基于深度学习的无监督领域自适应语义分割算法综述

随着现代生活逐步智能化,越来越多的应用需要从图像中推断相应的语义信息再进行后续的处理,如虚拟现实、自动驾驶和视频监控等应用。目前的语义分割模型利用大量标注数据进行有监督训练能达到理想的性能,但模型对与训练数据不同分布的数据进行推理时,其性能严重下降。这意味着一旦应用场景发生变化,就需对新场景的数据进行标注。模型重新利用新数据进行训练,才能达到正常的性能。这无疑是耗时的、代价昂贵的。为此,领域自适应语义分割算法提供了解决模型在分布不一致数据上语义分割性能下降问题的思路。总结了领域自适应语义分割算法的前沿进展,并对未来研究方向进行展望。     

自适应权重更新的轻量级视频目标分割算法

目的 针对现有视频目标分割（video object segmentation,VOS）算法不能自适应进行样本权重更新,以及使用过多的冗余特征信息导致不必要的空间与时间消耗等问题,提出一种自适应权重更新的轻量级视频目标分割算法。方法 首先,为建立一个具有较强目标判别性的算法模型,所提算法根据提取特征的表征质量,自适应地赋予特征相应的权重;其次,为了去除冗余信息,提高算法的运行速度,通过优化信息存储策略,构建了一个轻量级的记忆模块。结果 实验结果表明,在公开数据集DAVIS2016 （densely annotated video segmentation）和DAVIS2017上,本文算法的区域相似度与轮廓准确度的均值J&F分别达到了85.8%和78.3%,与对比的视频目标分割算法相比具有明显的优势。结论 通过合理且无冗余的历史帧信息利用方式,提升了算法对于目标建模的泛化能力,使目标掩码质量更高。     

基于自适应权重法的K-means模型对遥感图像分割

针对传统K-means算法不易获得最优质心及易于趋向局部最优的问题,提出一种基于最优权重法的K-means模型对遥感图像分割的方法。使用二维高斯函数对遥感图像进行滤波平滑处理,减少噪声对像素点的影响;依据早熟收敛度和自适应值进行调整,找到最优权重作为初始聚类中心,从而有效地跳出局部最优;将样本分配到每个聚类中心,不断进行迭代更新簇中心,直至算法最终收敛。实验结果表明,该算法的分割精度有较明显的提高。与传统的K-means分割算法及GA分割算法相比,该算法对遥感图像分割的效果更为明显。     

基于混合瑞利分布的三维医学图像分割算法

水平集算法是当前比较重要的分割算法,研究该算法的三维分割技术.提出高斯分布和瑞利分布相结合的方法进行概率密度函数的确定与分析,通过随机极大似然算法(SEM)把瑞利分布引入到水平集三维分割演化模型中.该方法成功应用于多种医学组织的三维分割,提高了分割速度和分割效果,减少了参数的设置.     

基于卷积神经网络的自适应权重multi-gram语句建模系统

如今信息量呈爆炸式增长,自然语言处理得到了越来越广泛的重视。传统的自然语言处理系统过多地依赖昂贵的人工标注特征和语言分析工具的语法信息,导致预处理中语法信息的错误传递到系统训练和预测过程中。因此,深度学习的应用受到了学者们的关注。因为它能实现端对端预测并尽可能少地 依赖 外部信息。自然语言处理领域流行的深度学习框架为了更好地获取句子信息,采用multi-gram策略。但不同任务和不同数据集的信息分布状况不尽相同,而且这种策略并没有考虑到不同n-gram的重要性分布。针对该问题,提出了一种基于深度学习的自适应学习multi-gram权重的策略,从而根据各n-gram特征的贡献为其分配相应的权重;并且还提出了一种新的multi-gram特征向量结合方法,大大降低了系统复杂度。将该模型应用到电影评论正负倾向判断和关系分类两种分类任务中,实验结果证明采用的自适应multi-gram权重策略能够大大改善模型的分类效果。     

优化的PCNN自适应三维图像分割算法*

脉冲耦合神经网络(pulse coupled neural network,PCNN)对图像分割具有天然的优势,但是传统的PCNN模型参数难以确定,且算法耗时多。对多种PCNN模型进行研究改进,并利用统计学知识提出了一种精简高效的自适应三维分割算法。将其用于脑部磁共振成像(magnetic resonance imaging,MRI)图像的分割,把脑组织分成白质、灰质和脑脊液。与标准PCNN、传统的Otsu阈值方法、SPM8工具箱及专家手动分割结果的对比实验表明,该自适应算法具有精确性、高效性。     

基于小波变换的权重自适应图像分割模型

针对灰度不均匀且含噪声图像的分割问题,提出了全局和局部灰度信息的权重参 数自适应水平集分割模型。首先,利用图像的全局和局部灰度信息构造全局能量项和局部能量 项;然后,利用小波变换和小波阈值去噪方法,构造对噪声不敏感的边缘信息刻画矩阵,定义包含 图像边缘信息的自适应权重系数矩阵;最后,利用定义的权重系数矩阵组合全局和局部能量项, 得到分割模型的能量泛函。使用变分法得到了水平集函数演化方程,利用有限差分法实现数值 求解。实验结果表明,该模型兼有 Chan-Vese 模型和 Local Binary Fitting 模型的优点,能够有效 地分割灰度不均匀含噪图像,并对活动轮廓曲线的初始位置和初始形状具有很强的鲁棒性。     

基于图像分割的自适应窗口双目立体匹配算法研究

针对传统双目立体匹配算法采用固定窗口导致弱纹理区域匹配精度较低的问题,提出了一种基于图像分割的自适应窗口立体匹配算法.首先,采用Mean-shift算法对图像进行分割,之后对分割图像进行局部子区灰度标准差统计,在此基础上提出了一种根据纹理丰富程度进行窗口大小自适应设定的算子.基于自适应窗口大小设定,组合使用Census变换和梯度值计算匹配代价,并分别通过自适应权重代价聚合及"胜者为王"策略进行初始视差计算,最后利用左右视差一致性原则和加权中值滤波得到稠密视差图.采用提出的自适应窗口匹配算法与固定窗口匹配算法对Middlebury数据集上的标准图片进行匹配实验,实验结果表明,所提算法的平均匹配错误率为2.04％,相比对比算法,所提方法的匹配错误率分别降低了4.5％和7.9％.     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤,应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术,提出一种自适应阈值三维图像分割技术,先对三维图像分解成一系列二维图像,根据小波变换理论,分析不同分辨率下小波变换的特点,确定分割区域数和分解层次,再由低分辨率开始对每幅二维图像直方图进行小波变换,逐步到最高分辨率,并根据不同分辨率下小波变换结果,由粗到细地自动设定精确的阈值分割每幅二维图像,最后将多幅二维图像合成三维图像。实验表明了该方法的有效性,能够满足目标识别的要求。     

一种基于扩散几何的非刚体三维形状分割方法

三维形状分割是三维形状分析中的一个重要问题.为了使分割结果能适应非刚体丰富的姿态变化,提出一种基于扩散几何的三维网格分割方法.该方法采用波核特征的局部极值点作为非刚体网格模型表面的显著特征点;进而将显著特征点作为初始聚类中心,采用K-均值聚类算法来获得分割结果.实验结果表明,文中方法不仅对处于不同姿态的非刚体三维形状具有良好的分割一致性,而且对噪声、孔洞等具有较好的鲁棒性.     

非刚性三维模型检索特征提取技术研究

三维模型特征描述符是一种简洁且信息量丰富的表示方式.特征提取是许多三维模型分析处理任务的关键步骤.近年来,针对非刚性三维模型特征提取技术的研究引起了人们的广泛关注.本文首先汇总了常用的非刚性三维模型基准数据集和算法评价标准.然后在广泛调研大量文献和最新成果的基础上,将非刚性三维模型特征分为人工设计的特征描述符和基于学习的特征描述符两大类并分别加以介绍.对每类方法所包含的典型算法,尤其是最近几年基于深度学习的特征提取算法的基本思想、优缺点进行了分析、对比和总结.最后进行总结,并对未来可能的发展趋势加以展望.     

基于测地距离的形体分布算法

使用D2方法计算形体分布[1]算法时采用欧几里德距离计算,欧几里德距离是拓扑无关的。这里我们讨论一种使用测地距离来表示两点距离[21～24]。这种测地距离方法能表达出模型的拓扑关系,它和采用欧几里德距离可能各有不同的应用。     

基于形状分布的三维骨骼的相似性度量

文中应用形状分布算法度量由CT数据重建出的三维骨骼的相似度,并提出了改进。基本步骤是:在模型表面选择随机点,计算每两点间的距离,以形状分布函数来构建形状分布直方图,通过比较形状分布直方图来给出不同骨骼间的相似度。实验表明,该方法能够准确度量骨骼的相似性。     

基于动态自适应体素生长的肺部 CT图像3维分割算法

为了解决传统体素生长算法中容易产生分割泄漏问题以及左右肺分离的难题,提出了一种动态自适应的体素生长算法,用于对肺部CT图像进行3维分割.该算法采用了半侧肺预分割的方式,并针对分割区域的局部统计信息动态调整分割参数,有效地避免了分割泄漏,并在准确度和鲁棒性方面得到了很大的改进,而且能够应用于纯3维环境的自动分割.该算法通过对多组实验数据,包括健康人和不同类型肺病患者的肺部CT图像进行试验,取得了良好的效果,为肺部组织的定量计算以及临床应用提供了可靠的基础.     

基于三维体的多分辨率视频分割算法

传统视频分割算法无法处理视频中庞大的数据量,且分割结果需要保持时空连续性。针对该问题,提出一种基于三维体的多分辨率视频分割算法。在三维空间中对整个视频体进行分割,以保证时空连续性,采用多分辨率的思想,减少计算开销。实验结果表明,该算法能减少传统分割算法的时空耗费,修正连续帧的局部分割结果。     

对偶分布匹配的图像分割算法

针对传统局部一致性方法的缺点,在研究全局一致性方法的基础上,提出一种对偶分布匹配(Dual Distribution Matching,即DDM)的图像分割算法.该算法首先将前景和背景的概率分布作为输入分布,构造出前景和背景的对偶匹配模型,该模型描述两个输入分布和分割结果的相似度,然后利用整幅图像的分布来确定模型的权重参数,从而求解能量函数ε(L)的全局最小化的真解L*,最后利用基于Bhattacharyya的图分割(Bhattacharyya Measure Graph Cut,BMGC)的辅助函数完成能量函数ε(L)的优化,不断更新辅助标记La,Lb收敛于真实标记L*.实验表明在输入分布不够精确的情况下,该算法具有较好的准确性和稳定性.     

一种结合粒子群算法和自适应加权窗的二维Otsu图像分割新方法

针对传统二维Otsu门限分割方法中滤噪和小目标保持性能的不足,提出了一种基于自适应加权窗的二维Otsu门限分割的新方法。新方法对二维Otsu的部域窗口设置方法做了改进,使用中心点的局部平稳特征来自适应地确定下一邻域窗口的尺寸大小,然后利用粒子群算法来加快门限的计算速度,从而提高门限分割的性能。实验结果表明:与目前广泛使用的一维Otsu、二维Otsu方法以及直线型门限二维Otsu方法相比,新方法有着更好的门限分割效果,并且有更好的噪声抑制和目标保持效果。     

基于三维Hough变换的三维超声针状物体检测

本文提出了一种以(Φ,θ,ρ,α)四参数表示的空间直线为基础的三维Hough变换,用来检测三维超声图像中的针状物体。我们用实验室研发的三维超声系统采集插入水中的钢针的三维超声图像,然后用本文提出的方法对其进行检测。实验结果表明,本文提出的方法能比较准确地检测出三维超声图像中的针状物体,方向误差在1°以内,位置误差在1mm以内。