基于Faster-RCNN和Level-Set的桥小脑角区肿瘤自动精准分割

桥小脑角区（CPA）肿瘤的精准分割在手术治疗、放疗中有重要影响,本文结合更快速区域卷积神经网络（Faster-RCNN）和水平集（Level-Set）方法对CPA肿瘤的自动分割进行了研究.首先,采集317名CPA肿瘤患者的T₁WI-SE序列磁共振图像,使用基于Faster-RCNN主干网络VGG16提取特征,结合区域建议网络（RPN）进行学习训练,建立带有CPA肿瘤位置信息的定位模型,再应用Level-Set对肿瘤进行精准分割.本文对比了不同CPA肿瘤区域勾画范围对分割结果产生的影响,并以精确率、召回率、均值平均精度值（mAP）和戴斯系数（Dice系数）等指标评估了模型定位和分割的性能.实验结果表明,结合Faster-RCNN和Level-Set建立的模型能更有效对CPA肿瘤进行精准分割,减轻临床医生的负担,并提升治疗效果.     

基于改进U-Net的量子点STM图像分割

为提升量子点图像分割精度,降低特征识别误差,提出一种基于改进U-Net的量子点图像分割方法.首先,在预处理阶段,设计了以色彩通道为权值的灰度化算法,以提升后续分割效果.其次,在STM图像分割部分,在原始U-Net结构上引入中间过渡层以均衡网络各层特征.而后,建立数据集,并通过实验对比不同分割算法的精确度、召回率、F-measure.最后,将分割算法应用于量子点的特征识别,并测试了不同分割方式对应用的影响.实验结果显示,改进灰度化方法保留细节信息丰富,明显提升了量子点分割精度;改进U-Net的平均精确率、召回率、F-measure相较原始网络分别提升了13.83%、2.16%、8.13%.同时,实验数据表明由于分割精度的提升,量子点数量、纵横比等特征参数的识别更加精确.     

基于数学形态学的表面原子熔融相的 STM图像识别算法

高温扫描隧道显微镜(HT-STM)可以实时原位地捕捉到表面原子的熔化相变过程.在这一原位变温实验中,快速可靠地识别出每帧STM图像中的熔融相十分关键.传统的手工统计方法存在效率低下、随意性大等问题.我们发展出一套基于数学形态学的算法,来自动快速地识别.与人工方法相比,该算法消除了人为主观误差,使确定的边界更加准确、光滑,处理效率提高了266倍.     

TTS语音单元边界的自动切分

语音单元边界的准确切分对基于波形拼接的语音合成系统至关重要。文章采用了两步切分方法，第一步中先由基于HMM模型的强制对齐方法得到初始的边界．在第二步中提出用基于前后音素的边界模型来修正初始边界。为解决训练数据不足的问题，提出用分类与衰退树将前后因素发音相近的边界模型进行聚类。这样可以根据训练数据的多少，动态调节边界模型的数目，以保证模型训练的可靠性。在对中文语音库的实验中，自动切分的准确度由78．7％提高到91．5％。     

Designing an adaptive approach for segmenting non-stationary signals

Signal analysis tools such as Fourier transform are often applicable on data with a limited length. Segmentation is an important pre-processing step in many signal processing applications. Statistical characteristics of the signal in a segment are often preferred to be similar. This characteristic, stationarity, improves performance of signal analysis technique. This article develops an adaptive segmentation method based on wavelet transform and fractal dimension from two aspects. One is to use discrete stationary wavelet transform in pre-processing step instead of using classical wavelet transform. The other is to choose the optimal parameters. Two parameters are needed to calculate the fractal dimension of a decomposed signal, window length and percentage overlapping of the successive windows, which affect the performance of the proposed approach. These parameters are optimally set using the particle swarm optimisation algorithm. Performance of the proposed method is compared with three other existing segmentation methods using both synthetic signal and real data. The results indicate the superiority of the proposed technique in terms of accuracy compared to existing methods.     

复杂背景下的车牌自动分割方法

车牌分割是汽车牌照自动识别的基础。本文针对含有车牌的灰度图像，利用车牌字符具有明显垂直纹理的特征．提出了一种适合字符纹理特征的边缘检测方法，获取垂直边缘图。根据车牌固有的特征，运用改进的投影算法确定车牌区域。文中详细给出了车牌分割步骤。实验结果表明，在复杂的背景下，该方法能够快速有效地实现车牌自动分割。     

基于图论阈值算法的图像分割研究

为了提高阈值分割图像的质量,提出了采用图论阈值算法。首先,构造图论和图像的映射函数关系,每个顶点通过点来映射,每条边通过线来映射。用基于区域属性的图像边缘决策表,不同像素点或不同组像素点之间的灰度特征差作为权重系数,通过基于决策属性权重来构造像素联系图;然后,采用聚类法计算像素到目标类和背景类的相似程度,最小生成树策略解决伪割集问题;最后,给出图像阈值设定以及算法流程。实验仿真表明,本文算法的分割图像效果清晰,消除了图像分割中存在的过合并和欠合并现象,本文算法的信息熵为28.780 3bit,处理时间为1.454 3s。满足分割结果中对执行时间少、信息含量大等要求。     

客观的图象质量测度及其在分割评价中的应用

图象分割是图象分析中的关健步骤。对图象分割的评价是研究分割技术性能的有效手段,其中分割质量测度起着重要作用。本文介绍一类新的客观质量测度并对其性能进行了比较研究。另外为了验证新测度的有效性,本文提出了一种比较合理全面的分割技术分类法。在此基础上选取各类技术中有代表性的算法借助新的质量测度进行了实际评价比较并取得了有意义的结果。     

一种基于MRI图像的脑肿瘤组合分割法

从模糊的MRI脑肿瘤的图像中准确找出肿瘤,供医学临床使用。分别采用了2种分割方法：一种是改进的阈值方法,即在进行最大方差阈值法之前首先采用手动阈值法;另一种是采用圆形结构元素作为种子的形态学分割方法。这2种方法均实现了从低对比度MRI脑图像提取目标的要求。灵活使用阈值法和形态学分割方法与医学图像中,具有一定的临床实用价值。     

基于医学图像分割的半自动ROI提取

针对当前ROI提取方法,提出了一种基于图像分割的半自动ROI提取算法,一方面保证提取出的ROI是有意义的对象,另一方面人为指定因素更小,对ROI提取的智能性有较大提高。在图像分割中提出一种基于改进的分水岭算法的医学图像分割方法,引入了浮点活动图像代替梯度图像进行分水岭变换,使分割结果边缘定位更准确,在分水岭变换之后,提出基于面积和对比度控制的合并小区域准则,可得到更好的分割效果。