分享到:

基于模糊信息处理的图像分割方法研究

图像分割是计算机视觉领域一个重要而基本的问题,尤其是在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。分割结果的好坏,对视觉系统的性能影响很大。图像分割同时又是一个信息不足的不适定问题。为了使问题适定化,就需要增加约束条件(先验知识)。由于视觉任务的多样性和复杂性,以及从图像中所获得的信息不同,使需要的约束条件也各不相同。由于人们事先很难精确了解在成像过程中信息损失的情况,这就给先验知识的精确数学刻画带来很大的难度。另外,由于成像中各种因素的影响,使得要分割的目标与背景之间一般都带有一定的相似性和不确定性。而模糊集合论及由此而发展起来的模糊信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理方面具有得天独厚的优势。图像分割过程就是利用图像信息及先验的约束条件,将图像像素进行智能分类的过程。基于以上原因,本文研究了以模糊信息处理技术为基础,利用不同的图像信息进行图像分割的原理,提出了一系列新的思想和方法  (本文共147页) 本文目录 | 阅读全文>>

《科学中国人》2016年27期
科学中国人

基于模糊信息处理的图像分割方法研究

人类在获取外在世界信息的过程中有80%是通过视觉来获得的,而人的视觉系统却是一个好的信息处理的大系统,它能够准确的将复杂的外部景物进行识别、追踪并通过大脑对这些信息进行判断和处理。让机器模拟人的视觉系统进行研究形成了一门交叉学科—计算机视觉学。计算机视觉研究对计算机自动化、智能化水平有极大的促进作用。计算机平常处理的是数字和符号信息,而计算机视觉低层次的处理是通过二位数字图像阵列进行的,对于高层次的处理就需要用符号来表达了,在数字向符号的转化过程中须把数字表达的图像阵列转化为能够表征该数字集的具有几何特征的符号,该过程就要用到分割。分割是计算机视觉的最基本问题,因为它是视觉系统性能的关键性因素,所以图像分割问题成为人们热衷研究的热点问题。1 模糊信息处理在图像分割中的意义模糊信息处理是利用模糊数学来处理带有模糊不确定性的信息,之所以会存在这样的模糊性主要原因是:首先,日常生活中存在的很多对象本身就具有模糊性,也可以说是具有一系列...  (本文共2页) 阅读全文>>

《新发传染病电子杂志》2016年01期
新发传染病电子杂志

人工智能时代——智能精准医学影像

(一)基于放射学影像的智能诊断解决方案基于海量的放射影像大数据和人工智能深度学习、数据挖掘技术、图像分割、特征提取技术,准确识别疾病病灶并量化,为医生提供最专业的诊断依据,为个人提供最贴心的健康分析。(二)基于病理学影像的智能诊断解决方案利用染色病理涂片图像,结合深度学习人工神经网络,聚类分析、多分辨率、模糊逻辑算法和边界识别进行病理状态下细胞区域...  (本文共1页) 阅读全文>>

《轻工科技》2017年08期
轻工科技

基于深度学习的脑部核磁图像分割算法

1 引言核磁共振成像对软组织成像清晰、分辨率高,是临床检查脑部疾病的常用方法[1]。而人体脑组织结构复杂,通常划分为灰质、白质和脑脊液[2],且临床发现大多脑部疾病在灰质和白质上有异变。因此,脑部核磁图像灰质和白质的分割对脑部疾病的发现及诊断十分重要。随着图像辅助医疗诊断的普遍推广,利用计算机辅助医生进行脑部核磁图像灰质和白质的分割,可以大大提高工作效率。本文基于深度学习算法研究并实现了对脑部核磁图像灰质和白质的自动分割。首先,对脑部核磁图像进行预处理,遍历图像去掉颅骨,进而得到预分割区域,并采用栈式自编码神经网络(Stacked Auto-encoder,SAE)和卷积神经网络(Convolutional Neural Networks,CNN)两种深度学习方法分别提取图像特征,构建特征模型。其次,用模糊C均值(Fuzzy C-means,FCM)方法进行粗分割,并以粗分割结果为训练集,通过支持向量机(Support Vect...  (本文共5页) 阅读全文>>

《云南电力技术》2017年03期
云南电力技术

图像分割方法应用于施工现场物体的识别

0前言用图像识别的方法来解决电力线路、设备的维护问题被广泛的研究[1-2]。电力线路管道设施在城市施工现场具有很高的受到外力破坏的风险隐患,进而也是电力线路维护人员重点关切的地点。针对施工现场物体的识别,实现智能化实时监测可以提高电力维护人员和现场施工人员联动防范线路外力破坏风险的能力。图像分割的目的是利用图像的基本特征,比如灰度,颜色,纹理和几何形状等特征,把图像分割成多个独立的区域,每个区域代表一个独立的目标。图像分割中不同的分割方法都基于不同的特征和图像模型,因此各有使用范围和优缺点[3]。基于图论的分割算法是目前计算机视觉和模式识别领域中广泛研究的方向[4-7]。这类算法把图像的像素直接变换为图论中的一个个节点,像素和像素之间的关系,比如距离,灰度相似度等作为节点之间的连接权重,然后设计一个目标函数,使得切割的成本最低,最后采用图论中的最优化方法,较为流行的算法是Normalized Cut(归一化分割,简称Ncuts)...  (本文共5页) 阅读全文>>

《数码世界》2017年09期
数码世界

医学图像分析系统设计

1绪论1.1研究目的及意义本次基于MATLAB的医学图像分析系统设计不仅是对其研究领域的深入探讨,还适用于当今社会发展的实际需求。MATLAB功能完备、运算函数处理速度快并且易于操作。同时MATLAB软件在实际应用中分布的领域非常广泛,具有很大的实用价值和经济效益。本设计就是从这一点出发,经过获取图像、图像预处理、噪声消除、图像增强等一系列处理步骤进而进行图像分析。通过对图像参数的定量测量,然后对于感兴趣特征进行识别、计算和分析,依托于MATLAB软件实现整个系统的功能与调试。1.2研究背景及国内外现状医学图像分析综合了很多原理和算法,经过多年相关领域研究者的不懈努力,国内外相关领域内的学者基于不同的思路和考虑,对医学图像分析设计采取了不同的设计方法,但目前绝大多数分析都是只从某一角度进行深入研究。由于缺少研究者普遍接受的理论指导,给定一个特定领域,选择合适的分析方法仍然非常麻烦,需要反复进行实验。截止到目前,也没有一个全面并且...  (本文共1页) 阅读全文>>

《现代计算机(专业版)》2013年33期
现代计算机(专业版)

图像分割研究进展

0引言图像分割是图像识别和图像理解前提和基础,图像分割质量的高低直接影响图像处理的效果。但没有一种通用的方法可以适用于所有的图像分割任务。图像分割是图像分析和计算机视觉中的经典难题。1图像分割的定义人类通过听觉、触觉、味觉、嗅觉和视觉感知周围事物。图像信息是视觉感知的主要内容,图像信息直观丰富,但人们往往只对其中的部分信息感兴趣,这些信息代表了人们观察图像的目标,这些目标通常占据一定的区域,并且在某些特性上(例如灰度、轮廓、颜色、纹理等)和周围的图像有差别。图像分割就是把图像分成具有不同特性的区域并提取出感兴趣目标的技术和过程。图像分割是图像识别和图像理解的前提和基础,图像分割质量的高低直接影响图像处理的效果。图像分割可以借助数学集合的概念进行定义[1~2]。令I表示图像,H表示具有相同特性的谓词。图像分割就是把图像I分成n个区域Ri,i=1,2,…,n,且满足:(1)ni=1∪Ri=I,Ri∩Rj=Φ,坌i,j,i≠j(2)坌...  (本文共4页) 阅读全文>>