基于圆形约束快速水平集的原生质体细胞分割

原生质体细胞的显微图像具有边界模糊、内部分布不均匀的特点,利用传统分割方法较难取得理想分割效果.针对原生质体细胞的圆形特点,在快速水平集分割算法中加入圆形先验知识,提出一种新的基于圆形约束的快速水平集模型.为解决多个原生质体细胞分割问题,首先对图像进行预分割,然后利用多个水平集表示的圆形约束快速模型进行再分割.对传统快速水平集进行改进得到一种基于直方图统计的快速水平集模型,利用该模型进行预分割可以取得较好的效果.对多个不粘连细胞和多个粘连细胞,分别采用八链码跟踪法和随机霍夫圆检测法对预分割后的目标区域进行分裂.实验结果表明,本文快速水平集算法可以有效地解决单个及多个原生质体细胞分割问题.     

结合水平集方法和形状约束Snake模型的左心室MRI图像分割

提出结合水平集方法和形状约束Snake模型的左心室MRI图像分割算法.由于左心室存在弱边缘、与周围的组织之间存在低对比度区域,Snake模型分割左心室MRI图像时,将会出现变形曲线泄漏现象.通过对训练图像的配准、变化模式的分析,定义左心室的边界形状变化允许空间.根据心脏MRI图像的特点,使用水平集方法在平均形状周围构造形状约束能量场.在Snake模型中增加形状约束能量项后,能够有效处理变形曲线的泄漏问题.通过将演化曲线投影到形状允许空间,对其施加形状约束.心脏MRI图像的分割实验证明了模型的有效性.     

含先验形状的水平集血管分割方法

针对图像中灰度分布不均匀和弱边缘情况下已有的水平集模型不能正确分割,且现有基于先验形状的水平集模型都要利用大量样本来进行训练的不足,提出一种无需训练的血管先验形状水平集分割方法.首先通过机械应力张量的方法分析Hessian矩阵,并建立血管相似函数;然后根据血管相似函数临界值得到血管的先验形状,并用水平集符号距离隐式表达形状曲线;最后将先验血管形状模型作为约束加入到耦合最小方差和FLUX模型的能量函数中,采用变分水平集法求解能量函数的极值.由于曲线的演化不仅依赖图像的区域信息和梯度信息,还受到血管先验形状的约束,因此该模型不但能精确定位边缘,还能准确地提取出血管.实验结果表明,采用该方法分割严重灰度分布不均匀的血管造影图像,具有准确度好、精度高、鲁棒性好的优点.     

基于圆形约束C-V水平集的肺部CT图像病灶分割

针对肺部CT图像中圆形病灶区域的分割问题,对Chan-Vese水平集图像分割方法进行了分析和改进,提出了基于圆形约束的C-V水平集模型,进而提出了基于圆形约束水平集的肺部图像病灶分割算法,解决了图像中大小不同的多圆检测问题。对合成图像和实际临床肺部CT图像进行了分割实验,结果表明,该方法可以较好地分割出图像中的多个圆形区域,算法具有较好的抗噪性,实现速度较快,有利于实现肺部CT图像肺结节自动检测。     

自适应水平集模型在云图弱边界分割的应用

针对云图复杂且形态多变、边缘模糊,若利用单一分割模型进行云图的自动分割无法兼顾分割速度和分割精度的问题,提出了一种新的自适应水平集算法的云图分割方法。该算法根据零水平集上每一点所在邻域的灰度变化程度为其自动建立能量模型。运用改进后的算法,闭合曲线对边界分明的区域收敛迅速,对云图弱边界的区域降低收敛步径。实验结果表明,提出的新水平集图像分割算法能够有效实现对全天空云图弱边界的分割,提高了感兴趣区域云点识别的准确率。     

针对弱边缘信息的左心室图像分割算法

基于距离正则水平集模型（DRLSE）的左心室MR图像分割算法对梯度信息有很强的依赖性,在图像弱边缘区域容易陷入局部最优,且对初始轮廓的选取敏感。为降低算法对初始轮廓的敏感程度,提高其在左心室图像弱边缘的分割能力,提出一种适用于弱边缘信息的左心室分割算法。在DRLSE的基础上,该分割算法提出运用拟合方法计算基于变异系数分割模型（PSM）的新局部项,算法依靠梯度与图像局部信息驱动曲线演化,降低了DRLSE对初始轮廓的敏感度;引入形状约束力,克服DRLSE算法在左心室外膜弱边界处出现边界泄露的情况。为验证所提算法分割的准确性,基于多伦多市患病儿童医院影像科提供的数据库,利用DRLSE、保持凸性水平集模型（CPLSE）模型、U-Net网络以及提出的内膜算法对心内膜进行分割;利用DRLSE、引入外膜形状约束力的DRLSE模型（DRLSE-shape）、U-Net网络以及提出的外膜算法对心外膜进行分割。实验结果表明,针对左心室内、外膜,所提算法优于上述算法,能降低DRLSE对初始轮廓的敏感程度,提升对左心室弱边界MR图像分割的精确度。     

基于概率提升树的虹膜分割算法

针对传统边缘检测算法无法自动提取虹膜边缘的问题,提出一种基于监督学习的边缘检测虹膜分割算法。提取边界点样本的多尺度Haar和Hog特征,以概率提升树作为训练框架训练出瞳孔、虹膜、眼皮的概率提升树分类模型,将测试样本输入概率提升树后输出边界点为真实虹膜边界的概率,并对分类输出的真实虹膜轮廓边界进行拟合,最终利用局部OTSU算法实现虹膜的精确分割。实验结果表明,与基于霍夫变换和活动轮廓模型的虹膜分割算法相比,该算法具有更少的测试时间和更低的分割错误率。     

虹膜分割中的噪声检测

针对虹膜图像中的眼睑、眼睫毛和光斑等噪声影响虹膜识别性能,提出一种虹膜分割中的噪声检测方法,在数学形态学的基础上,该方法采用边缘检测与最小二乘法相结合的方法拟合确定眼睑遮挡部分,利用阈值法来检测上眼睫毛和光斑.实验结果表明,该方法可准确而有效地在虹膜分割中检测和剔除这些噪声,是一种有效和可行的虹膜图像噪声检测算法.     

一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法

提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow, EDGGVF) Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。     

综合颜色和形状的圆形交通标志检测方法

快速、可靠的交通标志检测是对其进行准确识别的前提,以颜色分割为基础,提出了一种基于曲线拟合的圆形交通标志检测算法。首先利用交通标志的颜色特征预分割出潜在的交通标志区域,然后针对圆形交通标志轮廓具有圆形这一关键特征,通过边缘检测并采用非线性最小二乘技术准确的确定出图像中的圆形交通标志区域。实验结果表明了算法的有效性。     

汉语文本自动分词算法的研究

分析了中文分词词典的机制,提出了一种改进的整词分词字典结构,并针对机械分词算法的特点,将其与概率算法相结合,探讨了一种中文自动分词概率算法。采用哈希及二分法对词典进行分词匹配。实验表明,该算法具有较高的分词效率和准确率,对于消去歧义词也有较好的性能。     

基于深度学习的图像语义分割技术研究进展

自FCN网络在2014年提出后,SegNet、DeepLab等一系列关于图像语义分割的深度学习架构被相继提出。与传统方法相比,这些架构效果更好、运算速度更快,已经能够运用于自然图像的分割处理。围绕图像语义分割技术,对常用的数据集和典型网络架构进行了梳理分析,对2017年以来的新进展进行了综合研究,利用主流评价指标对主要模型的语义分割效果进行了比较和分析。对语义分割技术面临的挑战以及可能的发展趋势进行了展望。     

基于反序词典的中文分词技术研究

中文自动分词是计算机中文信息处理中的难题。在对中文分词的现有技术研究的基础上,对反序最大匹配分词方法进行了较深入的研究探讨,在此基础上对中文分词的词典结构和分词算法做了一部分改进,设计了基于反序词典的中文分词系统。实验表明,该改进算法加快了中文的分词速度,使得中文分词系统的效率有了显著提高。     

小波融合技术在图像分割算法中的应用研究

针对图像分割出现一些重要信息丢失与过分割的问题,提出了将小波融合技术应用到图像分割算法中,并对其进行实验验证。首先将图像分别进行Canny分割与迭代阈值分割;然后将这两种分割后的图像进行小波融合,得到融合图像。实验验证结果表明,与传统的Canny分割、迭代阈值分割相比,该算法能结合这两种分割算法的优点,互相弥补各自的一些不足之处并具有一定的抗噪声能力。     

退化车牌字符的两级分割算法研究

为了准确进行车牌字符分割,提高车牌字符识别的准确率,提出了一种改进的车牌字符分割算法.对定位出来的车牌进行有效预处理,通过两级字符分割算法对车牌进行单字符分割.第一级字符分割是结合连通域分析法和垂直投影进行字符粗分割,第二级字符分割是基于车牌字符的先验知识通过多次判断进行车牌字符精分割.实验结果表明,该算法对受到光照不均、污迹、字符粘连和断裂、质量退化等严重影响的车牌字符能进行很好的分割.     

基于图论的图像分割研究进展

基于图论的图像分割技术是近年来国际上图像分割领域的一个新的研究热点。该方法将图像映射为带权无向图,把像素视作节点,利用最小剪切准则得到图像的最佳分割。论文对图论方法用于图像分割的基本理论进行了简要介绍,并对当前图论方法用于图像分割的最新研究进展进行了综述。     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

基于多因素的图像分割算法

在线视觉棒材计数系统中通过实时处理视频信息，对运动对象进行计数。为了满足实时性的要求。文章提出了一种基于多因素的图像分割算法，实验表明该算法能有效地分割图像中的目标，并显著提高了分割效率。     

基于深度学习的实例分割研究进展

目标检测确定检测图像中目标对象所在区域及其类别,语义分割对检测图像实现像素级分类,实例分割可以定义为同时解决目标检测与语义分割问题,在分类的同时确定每个目标实例语义。实例分割网络在无人机驾驶、机器人抓取、工业筛检等领域具有重要应用意义,针对目前基于深度学习实例分割综述性文章的空白,对实例分割进展进行概述,按照单阶段实例分割与双阶段实例分割的分类对不同网络模型进行论述,重点介绍近两年网络框架的发展,总结各网络特点的同时提出未来发展方向。     

基于改进粒子群算法的图像闭值分割方法

针对图像提取问题,最优阈值选取是否合理对图像分割效果至关重要。在处理不同种类图像区域时,粒子群算法(PSO)由于早熟现象难以准确计算最优分割阈值,因此导致图像分割准确率低。为了提高图像分割准确率且准确地提取出图像目标,提出一种基于混沌粒子群算法(CPSO)的图像阈值分割方法。受益于混沌运行的遍历性、对初始条件的敏感性等优点,CPSO很好地解决了PSO的粒子群过早聚集和陷入局部最优等难题,加快了全局搜索最优解的能力。采用具体图像对CPSO算法图像分割性能进行仿真实验,结果表明,相比于其它图像分割算法,CPSO不仅加快了运算速度,提高了图像分割效率,而且提高了图像分割准确率,非常适合于图像实时分割处理。