融合遗传算法与OSTU的岩石薄片图像分割方法研究

我国已进入油气资源深层次开采时代,通过岩石薄片数字图像处理来对地下深层储层进行评价描述已成为研究热点。针对现有方法对于凝胶填充不充分的溶蚀孔隙识别率差,且对于颜色接近的相邻颗粒无法准确分割的问题,在遗传算法的基础上,结合最大类间方差得到多个最优的分割阈值,然后利用多个阈值对岩石薄片图像进行分割。采用长庆油田的50张不同的岩石薄片图像对分割算法进行测试,结果表明,融合遗传算法与OSTU的岩石薄片图像分割方法的分割识别精度可达90%以上。     

改进U-net的电气设备紫外图像放电光斑分割

提出了一种名为VA-Unet的语义分割模型,旨在解决传统分割方法在电气设备紫外检测任务中面临的复杂背景及小光斑分离困难、特征选取复杂、分割精准度低等问题。VA-Unet引入了VGG16特征提取模块和迁移学习,提高训练速度并增强模型泛化能力;同时,增加了注意力门（Attention Gate）以提高模型精度,从而实现对紫外图像放电光斑的精准分割。此外,VA-Unet采用混合损失函数代替单一损失函数,解决了紫外放电光斑数据集样本不平衡的问题。实验表明,VA-Unet模型在紫外图像放电光斑的精准定位和准确分割方面表现突出,其IoU,PA,F1-score评价指标分别达到84.09%,88.20%,91.35%,相较于初始U-net网络,分别提升了14.41%,3.24%,9.22%。     

一种岩石薄片离焦模糊图像自动筛选方法

针对岩石薄片全幅面偏光采集中,部分视域采集的图像会存在离焦模糊问题.本文提出一种模糊图像检测方法,能在薄片全幅面采集的大量偏光图像中,自动检测出存在离焦模糊的视域.由于图像模糊会导致图像空间域和频率域的一些特征产生变化,因此本文结合空间域和频率域方法,对图像分块进行模糊评价得到模糊度图,由该图统计特性将图像区分为清晰图...     

基于深度学习的显微镜下岩石薄片识别

偏光显微镜下的岩石薄片识别,不仅在分析和鉴定岩石结构和矿物成分中具有至关重要的作用,而且在矿产资源勘探（尤其是固体金属矿产资源勘探）中同样发挥着不可估量的作用。目前,显微镜下对岩石薄片的观察主要依靠专业人员的肉眼来识别岩石薄片中的矿物成分,费时耗力。为此,针对偏光显微镜下岩石数据样本的特征,构建一种基于ResNeXt技术的岩石薄片识别与分类模型,借助该模型分析岩石薄片可大大节约人力成本和时间成本。     

卷积神经网络在岩石薄片图像检索中的应用初探

近几年来,卷积神经网络引起了国内外研究者的广泛关注,并在大规模图像处理方面有出色的表现,尤其在模式识别领域.将地质勘探与计算机技术相结合,在岩石图像处理方面已经取得了较好的成绩,并且还在不断的探索中,以求更好地投入到实际中去.对于地质勘探研究者来说,对于大量的岩石薄片图像,如何进行快速并且有效的检索是值得研究的领域课题.传统的基于文本的检索方式已不能满足要求,为此,本文试图将卷积神经网络引入到岩石薄片图像的检索中,分析其在岩石薄片图像检索中的可行性.     

基于多重注意力机制的多模态脑肿瘤图像分割

本文提出了一种新型的多模态脑肿瘤图像分割方法,该方法将3种注意力机制与传统U-Net模型相结合,从三维多模态MRI医学图像中分割脑肿瘤。所提出的模型分为编码器、解码器、特征融合和瓶颈层4部分,各采用不同的注意力机制,增强了多模态信息提取能力。在特征融合部分,提出了一种新的注意力模块—注意力门控传播模块(AGPM),该模块将通道注意力和注意力门结合起来,沿通道维度和空间维度依次推断注意力映射;瓶颈层部分,在卷积层之间应用了一个多头自注意力层(MHSA)来增强感受野。此外,在模型的瓶颈层部分加入了一种新的注意力模块—多头特征增强模块(MHFEM),来补充多尺度信息。通过在BraTS2020数据集上的实验结果,表明了所提模型的有效性。     

基于粒子群优化的岩石薄片三维图像重建

基于2维图像的砂岩3维结构重建中,确定3维结构的自相关函数分布是一个难题。基于傅里叶变换的重建方法利用经验公式确定重建3维结构的自相关函数,但重建结果的误差较大。该文提出以3维结构的自相关分布作为粒子的位置,以3维结构与2维图像统计特征的误差作为粒子的适应度,用粒子群优化确定重建问题的最优解。与基于傅里叶变换重建算法相比,该方法得到的重建结果统计特征与2维图像的相似度明显提高。与经典的模拟退火重建算法相比,达到相同的重建效果,基于粒子群优化的重建方法具有更高的效率,具有良好的实际应用价值。     

基于改进U-Net的肝脏肿瘤图像分割算法

肝脏肿瘤类疾病是肝脏疾病领域最为常见且具有高致死率的疾病之一,利用深度学习技术对肝脏肿瘤图像进行计算机辅助诊断,对患者的治疗有显著的作用。针对传统的医学图像分割网络模型在肝脏图像分割过程中图像的深层特征提取困难且难以集中于有效特征导致的分割精度较差的问题,在U-Net基础上提出了RFEC-UNet网络模型。在网络模型中引入感受野模块RFB-s以提高网络提取图像深层次特征的能力,引入高效通道注意力ECA,使得网络能更加集中于对有效特征的学习,从而提高网络模型的分割精度。在肝脏图像分割数据集上的实验结果表明,RFEC-UNet的Dice相似系数和平均交并比（mIoU）分别达到了74.26%和69.48%,分别相较于U-Net提高了3.65%和2.55%。     

基于U-Net网络的鸟群图像分割研究

当前在通用航空活动中对于鸟群活动情况的了解还是依靠飞行员对环境的观察,并且国内外驱鸟方式并不适合大范围推广使用,着眼于以上问题,利用基于深度学习的图像分割方法来解决该问题,将U-Net图像分割策略引入航空图像分析中,通过深度卷积神经网络对鸟群活动图像进行处理;针对图像背景复杂、目标分布不均匀且大小不定等特点,提出优化U-Net网络,以更好地保存和利用图像信息。实验证明该优化网络图像分割效果优于现有方法。     

基于改进U-net的金属工件表面缺陷分割方法

针对金属工件表面缺陷分割精度低的问题,通过对工件表面图像缺陷特征研究,提出以U-net为基础,结合多尺度自适应形态特征提取模块及瓶颈注意力模块的工件表面缺陷分割模型。首先,在网络中嵌入多特征注意力有效聚合模块,提高信息的利用率,提取更多相关特征,从而高精度地提取缺陷目标。然后,在网络中引入瓶颈注意力模块,增加缺陷目标的权重,优化特征的提取,获取更多的特征信息,从而获得更好的分割精度。改进后的网络平均精度达到0.8749,比原网络相比提高了2.92%,平均交并比达到0.8625,提高了3.72%。与原始网络相比,改进后的网络具有更好分割的精度,可以获得更好的分割结果。     

Blind deconvolution of spotted image based on slice selection of third-order moment

The 1D blind deconvolution algorithm using maximum time delay slice of the third-order moment ((MTDS-TOM) [Lu, W]) is extended to 2D blind deconvolution for spotted image deblurring. A scaled and shifted version of the image is obtained using a special slice selected from its third-order moment, which is estimated using a 4D blind deconvolution. An application of the proposed method for removing the optical blur of a microarray image is given.     

基于句内注意力机制的答案自动抽取方法

答案自动抽取是答案融合任务的关键技术,其效果直接影响答案融合任务结果的准确性.为了捕捉问题与答案之间的联系,提高答案自动抽取的准确性,本文引入句内注意力机制用来捕捉问题与答案之间的联系,进而提高答案自动抽取的准确性.实验结果表明,句内注意力机制能够有效发现问句与答案的关系,提升答案自动抽取效果.     

基于FPGA的速率自适应图像抽取算法

载荷图像可视化是深空探测任务中的重要需求,但受信道带宽的限制,无法实时传输所有载荷数据,因此星载复接存储器中图像的抽取下传是实现任务可视化的关键。设计了一种载荷图像抽取方法,适用于深空探测航天器载荷自主管理和可视化应用。通过图像帧识别、指针管理和数据筛选实现图像抽帧回放算法,具有图像完整、实时,速率自适应的特点。该方法在某探测器工程项目中采用FPGA进行了实现,经测试、试验验证,满足工程可视化要求。     

彩色空间的视频对象自动分割

提出了一种基于RGB空间的视频对象自动分割方法。图像简化阶段,采用连接算子中的区域开启闭合算子来简化图像;图像标识提取阶段利用RGB空间的信息得到准确的视频对象轮廓,根据对比度消除区域中噪声小梯度,并在此基础上提取标识,在分水岭阶段,采用类似区域增长的改进分水岭方法,实验证明此方法的结果准确可靠。     

基于K-L变换的两传感器图像自动配准

基于合成孔径雷达(SAR)图像和光学图像间的变形可用仿射变换来近似,提出了一种SAR图像和光学图像自动配准的方案.对分割后的图像进行K-L变换得到两幅图像的主分量与坐标轴之间的关系,从而得出两幅图像的角度关系,接着,利用旋转后图像的横纵象素范围的比值和前景重心偏移值得到仿射变换的缩放和平移参数,最后再利用二值图像相关对仿射变换的结果图像进行精配,从而实现较高精度的图像配准.实验结果表明,在满足精度要求的情况下,本方法可以自动完成具有明显方向性和较大前景目标图像的配准任务.     

新的基于边缘特征的图像相关匹配方法

传统的图像相关匹配方法利用求取对应像素灰度差的累加和进行图像之间的相似性度量,或者设定阈值计算具有相近灰度值的像素点的个数进行相似性度量,由于参考图和实测图之间存在着灰度差异、模糊以及局部遮挡等,使得仅依靠图像灰度信息的算法的性能受到影响。结合图像的边界特征匹配技术,提出了一种新的图像相关匹配算法。该算法首先对图像进行边界提取并二值化,然后利用所定义的基于边缘的相似距离(ESD)对处理后的二值图像进行相似性匹配运算。试验结果表明这种算法在多种图像畸变情况下的有效性。     

一种基于SAR图像的典型线特征抽取方法

针对合成孔径雷达(Synthetic Aperture Radar)图像的相干斑噪声会使图像的分割和目标的提取困难的问题,文中利用改进的Lee滤波手段去除相干斑噪声,并使用照度均衡算法平衡SAR图像的光照度,最后使用图割(Graph Cuts)算法交互式地对SAR图像中的线性结构进行抽取。实验结果表明Lee滤波和照度均衡算法分别对于抑制相干斑噪声干扰和修正图像对比度有显著效果,图割算法可以有效地提取出用户感兴趣的线性结构。