支持向量机方法在热波检测图像分割中的应用

作为热波无损检测技术中的关键环节,热波图像分割对结构损伤的有效识别与准确评估具有重要影响。为克服红外热波图像背景噪声大,对比度低等因素对损伤识别的影响,提出了一种基于支持向量机的热波图像分割方法。该方法首先采用Wiener滤波对热波图像进行预处理,然后随机选取目标区域和背景区域内多个像素点的像素值组成目标向量与背景向量,对基于多项式核函数的支持向量机进行训练,最后将训练好的分类器应用于不同的热波图像,实现热波图像的分割。试验结果表明:该方法可有效克服热波图像背景噪声大的问题,较好地保留了缺陷区域分割的完整性;与基于硬阈值的图像分割方法相比,该方法能更好地抑制背景区域的噪声干扰,更有利于损伤的识别与评估。     

基于新型阈值选择方法的变电站红外图像分割

为增强电气设备红外热图像的视觉效果,对其运行状态进行准确检测,提出了一种新型阈值选择的图像分割方法。该方法首先对原始图像进行傅里叶滤波处理形成自动梯度图形,然后针对每种特定类型的目标图像,拟合具有N个相邻点的线性模型计算斜率差的变化趋势,在斜率差分布谷值中挑选适合不同类型故障区域的最佳阈值,最后通过形态学迭代腐蚀,将目标区域与噪声斑点分开,得到清晰的分割图像。该方法可监测各种类型故障,只需校准参数N和确定分割案例,其余部分自动处理。实验结果显示:该方法对目标区域分割的准确率为82%,误分率为0.0182%。通过使用不同类型的红外热故障图像进行测试对比,验证了所提方法的有效性和通用性。     

基于二维直方图和模糊熵准则的阈值化方法

图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视;阈值化法是图像分割的一种重要方法,在图像处理与识别中广为应用;针对图像分割中细节往往被忽略导致后续处理困难的问题,基于模糊关系和最大模糊熵原理提出了一种阈值化方法,对二维直方图进行模糊分割;为了获得图像分割中的细节,提出的方法根据最大熵原则自动确定模糊区域和门限,进而获得二维模糊熵和遗传算法最优解,最后获得图像细节;通过对不同灰度水平和颜色类型图像进行实验比较,实验结果表明提出的方法优于二维非模糊方法和一维模糊熵分割法,得到该方法在图像分割中获得细节的结论。     

基于形状特征的水声图像小目标识别方法

为了抑制背景噪声,提高目标识别准确率,该文提出一种基于形状特征的水声图像小目标识别方法。对含有目标的水声图像进行非局部均值去噪处理后,使用OTSU算法自适应选取阈值对去噪图像进行二值化分割,结合形态学处理获得分割后的目标区域;提取目标区域的矩形度、圆形度、几何不变矩等各项形状参数,将目标的特征向量输入随机森林分类器实现对目标形状的识别。在仿真和实测数据集上分别进行了实验,结果表明,该方法对水声图像中的目标具有较高的识别率,可以实现不同高斯噪声背景下的目标识别,相较于其他方法在识别率上有一定提高。     

一种高噪声显微图像分割方法研究

传统的图像分割算法在处理高噪声显微图像时,由于背景复杂,很难得到目标完整的区域轮廓。通过对不同图像分割算法的性能进行对比,提出了一种改进的二维最大熵阈值遗传算法结合数学形态学除噪分割的方法。首先用改进的二维最大熵阈值算法结合遗传算法对高噪声显微图像进行粗分割,除去图像中大量的背景噪声,然后运用数学形态学进行细分割,滤除剩余少量杂质和孔洞,提取出目标轮廓。实验结果表明改进的方法较传统分割方法具有更强的抗噪声能力及更快的处理速度,有效地实现了高噪声显微图像的除噪分割。     

基于图像局部区域梯度特征描述的红外人体识别算法

提出了一种新的红外图像中人体目标识别方案并进行了算法实现。通过直方图聚类分析对红外图像进行分割,根据二值化图像团块的特点,确定图像中的候选目标图像区域。将候选目标图像按比例划分为多个区域,使用梯度位置朝向直方图(GLOH,Gradient location-orientation histogram)对候选目标图像进行描述。与其它红外图像中人体识别算法相比,不需要多种特征提取算法组合进行分步骤识别,仅使用单个SVM分类器即可达到满意的识别率,避免了分类器的级联,算法简单有效。     

一种红外成像制导中的图像分割算法

红外成像制导导弹的图像分割是图像处理中的重点和难点之一。针对飞机目标红外图像的特点,提出了一种有利于目标特征点识别的图像分割算法。它首先采用区域填充的方法对图像进行分割,然后在此基础之上利用形态学原理对分割过程中产生的"洞"区域进行填充,最后得到比较精确的分割图像。对于实现红外成像制导导弹的稳定跟踪具有一定的应用价值。     

基于区域增长的图像跟踪算法的研究

为了提高序列图像的跟踪精度,提出了基于区域增长的特征量提取方法。这种方法可捕获图像中所有单连通域,并能准确地提取其特征量,然后依据所提取的特征量设计分类器,实现对图像中所有单连通域进行分类识别并加以跟踪的目的。此算法有效地解决了一般传统识别算法难以区分目标和其近邻区域的干扰,而导致跟踪目标特征量提取不准确的问题。在目标特征提取识别算法的基础上,还提出了阈值预测分割算法,并应用在序列图像的跟踪中,取得了较好效果。     

基于GSPN的飞机测试性指标确定方法研究

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割。该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果。实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

基于模糊阈值的自适应图像分割方法

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割;该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果;实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

贝叶斯概率图像自动分割研究

探讨了一种新的图像自动分割的方法。提出应用高斯有限混合模型与期望－极大化算法对图像特征空间的数据进行聚类，采用信息理论准则（ITC）确定要分割的图像区域数目，用贝叶斯概率分割图像。整合这些技术可以实现图像自动分割，而且实验结果表明信息理论准则可以确定适当的区域数目。     

分形维数海豚哨声信号检测方法

针对海豚哨声信号自动检测的问题,提出一种基于分形维数的自适应阈值海豚哨声信号检测方法。对待检测声信号计算盒分形维数,根据得到的盒分形维数特征值,通过模糊C均值聚类自适应确定检测阈值,实现海豚哨声信号的自动检测。文中对水池录制的海豚声信号进行了数据分析,利用哨声信号盒分形维数对哨声信号段与非信号段进行检测,并与基于谱熵的方法进行对比,获得了较高的检测率以及较低的虚警率,可以适用于海豚哨声信号的自动检测与分割。     

一种基于图像特征和神经网络的苹果图像分割算法

苹果识别是开发苹果采摘机器人的关键环节,利用图像处理技术和神经网络分类器探索苹果图像分割算法.从苹果树图片中选取苹果图像样本和背景网像样本.分别计算这两类图像样本的颜色特征和纹理特征.颜色特征的计算基于RGB色彩模型,纹理特征的计算基于灰度共生矩阵.选取适当的颜色特征(R/B值)和纹理特征(对比度值和相关性值)作为输入节点,利用反向传播神经网络分类器建模,输出值是一个O～1之间的计算值.通过阈值将输出结果分类为苹果或背景.试验结果表明,该算法正确率大于87.6%,对光照的影响不敏感,是一利较为实用的苹果分割算法.     

基于LBP和PCA机器学习的手势识别算法

为解决听力障碍者与无障碍者的信息交流问题,对哑语手势自动识别技术进行研究。提出了一种改进的手势识别算法。首先通过YUV肤色分割、图像差分、连通域检测等算法进行预处理,获取完整的手型区域图像。然后对手型的二值图像进行轮廓检测,采用LBP变换与主成分分析进行特征提取与压缩。最后运用支持向量机的机器学习算法构建分类器,对哑语手势进行分类识别。通过对630张手势图像进行实验,结果表明,提出的算法有效提高了识别率与速度,识别率达到94.22%,速度达到0.29s/幅,可以满足哑语交流的实时性要求。     

基于改进LVQ算法的肺结节识别与分类

目前,肺癌的是发病率最高的肿瘤,若能在早期发现癌变并进行相应治疗,将极大的提高患者的生存率。肺癌的症状在早期表现为肺结节。以提高肺结节检测识别率并进行良恶性分类为目的,提出了一种改进的LVQ分类器算法。首先使用C-V算法对原始图像进行肺实质分割,再使用最优阈值法进行感兴趣区域提取,并进行特征提取和特征归一化。使用多次聚类算法检测肺结节。使用基于改进的LVQ分类器进行肺结节的良恶性进行分类。利用改进后的LVQ分类器在LIDC数据集上进行实验,得到了对良性结节的确诊率为87.3%,对恶性结节的确诊率为80.8%。实验结果表明,改进后的算法在良恶性结节分类上具有较高的确诊率,有助于提高医生的工作效率,实现肺结节的辅助发现。     

Hybrid segmentation of left ventricle in cardiac MRI using gaussian-mixture model and region restricted dynamic programming

Segmentation of the left ventricle from cardiac magnetic resonance images (MRI) is very important to quantitatively analyze global and regional cardiac function. The aim of this study is to develop a novel and robust algorithm which can improve the accuracy of automatic left ventricle segmentation on short-axis cardiac MRI. The database used in this study consists of three data sets obtained from the Sunnybrook Health Sciences Centre. Each data set contains 15 cases (4 ischemic heart failures, 4 non-ischemic heart failures, 4 left ventricle (LV) hypertrophies and 3 normal cases). Three key techniques are developed in this segmentation algorithm: (1) ray scanning approach is designed for segmentation of images with left ventricular outflow tract (LVOT), (2) a region restricted technique is employed for epicardial contour extraction, and (3) an edge map with non-maxima gradient suppression approach is put forward to improve the dynamic programming to derive the epicardial boundary. The validation experiments were performed on a pool of data sets of 45 cases. For both endo- and epi-cardial contours of our results, percentage of good contours is about 91%, the average perpendicular distance is about 2 mm. The overlapping dice metric is about 0.92. The regression and determination coefficient between the experts and our proposed method on the ejection fraction (EF) is 1.01 and 0.9375, respectively; they are 0.9 and 0.8245 for LV mass. The proposed segmentation method shows the better performance and is very promising in improving the accuracy of computer-aided diagnosis systems in cardiovascular diseases.     

结合区域提取和改进卷积神经网络的水下小目标检测

针对水下小目标信息量有限而难以提取有效特征导致的检测性能不佳问题,提出了一种结合区域提取和融合Hu矩特征的改进卷积神经网络水下小目标检测方法。该方法包含区域提取和分类两个步骤。首先以马尔可夫随机场分割算法为基础进行区域提取,对潜在目标定位的同时降低伪目标对后续分类的干扰;然后提取潜在目标区域的Hu矩特征并融入卷积神经网络,形成一种形状特征表征能力更强的改进卷积神经网络用于分类。声呐实测数据处理结果表明,该方法可以有效提升对水下小目标的发现概率和正确报警率,与其他目标检测方法相比,该方法具有更好的检测性能和泛化性。     

基于斑马鱼图像特征的鱼群检测算法北大核心CSCD

计算机视觉方法越来越多地应用于斑马鱼的群体行为研究;但是,由于斑马鱼游动过程形体变化大,遮挡多,准确与鲁棒地检测出斑马鱼仍然是一件非常具有挑战性的问题。为了解决该问题,提出一种基于斑马鱼图像特征的鱼群检测算法。首先通过分析目标特性,提出使用鱼头和鱼尾替代全鱼的检测方法,解决了传统整鱼检测在鱼群交叉遮挡时失效的难题;然后基于斑马鱼图像特征自动构建训练集,避免了深度学习手动标注的费时费力问题。通过对实际斑马鱼视频进行处理验证,与现有的算法相比,本文提出的方法在标注率、召回率(recall,R)与遮挡检测率(occlusion detection rate,ODR)等性能指标上有更好的实验效果。其中,在标注性能方面,本文提出的自动标注方法在总标注率上达到87.40%;在训练集效果方面,本文自动标注算法结合人工校正在标注时间上相比于人工标注方法减少93.11%,均值平均精度(mean average precision,mAP)达到79.80%;在目标检测方面,在目标遮挡率为42.72%的情况下,本文检测算法能够获得82.0%的召回率及58.02%的遮挡检测率。     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

基于深度学习的铸件X射线图像分割研究

针对当前图像分割算法在实现工业铸件内部缺陷分割上精度低且算法不够轻量化的问题,提出一种基于改进DeepLabv3+的工业铸件内部缺陷检测算法Effi-DeepLab。该方法采用EfficientNet中的MBConv来代替原有的Xception模块进行特征提取,使特征提取网络更加高效与轻量化;针对工业铸件内部缺陷尺寸小的问题,重新设计空洞空间金字塔池化（ASPP）层中空洞卷积的扩张率,使得卷积块对小目标具有更高的鲁棒性;在解码端充分利用特征提取阶段的低阶语义信息进行多尺度特征融合,以提高小目标缺陷分割的精度。实验结果表明,在本文使用的汽车轮毂内部缺陷图像数据集中,Effi-DeepLab模型对缺陷的分割准确率和平均交并比（mIoU）分别为93.58%和89.39%,相比DeepLabv3+分别提升了2.65%和2.24%,具有更好的分割效果;此外,还通过实验验证了本文提出算法具有良好的泛化性。