基于快速最小距离树的肝脏图像非刚性配准

为精确诊疗肝脏疾病,针对CT肝脏图像中呈现出与相邻器官灰度值相似、边界不清晰,仅靠灰度水平法难获得理想的分割结果的问题,采用快速最小距离树度量多维特征,构造了Renyiα-entropy能量函数,成功完成了atlas和待分割图像之间的非刚性配准,实现了肝脏的自动精准分割.该方法的分割精度较传统互信息法明显提高,较传统Prim算法分割速度更快.     

基于小波变换的卫星遥感图像融合与分割

近年来针对卫星云图的分析成为研究人员进行天气预报及判断大气走势的重要途径.卫星云图本身是包含着众多数据的数据源之一,是探测地表-大气系统的可靠依据.本文利用卫星云图的云层信息和水汽图的水汽信息,采用小波变换的方式对二者图像进行融合处理,使得一幅图像中既包含云层信息也包含水汽信息,并且在融合之后的基础上进行图像分割,实现云层、陆地、海洋的分离,便于下一步对特征提取的研究.     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。     

基于深度CRF模型的图像语义分割方法

从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割。与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0%和91.7%,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度。     

混凝土湿喷台车臂架振动模态分析

以国内某公司喷浆台车SPTC25为研究对象,首先利用陀螺仪和加速度传感器在施工现场进行动力学测试,采集到关于臂架在实际施工时的角速度和加速度的时间历程曲线。然后通过数据处理和分析计算,得到臂架在仰俯工况下的振动频率和振幅,分别为1.18 Hz和0.092 m,回转工况下的振动频率和振幅分别为0.98 Hz和0.073 m。其次,对湿喷台车臂架建立了准确的有限元模型,并且进行了模态仿真分析,得到前三阶模态的固有频率和振型。结合隧道施工时的实际操作数据统计,最终得出结论,臂架在施工过程中长时间处于共振状态,使得振幅过大,这是臂架疲劳开裂的主要原因,也为后续湿喷台车臂架的研发和优化提供了新的分析思路。     

基于免疫遗传算法的道路交通标志图像分割

针对道路交通标志图像分割的问题,提出了一种基于免疫遗传算法的实现方法。该算法利用免疫遗传机制,将图像的最佳阈值作为要求的解,设计了适合问题求解的抗体编码方式、克隆算子和免疫选择算子。仿真实验结果表明,所提算法能够有效地求得道路交通标志问题的最佳阈值。通过与传统遗传算法、改进遗传算法进行对比实验,更好地说明了本算法能够对图像分割得到较为满意的结果。     

基于凸包计算和颜色特征的显著性检测算法

针对传统的显著性检测算法存在区域亮度不够、显著区域不准确、有背景噪声等问题,提出一种基于凸包计算和颜色特征的显著性检测算法.考虑到图像在不同的颜色空间中颜色取值范围不同,首先,在多种颜色空间经过超像素分割得到区域对比图;然后,在CIELAB颜色空间中得到平滑的通道差值图;其次,利用颜色增强的Harris形成凸包得到中心先验图以及凸包结构图;最后,将4种显著图特征融合并优化得到最终显著图.新算法更加接近人工标注图的结果,不仅能够从背景中分离出显著物体、抑制背景干扰和凸出显著区域,而且获得全分辨率的显著图.在公开的图像数据集上将新算法与其他现有8种显著性检测算法进行对比,实验结果表明,新算法优于其他算法.     

DODNet：一种扩张卷积优化的图像语义分割模型

本文在DeepLab-V2模型的基础上提出了一种扩张卷积优化的图像语义分割模型:DODNet.在DODNet中,本文采用多混洗块扩张卷积(MSDC)替换ResNet-101中的扩张卷积,通过通道混合(ChannelShuffle)为每个特征点添加相邻特征点的部分通道(channel)信息,缓解了连续级联扩张卷积带来的网格化效应;同时,本文采用Vortex-Conv模块替换掉空洞空间金字塔池化(ASPP),以增加扩张卷积对感受野信息的利用,通过像素点周围局部信息的有效融合,获取了更精确的分割结果.本文在PASCAL VOC12数据集上对算法模型进行了训练和验证.实验结果表明,DODNet模型相比DeepLab-V2模型获得了4.23%的分割精度提升,同时模型参数量减少了11.2M,计算量降低了12.2B.并且与DeepLab-V3相比,DODNet模型也获得了0.32%的分割精度提升,以及7.1M的参数量和7.7B计算量的下降.     

区域市场一体化的含义及其影响因素浅析

深入分析了区域市场一体化的含义及其表现形式,探讨了导致区域市场分割形成的原因,提出了促进区域经济一体化的政策建议。     

基于U-Net改进的青光眼眼底图像诊断算法

青光眼是造成不可逆性失明的主要原因之一,患病早期无明显症状,容易错失最佳治疗时间。因此,青光眼的早期诊断具有重要临床意义。杯盘比是临床上用于青光眼诊断的重要指标之一,大都由医生人工测量和计算,容易受到主观因素影响且费时费力。为解决此问题,提出了一种基于U-Net改进的眼底图像视盘视杯分割算法,采用固定卷积核数提出少量关键特征。实验表明,所提算法不仅保证了高质量的分割效果,并且具有训练时间少、参数量小、加轻量化的特点,改进后算法有助于青光眼早期筛查智能化应用的推广。