基于空洞U-Net网络的乳腺细胞图像分割算法

乳腺细胞的准确分割是乳腺组织切片图像病理分析的关键环节,对乳腺癌的诊治具有重要价值.针对乳腺细胞图像分割中细胞边界不清晰、分割准确率低的问题,提出一种基于空洞U-Net网络的乳腺细胞图像分割算法.在U-Net网络中引入空洞卷积增大卷积层感受野,获得包含更多乳腺细胞边缘信息的特征图,在卷积层和池化层间增加实例归一化层,提...     

基于分水岭算法的电感激光热成像图像分割

激光热成像是一种检测电感微裂纹的新方法,但批量自动检测时电感彼此靠近易导致定位错误和误检.根据激光扫描和热成像检测过程分析图像特征,提出求取温度梯度图并利用次大值滤波消除其激励非均匀性,采用形态学操作断开样品粘连处并去除干扰噪声点;通过距离变换结合分水岭算法得到电感图像分割结果.实验结果表明:该方法实现了对批量铁氧体电...     

改进暗通道窗口与透射率修正的图像去雾

雾霾天气下,航拍设备无法准确获取图像信息,为解决此问题,提出一种改进暗通道窗口与透射率修正的图像去雾算法。首先,用超像素分割有雾图像得到景深一致的局部窗口,在每个窗口内计算暗通道,同时根据大气光特性结合超像素进行大气光估计;然后,通过引导滤波细化透射率,并建立自适应容差机制来修正图像明亮区域的透射率;最后,反演大气散射模型还原清晰图像。实验结果证明,该算法所得结果图像细节清晰、颜色自然,且能处理多类雾天图像,鲁棒性更好,与经典算法相比具有显著优势。     

改进的Mean Shift分割算法在安全区域识别中的研究

为了提高在监控视频下进行安全区域识别的快速性及准确性,文中研究并提出了一种改进的Mean Shift(均值漂移)分割算法.首先简要介绍了小波变换与均值漂移分割算法的理论基础,再将二者融合后改进算法的计算转换到一个新的特征空间中进行,并将其应用于安全区域识别中,最后分别在纯净背景和复杂背景下进行安全区域识别对比实验.实验...     

突发公共事件中的网络舆论场建设与引导策略研究

网络平台的技术更迭与进步推动内容多元发展.在面对重大突发公共事件与社会危机事件时,网络舆论场往往反应最为迅速且震荡明显,新的媒介技术推动网民情绪发酵与表达,面对风云变幻的国际舆论环境,政治力量和专业话语彼此抗衡,对社会稳定产生直接影响.因此,我们需要对突发公共事件中的网络舆论场进行科学地建设和引导,发挥媒介技术的优势,...     

一种基于Verilog HDL的OBS汇聚模块的实现方案

对光突发交换(OBS)网络的边缘节点进行了研究,给出了一种新型的OBS边缘节点汇聚模块的实现方案.与以往基于软件仿真的方法不同,该方案以FPGA芯片EP2C20Q240C8为平台,采用Verilog HDL语言编写实现.时序分析结果显示:该汇聚模块能够实现两种基本的汇聚算法(FAP和FBL),同时占用芯片资源和时延情况分析结果也能满足OBS网络的传输需求.     

一种基于CA-Net的脑肿瘤磁共振图像分割算法

磁共振影像是脑肿瘤疾病中常用的诊断工具,临床上的量化分析需要对影像结果进行分割得到肿瘤区域,但手动分割十分耗时且高度依赖于医生的临床经验。为此,本文提出一种基于深度学习的脑磁共振图像分割算法,解决了原网络无法有效提取关键特征的问题。该算法使用改进的有限对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization, CHALE)算法,对脑肿瘤磁共振影像进行图像增强后,将结果输入CA-Net网络对数据集初步分割,并将全注意力算法和U-net骨架结构结合(包括空间、通道和尺度注意力模块),实现对不同尺度的空间和通道的特征转换连接。模型应用混合损失函数提高分割精度。初步分割的结果可通过后处理进一步提高精度,得到最终的肿瘤区域。初步分割结果中,Dice指标可以达到88.40(±0.24)%,结合图像处理提高至89.21(±0.36)%,分割精度相较于其它算法有明显提高。     

基于编码解码结构的微血管减压图像实时语义分割

针对真彩色微血管减压图像实时语义分割网络参数量大、语义分割精度低的问题,本文提出了一种适用于微血管减压场景的U型轻量级快速语义分割网络U-MVDNet (U-Shaped Microvascular Decompression Network),该网络由编码解码结构构成。在编码器中设计了轻型非对称瓶颈模块(LABM)对上下文特征进行编码,解码器中引入了特征融合模块(FFM),有效组合高级语义特征和低级空间细节。实验结果表明：对于微血管减压测试集,U-MVDNet在单NVIDIA GTX 2080Ti上的参数量只有0.66 M,平均交并比(mIoU)达到了76.29%,速度达到140 frame/s,且当输入图像尺寸为640×480时,U-MVDNet在嵌入式平台NVIDIA Jetson AGX Xavier上实现了实时(24 frame/s)语义分割。本文方法未使用任何的预训练模型,参数量少且推理速度快,语义分割性能优于其他对比方法,在分割精度和速度上做到了良好的平衡。同时,还可以方便地在嵌入式平台上开发和应用,性能优越,易于部署。     

基于渐进阈值分割的多云背景目标检测研究

本文以目标检测为主要研究对象,着重从渐进阈值分割算法的角度,对多云背景下的目标检测进行了研究和分析。目标检测从本质上来说是一种物体识别技术,计算机网络和信息技术的发展,为现阶段各个行业和领域应用的目标检测提供了检测算法这一有效的工具。检测算法能够通过构建模型的方式,借助图像分类和深度学习等算法技术来满足对目标物体进行检测的要求。