基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

植物叶片点云三角剖分与分割的集成算法

对植物叶片点云进行三角剖分是使点云构成结构合理的三角网格,便于对植物叶片形态进行描述。对传统的基于区域生长的三角剖分算法进行改进,在三角剖分的同时对不连续点云进行分割;并在三角剖分的基础上对点云内部孔洞进行分析、修复。利用该算法对含有大量离群点的植物叶片点云进行三角剖分处理,结果表明,所提出的算法在完成点云三角剖分和分割的同时剔除了离群点的干扰,提取得到的点云边界及内部孔洞的修复,能满足植物建模中叶片重构的要求;该方法同时也对不连续物体表面的重构建模提供了有意义的参考。     

基于粗集与FCM的快速图像分割的改进方法

借鉴神经网络里面竞争学习的思路,通过引入一个抑制因子,来提高最大隶属度的值,对应减小其它隶属度的值,以便达到更快的分类速度,同时实现既突出主要因素,又抑制次要因素的目的。提出了基于粗集与FCM的快速图像分割的改进方法。实验结果表明,该快速图像分割方法,对于被噪声污染的图像有较好的分割性能,粗集理论在处理不确定性信息方面有着独特的方式和相关信息提取能力,以及和其他智能方法的易融合性,使得粗糙集理论在图像处理领域有良好的应用前景。     

基于多尺度分析及图论归一化割的矿岩颗粒图像分割及应用

为了克服矿岩颗粒图像分割中的欠分割和过分割现象,基于矿岩颗粒图像的特性, 提出了一种结合多尺度分析与图论的矿岩颗粒图象分割算法。该算法首先利用图像多尺度变换缩小图像,以去噪和减少数据量,再利用改进的图论归一化割(Normalized Cut)算法来分割矿岩颗粒图像。对多种类型的矿岩颗粒图像进行了分割实验,并与阈值、分水岭,聚类分析及FCM等常用的分割方法进行了比较。实验结果证明:研究的算法对岩石颗粒图像具有优于其它分割算法的效果;新算法应用到了大型露天矿的爆堆中的岩石块度测量与分析, 效果令人满意。     

Segmentation of the image with multi-visual features for a traffic scene

Scene segmentations based on the pixel classifying calculation are complicated, and they use insufficient features, thus resulting in a low accuracy, so a new model is proposed to overcome these shortcomings,which is to learn these geometric classes based on multi-visual features of super-pixels. First, various features are extracted from the super-pixels of an input image. These features are used for classifying the super-pixels. Then the difference between the adjacent super-pixels is calculated to predict their consistency. The initial classification result and the consistency are synthesized to the Markov Random Field energy function, which is then minimized based on the graph-cuts algorithm to get the final labels of the super-pixels. Experimental results prove the effectiveness of the multi-visual features and the optimization method proposed, with superior performance achieved for traffic scenes.     

Unsupervised SAR image segmentation using TMF and belief propagation

To solve the problem that the traditional statistical inference approach for the triplet Markov fields (TMF) model cannot balance segmentation accuracy and computational efficiency, an efficient statistical inference approach for the TMF model using belief propagation is proposed, and then applied to unsupervised synthetic aperture radar (SAR) image segmentation. The algorithm combines the TMF model and the statistical property of the SAR image, and translates the segmentation problem into maximization of the posterior marginal (MPM) estimation. For the two label fields in TMF, the belief propagation algorithm is generalized to the bivariate case to estimate the joint posterior marginal probability of the two label fields through message passing. The two label fields can be simultaneously estimated according to the MPM criterion. Experiments on both simulated and real SAR images demonstrate that the proposed algorithm can efficiently suppress the influence of the speckle, and obtain accurate segmentation results with a reasonable computational cost.     

多维度动态增强核磁共振乳房区域全自动分割

提出了一种基于乳房水平面与乳房矢状面相结合的多维度DCE-MRI乳房图像全自动分割方法。方法分为3部分,即基于乳房水平面的分割,基于乳房矢状面的分割,以及水平面与矢状面相结合的分割方法。首先,基于水平面的分割方法通过阈值确定乳房外边缘,经过梯度算法后,根据乳房与胸大肌分界面的特点设定约束条件,得到分界面的分割曲线。其次,基于乳房矢状面的分割方法使用双边滤波、边缘提取法对图像预处理,分区计算分割曲线。最后,矢状面的分割结果根据图像三维大小按比例映射到水平面上,将两者的分割结果结合,然后根据相邻图像之间的相关性,从而进行优化,输出分割结果。通过对24例DCE-MRI病例测试,与手动分割得到的结果对比,平均重叠率为93．33％,平均差异度为8．14％。     

基于灰度化权值调整的水下彩色图像分割

针对传统自适应阈值法在水下图像分割过程中存在目标与背景粘连等问题,提出一种基于灰度化权值调整的水下彩色图像分割方法。区别于传统阈值分割方法中灰度化权值固定且研究如何确定合适阈值的思路,研究灰度化权值调整方法。本文方法利用统计得到的图像灰度信息来确定不同通道内目标与背景间灰度级差异性的大小,提高差异性较大通道的比例,以增强灰度化后图像中目标与背景的对比度,同时减小差异性较小通道的比例,以降低其对灰度化结果的干扰,对灰度化后的图像进行阈值分割得到最终分割结果。针对水下作业的时序列图像,设计了两步序列图像处理方式来降低耗时。通过4组水下对比实验以及耗时实验对方法的有效性进行了验证。     

基于马尔可夫随机场的非监督声呐图像分割方法

针对声呐图像的特点,提出了一种新的基于马尔可夫随机场(MRF)的非监督声呐图像自动分割方法。研究发现,声呐图像混响区基本上都服从高斯分布,然而,其直方图离散化的分布效果不利于图像的自动分割,因此,通过一种快速有效的高斯金字塔模型对声呐图像进行预处理,使得处理后的声呐图像的海底混响区直方图服从高斯分布。在此基础上提出了一个能够自动确定声呐图像分类个数的模型,并通过该模型结合一种局部能量极值化的方法对马尔科夫模型的初始化参数进行估计,从而形成一种完全自动的声呐图像分割模型。最后,利用该模型对声呐图像数据进行了分割实验,并和其他典型的分割算法进行了比较,验证了该方法的有效性及快速性。     

基于图割的扩散张量磁共振图像胼胝体分割算法

扩散张量磁共振成像过程易因噪声导致扩散张量图像(diffusion tensor images,DTI)的体素数据发生畸变,使分割效果不佳.针对该问题,提出了一种基于图割的DTI胼胝体分割算法,该算法在求解能量函数的过程中,用非种子点与作为硬约束条件的种子点之间的J-散度中位数表示T-连接权值,用取值范围在(0,1]之间的单调递减指数函数表示N-连接权值,同时构造网格图结构,用最大流/最小切算法计算最小切,实现图像的全局最优二值化分割.DTI图像的分割实验结果表明:所提算法能更为准确地从受噪声影响的数据中提取出胼胝体,各参数不同取值时的重叠率指标统计分析也证明了新算法具有较高的分割精度.