也有着明显提升,同时可以得到高质量的重建结果。  相似文献   

16.
3D scanned point cloud data of teeth is popular used in digital orthodontics. The classification and semantic labelling for point cloud of each tooth is a key and challenging task for planning dental treatment. Utilizing the priori ordered position information of tooth arrangement, we propose an effective network for tooth model classification in this paper. The relative position and the adjacency similarity feature vectors are calculated for tooth 3D model, and combine the geometric feature into the fully connected layers of the classification training task. For the classification of dental anomalies, we present a dental anomalies processing method to improve the classification accuracy. We also use FocalLoss as the loss function to solve the sample imbalance of wisdom teeth. The extensive evaluations, ablation studies and comparisons demonstrate that the proposed network can classify tooth models accurately and automatically and outperforms state-of-the-art point cloud classification methods.  相似文献   

17.
基于高斯超像素的快速Graph Cuts图像分割方法   总被引:14,自引:8,他引:6  
提出了一种交互式的快速图像分割方法. 该方法通过使用高斯超像素来构建Graph cuts模型以实现加速. 首先, 利用融合了边缘置信度的快速均值漂移算法, 将原始图像高效地预分割为多个具有准确边界的同质区域, 并将这些区域描述为超像素, 用于构建精简的加权图. 然后, 使用区域的彩色高斯统计对超像素进行特征描述, 并在信息论空间中对高斯距离度量进行设计. 另外, 为了准确而精炼地对先验知识进行参数化学习, 本文还使用了分量形式的期望最大化混合高斯(Component-wise expectation-maximization for Gaussian mixtures, CEMGM)算法对用户交互进行聚类. 最后, 在改进的加权图模型中应用Graph cuts方法, 获得最终的分割结果. 通过使用不同的彩色图像进行分割实验比较, 仿真结果表明本文的方法在准确性和高效性方面都具有很好的性能.  相似文献   

18.
图像语义分割是计算机视觉领域重要研究方向之一,其中基于深度学习的语义分割相较于传统分割算法更为高效可靠,可应用于交通监控、自动驾驶等领域的场景理解阶段.但复杂的分割网络在嵌入式平台上的推理速度较低,难以进行实际应用.因此针对交通监控、无人驾驶等应用背景,在嵌入式平台NVIDIA Jetson TX2上,采用基于深度卷积编解码器结构的图像分割网络,对道路场景进行语义分割,并基于NVIDIA的推理加速器TensorRT2,完成网络模型简化、网络自定义层添加与CUDA并行优化,实现了对网络推理阶段的加速.实验结果表明,加速引擎在TX2上的推理速度约为原模型的10倍,为复杂分割网络在嵌入式平台上的应用提供了支持.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号