一种新的图像超像素分割方法

针对现有超像素分割方法无法自动确定合适的超像素数目,以及难以有效贴合图像目标边界等问题,该文提出一种新的利用局部信息进行多层级简单线性迭代聚类的图像超像素分割方法。首先,运用基于局部信息的简单线性迭代聚类(LI-SLIC)对原始图像进行超像素初分割,然后,根据超像素的色彩标准差对其进行自适应多层级迭代分割,直至每个超像素块的色彩标准差小于预设阈值,最后,利用相邻超像素间的色彩差异对过分割的超像素进行合并。为验证方法的有效性,该文采用Berkeley, Pascal VOC和3Dircadb公共数据库作为实验数据集,并与其他多种超像素分割方法进行了比较。实验结果表明,该文提出的超像素分割方法能更精确贴合图像目标边界,有效抑制图像过分割和欠分割。

     

基于级联Dense-UNet和图割的肝脏肿瘤自动分割

腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难,该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域,然后利用图像像素级和区域级特征,分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型,并将其融入图割能量函数,进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验,并与现有多种自动分割方法进行了比较。结果表明,提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤,能提取更精确的肿瘤边界,尤其对于对比度低、边界模糊的肿瘤具有明显优势。     

基于自适应局部增强的手机TFT-LCD屏Mura缺陷自动检测

针对手机屏幕图像整体亮度不均以及Mura缺陷对比度低等特点,提出一种基于自适应局部增强的Mura缺陷自动在线检测方法。首先对CCD相机采集的手机屏幕原始图像进行感兴趣区域提取、几何校正、滤波等预处理,获取图像中的屏幕区域,然后将屏幕区域划分为多个不重叠的像素块,并根据每个像素块的灰度分布特征,采用自适应局部增强算法自动识别并定位图像中的Mura区域,最后考虑到Mura缺陷大小的不确定,提出采用多层级分块的方式对屏幕区域进行检测,提高算法鲁棒性。实验结果表明,相较现有多种屏幕缺陷自动检测算法,本文方法能更准确有效地识别手机屏幕中的Mura缺陷,且覆盖率和误检率分别为91.17%和5.84%。     

一种新的视网膜血管图像增强方法

提出了一种基于多尺度顶-帽变换和直方图拟合拉伸的视网膜血管图像增强方法。首先,应用多尺度顶-帽变换提取不同尺度下的图像亮、暗特征,并从中选择最优的特征对图像进行初步增强。然后,结合视网膜血管图像的灰度直方图分布特性,对初步增强结果进行直方图高斯曲线拟合线性拉伸。为验证方法的有效性,以Drive眼底图像数据库为实验对象,并与其它多种增强算法进行了比较。实验结果表明,相比其它算法,本文方法能够更加有效地提高图像的对比度,并在细节上有很好的增强效果。     

高精度小视野TFT-LCD图像异物缺陷自动分割

为了精确分割TFT-LCD异物缺陷,准确计算缺陷尺寸,满足TFT-LCD工业生产中对异物缺陷检测的需求,提出一种面向高精度小视野TFT-LCD图像的异物缺陷高精度自动分割方法。首先,根据屏幕像素的空间分布规律,考虑缺陷的尺寸变化,采用基于空间信息多尺度显著性的缺陷提取方法,自动获得图像中的缺陷区域。然后,结合缺陷与屏幕像素间隙的空间分布关系,找到被像素间隙截断的对应缺陷块组。最后,利用局部凸包拟合算法对缺陷区域进行连通,实现对异物缺陷的自动分割。实验结果证明,所提方法能较精确地分割异物缺陷,精确率和召回率分别为95.36%和93.34%,且尺寸计算正确率为96.5%,基本满足工业生产中TFT-LCD异物缺陷尺寸计算的稳定可靠、高精度、高准确性等要求。     

基于图割和边缘行进的肝脏CT序列图像分割

提出一种新的基于图割和边缘行进的腹部CT序列图像肝脏分割方法。首先,针对输入序列的数据特征,建立肝脏亮度和外观模型,突出肝脏区域抑制非肝脏区域;然后,将肝脏亮度、外观模型以及相邻切片之间的位置信息有效融入图割能量函数,实现CT序列肝脏的自动初步分割;最后,针对血管欠分割问题,提出了一种基于边缘行进的结果优化方法。通过对XHCSU14和SLIVER07数据库提供的30个病人肝脏序列的分割实验,以及与其他多种肝脏分割方法的比较,表明该方法能完整有效地分割肝脏,准确性高,鲁棒性强。     

基于雾线和颜色衰减先验的图像去雾方法

针对现有图像去雾方法易产生的颜色过饱和、细节丢失、伪影等问题，提出了一种基于雾线和颜色衰减先验的去雾方法。首先，利用雾线先验和霍夫投票估计大气光。然后，根据颜色衰减先验建立关于场景深度的非线性模型，获取准确的透射率。最后，通过对大气散射模型进行反向求解去除图像中的雾霾干扰，获得细节丰富的去雾图像。在RESIDE公共数据集上进行了实验，并与多种现有方法进行了比较。实验结果表明，所提方法可有效去除图像中的雾霾干扰，获得清晰自然的去雾图像，且其时间和空间效率均优于其他方法。