多级自适应尺度的U型视网膜血管分割算法

针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特征。同时在跳跃连接部分增加改进的自适应特征融合模块,促进相邻层次特征之间的有效融合,以提取更多的细小血管特征。最后在解码部分设置侧输出的多级注意结构对多层次特征进行自适应细化。实验结果表明,该算法在DRIVE、STARE和CHASEDB1数据集上准确率分别达到0.9645、0.9694和0.9671,灵敏度分别达到0.8417、0.8465和0.8545,AUC分别达到0.9866、0.9908和0.9877,整体性优于现有算法。     

基于EfficientNet-B5级联U型网络的视网膜血管分割方法

针对视网膜图像细小血管难以分割以及病灶误分割等问题,提出了一种基于EfficientNet-B5级联U型网络的视网膜血管分割方法。首先,采用EfficientNet-B5编码器对图像特征编码,提取图像更深层特征;其次,引入空洞空间卷积池化金字塔模块有效地提取视网膜图像中的多尺度特征信息;在双卷积块中加入高效通道注意力捕获跨通道交互的信息;然后,采用级联U型结构,后一级网络对前一级网络的血管分割结果进行细化与优化;最后,采用形态学算子对网络输出的分割图像进行后处理。在CHASE＿DB1数据集上的实验结果表明,该算法的F1值、特异度、准确率及AUC分别为79.57%、98.21%、96.30%和97.51%,相比FC-RCF、U-Net和Res-UNet等算法均有提升。该算法在精确地分割血管的同时表现出较好的抗干扰性能。     

基于多尺度耦合的密集残差网络红外图像增强

为了提升非制冷红外热像仪的图像质量,满足低对比度弱小区域的观瞄与锁定的需求,提出了一种基于多尺度密集残差网络的红外图像超分辨重建模型,该模型的基本框架是通过级联多个残差特征进行学习,以粗到细的方式重建高分辨率图像。首先提出一种多尺度跨域融合模块,通过对不同感受野的分支结果进行融合,不仅可以融合不同感受野的互补信息,还可有助于提升梯度收敛和特征传输;然后叠加多个跨域融合模块,并采用残差特征学习进行优化,最终学习出高分辨率细节信息。仿真实验结果表明,所提出的超分辨模型能够较好的超分辨重建效果,在微弱结构保持和点目标保持上的性能也更加突出。所提的模型已经在海思嵌入式深度学习平台上实现了高质量的红外增强,具有较高的工程应用价值。     

级联H桥多电平逆变器故障的多尺度OGLPE特征提取方法

针对级联H桥多电平逆变器IGBT开路故障时不同故障相似程度高而不易区分的问题,提出一种兼顾全局方差最大变换特性以及局部结构保持特性的正交全局与局部保持嵌入(orthogonal globality and locality preserving embedding,OGLPE)特征提取算法,并将其与集成经验模态分解(EEMD)相结合构成多尺度OGLPE特征提取方法。以级联H桥七电平逆变器为例,首先采集原始逆变侧输出端三相电流信号,并结合参考电流信号求取电流偏差信号;其次运用EEMD方法对各状态下的电流偏差信号进行多尺度分解,得到不同尺度下的本征模态分量(IMF);然后利用提出的OGLPE方法自适应提取嵌入于各IMF分量中的敏感特征,构成故障特征集;最后与常用特征提取方法进行对比分析,特征提取二维可视化结果表明所提方法能有效的提高不同故障的类间区分度,诊断结果表明所提方法诊断精度高达98.4%,明显高于其他方法。     

基于改进U-Net的街景图像语义分割方法

为提升多尺度目标的分割效果,增强特征提取能力,提出了一种基于双重注意力机制的改进U-Net街景图像语义分割方法。在U-Net编码阶段的第5个卷积块之后,添加特征金字塔注意力模块,提取多尺度特征,融合上下文信息,增强目标语义特征。在解码阶段不再采用U-Net的特征拼接方法,而是设计了一个空间域-通道域联合注意力模块,接收来自跳跃连接的低层特征图和来自前一个注意力模块的高层特征图。在Cityscapes数据集上的实验结果表明,引入的注意力模块可有效提升街景图像分割精度,与PSPNet、FCN等方法相比,分割性能指标mIoU提升了2.0%～9.6%。     

充分利用多尺度特征改进UNet实现皮肤病变分割

针对传统的UNet对于大小不一、形状多变的皮肤恶性黑色素瘤图像分割效果不佳的问题,主要通过两点改进实现改进方法对多尺度特征的充分利用,首先在编码器中,采用全局密集网络、局部密集网络以及锯齿状空洞卷积设计,之后在解码器中,采用局部残差设计以及分类正则化。与UNet相比,该改进方法分别在Dice系数、准确率(ACC)、敏感度(SE)、交并比(IOU)指标上提高了0.82%、0.03%、1.99%、1.03%。实验结果证明,改进方法能够提高皮肤恶性黑色素瘤图像分割效果,是一种有效的基础网络结构。     

结合空频域多尺度特征的植株叶片分割方法

为实现植物表型参数的精准获取，针对自然环境下不同尺度叶片分割的细节损失问题，提出结合空频域多尺度特征的植株叶片分割方法。以U-Net网络架构为基础，设计下采样频域变换模块，在卷积神经网络中引入频域特征表示替换池化层，利用2D-DCT和2D-IDCT的频域变换方法感知植株叶片目标的全局语义特征；构建多尺度特征融合模块，增加6个上采样节点，提取和连接植株叶片图像细粒度的特征信息；改进通道注意力模块学习分支特征，采用联合损失函数优化网络性能。在2017CVPPP公开数据集上开展实验，结果表明，植株叶片分割网络的交叉比、平均交叉比、像素准确率、精准率和F-score分数分别达到了97.07%、98.04%、99.53%、99.68%和99.74%。与FCN-8s、FCN-ResNet、DeepLabV3+、SegNet和U-Net模型相比，网络的交叉比和平均交叉比最高提升23.32%和12.43%,在较小尺度和细节处理上改善了植株叶片的分割精度，可为植物表型方向的应用研究提供一种可借鉴的思路。     

基于一维多尺度深度残差网络的电能质量扰动分类

针对传统电能质量扰动识别和分类方法存在分类准确率低、泛化能力差、鲁棒性弱的问题,提出了一种基于深度学习的一维多尺度深度残差网络(1D-MDR)对电能质量扰动进行识别分类的方法。该方法首先引入多尺度熵对扰动信号进行预处理,有效地表征扰动信号的多尺度特征;然后将多尺度特征信号输入到基于自适应软阈值的深度残差网络中,对多尺度电能质量扰动信号进行特征提取并融合;最后,利用全连接网络实现电能质量扰动信号的分类。仿真实验表明,提出的方法能够自动、准确地进行特征提取,并进行有效的识别分类。通过对比实验,证明该方法具有更高的准确率。     

基于多尺度特征融合的改进型云图分割方法

为了解决现有云图语义分割任务中泛化能力差,边缘信息不敏感,容易发生误检、漏检的问题,提出基于SegNet的多尺度特征融合的云图分割方法。首先通过多尺度特征融合模块获取更多特征信息,同时通过高效通道注意力机制获取重要的边缘特征信息,采用改进的Transformer架构优化分割结果,然后提出改进的复合损失函数,以Dice损失函数作为Log＿Cosh损失函数的输入,与交叉熵损失函数和边界损失函数进行加权组合,最后将云图输入基于多尺度特征融合的改进型云图分割模型中分割。结果表明,与传统SegNet相比,该模型在云图分割任务中的准确率、精确率和平均交并比分别提升2.45%、2.38%、5.25%,可见改进方法具有更好的泛化和边缘检测效果。     

基于语义分割网络的 AGV 路径规划算法

针对基于栅格地图的路径规划技术在面对大地图、高分辨率地图的情况下,存在的规划速度慢、内存占用高的问题,提出一种基于语义网络的网络搜索算法。首先使用语义分割网络对栅格地图进行预采样,其次通过图像学膨胀拓宽最优路径形成最优路径范围,增强算法鲁棒性,最后利用语义网络的特征图指导搜索算法规划,加快了高分辨率栅格地图的路径规划的速度。实验仿真表明,网络搜索算法较传统搜索算法,时间平均缩短72.5%,遍历点数平均减少51.6%,路径长度平均延长0.73%,网络搜索算法可以有效加快路径搜索速度,减少内存占用。     

基于粒子群神经网络的细胞图像分割方法

为了更好地分割细胞图像,对传统的BP神经网络进行改进：首先将输入神经元设置为一个3×3窗口,以代替传统的单像素通道;其次采用一种基于信息熵的方法估计隐层神经元的个数;最后采用一种改进的PSO算法来保证网络权值收敛到最优。对血细胞和肠细胞的分割结果表明,本文方法得到的隐层神经元数大幅减少,误判率也优于BP与LM算法,耗时较BP算法少且近似接近LM算法。本文提出的估计隐层神经元的方法有效,且改进的PSO算法能够跳出误差函数局部极小点,收敛到全局最小点。     

基于改进 U-net 网络的液压管路分割方法

针对液压管路背景多变、管道弯折、管道重叠排布等复杂现象且现有图像分割方法对管路分割精度不高等问题,提出一种以U-net网络为基础,结合Mobilenetv3网络、SE注意力机制模块、自校正卷积模块的液压管路分割方法。该方法以Mobilenetv3-large模型作为骨干网络,结合LR-ASPP网络处理特征图;在解码过程中,融入SE注意力模块和SC自校正模块,提升了特征提取能力;最后采用Dice函数和BCE函数的组合来作为网络的损失函数,有效地提升了网络的收敛能力。实验结果表明本文提出的方法在交并比、像素精度指标上的均值分别达到90.8%、95.2%,且模型体积为16.9 M,推理每张图像所耗时间20 ms,可应用于需实时部署的场景,为液压管路渗漏的准确识别提供了基础。     

基于小波核相似度量函数的谱分割算法

由于高斯核的参数敏感性,导致在传统谱分割中往往无法识别图像数据的部分特征信息,图像分割准确率下降。为提高图像分割准确率,构建了一种基于小波函数的核相似度量函数,利用小波函数的多分辨率特性,对图像进行相似度量;证明了该核函数是可容许核,分析了该函数作为相似度量函数的可行性及其多分辨率分析特性;最后,提出了基于该小波核相似度量函数的谱分割算法。在Berkeley数据库的实验结果显示,该算法能够提高图像分割结果的精度,识别图像中的细节信息。     

基于形态学标记连通的分水岭图像分割

为了解决传统分水岭算法的过分割问题,本文提出一种基于H-minima标记连通的图像分割的分水岭算法.该算法首先利用形态学中的H-minima方法对预处理后的梯度图像进行初始标记,然后利用连通域标记的方法进行重标记,利用强制最小标定技术使极小值只出现在标定的位置,最后,对标记后的梯度图像进行分水岭算法的图像分割.实验结果...     

基于 Multi-WHFPN 与 SimAM 注意力机制的版面分割

作为OCR的预处理工作,版面分割技术越来越受到学术界和工业界重视。针对版面分割中遇到的检测速度慢、目标区域边界不准确以及细小目标易遗漏等问题,提出了YOLOv7-MSY模型。此模型首先借鉴残差连接思想,提出了Multi-WHFPN网络结构。它采用可训练的权重参数,突出特征融合过程中特征重要性,并添加了小目标检测头,从而提升对小目标的检测性能;其次,引入SimAM注意力机制,可以在不增加额外参数的基础上在3D维度评估特征权重,以增强重要特征,抑制无效特征;最后,使用YEIOU来代替原模型中的定位损失函数,提升了模型的收敛速度与回归精度。在江苏省档案馆提供的数据集上进行实验对比,YOLOv7-MSY对目标区域边界检测更加敏感,对细小目标的检测效果更好。YOLOv7-MSY的mAP@.5达到了0.871,相较于原YOLOv7模型提高了7.84%。该模型的版面分割的效果优于其他类型的版面分割算法,具有良好的泛化性能,并且版面分割速度处于较高水平。     

一种基于中值滤波的局部阈值分割算法

在实际的工业现场,光照环境无法非常均匀,在部分位置可能会出现目标区域与背景无法分割,这就给后期的BLOB分析带来了非常大的困难.针对这种光照不均匀、背景复杂的情况,提出了这种基于中值滤波的局部阈值分割算法.在得到原始图像之后,使用中值滤波得到一个大于原始图像宽度两倍的掩膜,再用原始图像与掩膜图像做差得到一个区域,最后选择一个合适的阈值对这个区域进行分水岭阈值分割,就可以得到期望的区域,为之后的连通性分析打下基础.通过在halcon中的实验结果可以说明,提出的算法优于全局Otsu分割算法和分水岭分割算法,更加适用于缺陷检测,字符识别等工业应用的现场.     

基于Shuffle-Unet的视网膜血管分割研究

针对传统视网膜血管分割算法检测速度慢,难以应用于实时医疗辅助诊断系统的问题,提出一种轻量型的基于Shuffle-Unet的视网膜血管分割模型。对轻量级模型ShuffleNetV2进行结构剪枝,剪除ShuffleNetV2结构上最后一层卷积层、全局池化层和全连接层,简化模型结构;将剪枝后的ShuffleNetV2作为模型的主干提取网络,降低模型的计算复杂度,提高模型的运行速度;使用随机通道分离操作模块搭建上采样模型结构,增强网络特征传递能力;使用注意力机制模块将模型的第一层特征层输出和上采样层相融合,分别从通道和空间两个维度上增强模型对有效特征的提取。通过DRIVE、CHASE_DB1两个公开数据集与其他视网膜血管分割算法进行对比,有效的证明了Shuffle-Unet模型具有高分割精度和高检测速度的特点。     

基于改进分水岭算法的菌落图像分割

随着计算机图像处理技术的快速发展,在菌落筛选环节上,传统的人工手动筛选已经逐渐被自动筛选仪器所替代。自动筛选仪器的核心是菌落图像识别模块,而菌落图像识别的关键在于图像分割技术,本文提出了一种改进的分水岭分割算法。该算法首先采用高斯滤波去除图像噪声,再对去噪后的图像进行形态学处理,然后进行倒角距离变换得到菌落距离图像,再采用形态学方法填补其空洞信息,接着对标记后的区域进行分水岭分割,最后利用区域合并算法聚集图像相似区域,从而得到最终的分割图像。采用本文提出的改进型分水岭算法进行菌落图像分割的准确率为93.4%,而传统的分水岭算法的分割准确率为75%,通过与传统分水岭对比实验的结果可以看出,改进后的算法较好地抑制了传统分水岭的过分割现象,极大提高了识别精度。     

基于遗传算法的图像阈值分割研究

主要论述了利用遗传算法进行图像阈值分割的实现方法,重点研究了最大熵和最大类间方差2种阈值分割方法.将通信电源配电屏开关图片作为研究对象,分别采用基于传统搜索算法和遗传算法的最大熵和最大类间方差法对其灰度图进行阈值分割,并应用Visual C 编程实现.实验结果表明,基于遗传算法的最大类间方差法的分割效果好,更好地满足了通信设备对远程视频监控与识别系统中图像分割实时性的需求.