分享到:

图像分割出新方法

近日,华中科技大学硕士生黄钊金作为第一作者完成研究成果Mask Scoring R-CNN,在COCO图像实例分割任务上超越了何恺明(首获CVPR“最佳论文奖”的中国学者)的Mask R-CNN,拿下了计算机视觉顶会CVPR 2019的口头报告。该成果从5000多篇投稿中脱颖而出,成为最顶尖的5.6%。$$黄钊金师从华中科技大学电信学院副教授王兴刚,王兴刚也是这篇论文的作者之一。目前,相关算法已经开源。$$什么是Mask R-CNN?它其实是一种简洁、灵活的实例分割框架。2017年,计算机研究者何恺明凭借Mask R-CNN的研究成果拿下ICCV 2017最佳论文奖。$$与何恺明的研究成果相比,黄钊金的Mask Scoring R-CNN在性能上有什么优越性呢?在论文中,研究人员提出了一种给算法的“实例分割假设”打分的新方法。这个分数打得是否准确,会影响实例分割模型的性能。$$这些模型在实例分割任务里,虽然输出结果是一个蒙版,但...  (本文共1页) 阅读全文>>

安徽大学
安徽大学

基于模糊集与水平集的医学图像自动分割算法研究

医学图像分割是图像分割的一个较早应用领域,是医学图像分析环节的关键技术,也是临床医学应用中的重点与难点,并在影像医学中发挥着越来越重要的作用。所谓医学图像分割就是利用先进的计算机技术将医学图像中的肿瘤、脑挫裂伤灶、病变组织、血肿、细胞、弥漫性脑肿胀、血管等感兴趣的目标区域从医学图像背景中分离出来,是医学图像三维重建、可视化的基础,同时也是对病变组织的边界、形状、截面面积及体积进行定量测量的前提,在医学图像处理和应用中具有重要意义。近几年,医学图像分割方法的一个发展趋势是在研究新方法、新思想的同时将各种已有方法进行融合,以结合各方法的优势,获得某种分割准确、可操作性强、实时性高的医学图像自动分割算法。目前,模糊集与水平集的结合都是两种方法的简单组合,并没有实现真正意义上的融合,且需要人为对水平集的控制参数进行优化配置,没有做到医学图像分割的自动化。所以,本文主要研究基于模糊集与水平集的医学图像分割算法,主要工作总结如下:(1)研究...  (本文共79页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

基于粗糙集和扩展分水岭变换的水平集图像分割研究

图像分割是图像处理中的一项关键技术,对于计算机视觉及其应用诸如目标识别、场景分析、图像检索等有着重要意义。几十年来图像分割问题一直受到人们的高度重视。图像分割的方法和技术有很多种,其中水平集图像分割方法是一种有着很好前景的方法。该方法的优点是将图像分割问题转换为求解能量泛函数最小化问题,并且在执行过程中借助水平集函数的零水平集间接地表达目标物体的轮廓,易于处理曲线演化过程中的拓扑形变。目前虽然有很多水平集图像分割模型的提出,但是仍然存在着一些问题需要解决,如可处理多类型图像的分割模型其分割精度低、迭代效率低等问题,众多专门处理灰度不均匀图像的分割模型其鲁棒性不好、迭代效率低以及算法时间复杂度高等问题。本文在粗糙集理论基础上提出一种基于有序差别集和特征重要性的特征选择方法和算法。首先,提出了新的差别矩阵简化算法,该算法在无需排序和较少遍历次数的情况下简化了差别矩阵,明显提高了简化速度并最终得到简化的有序的差别集;然后,将有序差别集...  (本文共147页) 本文目录 | 阅读全文>>

安徽农业大学
安徽农业大学

基于Markov随机场和K均值聚类的小麦叶部病害图像分割

随着全球气候的逐渐恶化,作物生长环境变得愈加脆弱,极端气候现象出现频率升高,作物病害的爆发呈显著上升的趋势。我国是农业大国,农业安全与我国经济发展和人民生活息息相关,高效、精准地防治作物病害是当今研究领域的一项重大课题。随着计算机视觉技术应用领域的日益广泛,以及各类模式识别技术的快速发展,通过利用图像技术处理农作物病害图像,并提取特征参数,建立分类器,可以实现智能识别病害的目的,为病害的诊断以及预防提供新的手段。病害图像识别主要包括图像预处理、病害图像分割、病斑特征值提取及分类识别等步骤,有效的病害图像分割是病害识别的先决条件,直接影响了识别的效率和精度。叶部病斑是病害侵染作物的主要症状表现,是图像分割的主要研究对象。作物叶部病害图像分割就是从复杂背景图像中分割出叶片病斑,由于背景的复杂性(光照不可控、背景地物多样、叶片交叉重叠以及杂草等),大田复杂背景环境下的图像分割一直是病害识别领域的技术瓶颈。针对复杂背景下作物病害图像分割...  (本文共61页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

基于偏微分方程的医学图像增强与分割方法研究

医学图像分析是临床影像诊断和手术计划必不可少的重要工具。现代成像技术的快速发展,在提高目标分辨率的同时导致数据量和复杂度显著增加,进而对图像处理算法的性能和自动化程度提出更高的要求。图像增强与图像分割是医学图像分析的基本步骤,也是病灶定位和量化评估的必要环节,因而在整个计算机辅助诊疗系统中发挥着不可或缺的作用。偏微分方程(PDE)方法以其坚实的数学基础和灵活的开放框架,有利于融合其它理论,开发新模型以满足不同成像模态、不同应用背景图像分析需求,已成为医学图像处理领域最流行的方法之一。作为偏微分方程图像分析理论的基石,非线性扩散、主动轮廓线模型以及水平集方法,在医学图像增强滤波以及分割中得到广泛应用。本文主要针对当前医学图像增强滤波和分割中的若干难题,开展偏微分方程医学图像处理算法研究,为计算机辅助诊疗系统的开发奠定核心技术基础。具体工作如下:1)在超声图像相关斑点噪声抑制方面,通过引入S型流导函数改进传统的噪声各项异性扩散模型S...  (本文共148页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

眼底图像分割方法的研究及其应用

眼底图像分割技术一直是医学图像处理领域研究的热点和难点问题。迄今为止,它的研究工作已经取得了许多成果,但随着社会对临床眼底检测的迫切需要,以及现有眼底图像分割方法在实际应用和测试中表现出的诸多不足,这一领域面临的困难和挑战也日益增加。研究出能满足临床眼底检测所要求的准确性、客观性、可重复性标准的眼底图像分割方法,对于临床眼科研究以及与眼底病变相关疾病的诊断和治疗具有重要意义。本文正是在这一背景下,以有助于眼科临床诊断和治疗为前提,从理论与应用两个方面,对眼底图像分割方法进行了深入的研究。本文工作的主要贡献和创新总结如下:(1)深入研究了眼底图像预处理中图像去噪和眼底视场提取方法,实现了基于自适应中值滤波的眼底图像平滑方法和基于HSV空间模型的眼底视场提取方法。自适应中值滤波方法根据噪声密度改变滤波窗口的大小,同时对噪声点和信号点采取不同的处理方法,在滤除噪声的同时能较好地保护血管的边缘和细节信息;眼底视场提取方法将彩色RGB眼底...  (本文共142页) 本文目录 | 阅读全文>>