稀疏标记下双结构约束脑血管分割网络

针对基于深度学习的脑血管分割方法难以在稀疏标记下分割出具有良好连通性的脑血管的问题,提出一种包括编解码和结构注意力模块的双结构约束脑血管分割网络.首先利用提取出的矢状特征与冠状特征构建剖面注意力;然后通过与通道注意力组合建立结构注意力机制,从网络层面建立脑血管结构约束;最后引入均衡系数改进中心线Dice损失函数并与Dice损失函数叠加,保留血管结构的连通性,从拓扑结构层面建立脑血管结构约束.在TubeTK数据集上的实验结果表明,与4种注意力网络相比,所提方法的Dice相似系数提升4.58%~6.86%,交并比提升5.07%~7.47%,中心线Dice提升3.26%~5.40%.

基于卷积神经网络的双行车牌分割算法

随着智能化交通的迅速发展,自动车牌识别技术不断提高.现有大多数车牌识别技术能较好识别单行车牌字符信息,但双行车牌识别准确率较低且支持中文双行车牌的识别算法更少.为了有效地将原本仅支持单行车牌识别的算法扩展到双行车牌识别,提出一种基于卷积神经网络(CNN)的双行车牌分割算法,首先利用CNN提取车牌图像特征;然后利用特征训练多标签分类模型,将双行车牌分割为2个单行车牌.文中还构建了一个包含20多万幅中国车牌图像的数据集.基于此数据集的实验结果表明,文中算法对双行车牌自动分割准确率较高,有效地提高了双行车牌识别准确率.

土体SEM图像定量分析系统及应用

给出了一种基于Matlab平台的土体SEM图像定量分析系统,以图像读取、图像处理、参数提取和数据存储等4个功能模块作为定量分析系统的核心,通过各个模块的相互配合来实现土体微观结构特征参数的提取.以昆明红土为实例,分析了红土加固前后SEM图像的微观结构特征参数,以此来检验该系统的合理性和适用性.

论虚拟展示设计

论述了虚拟展示设计的社会发展,先进性以及在我国的发展,提出了互联网正在建筑基于现实时空,又不同于现实时空的虚拟展示空间,并将根本改变现存的设计局面。探讨了设计师在设计过程中怎样构筑虚拟展示设计的平台。

GPU加速的近实时图像彩色化

灰度图像彩色化技术需要人工交互来完成彩色化优化过程,针对现有的方法只注重彩色化的效果而忽略算法的执行效率,严重影响了用户的交互体验的问题,充分利用GPU的高性能并行优势,提出基于GPU加速的近实时图像彩色化方法.在预处理阶段,运用基于图像块纹理特征的Patch Match算法在全局图像空间高效地查找每个像素的K最近邻,并提出基于压缩表示的对称稀疏矩阵并行构造算法来保证着色线条的颜色在图像近邻像素之间的对等传播;在用户交互阶段,根据用户输入构建能量函数,并运用并行共轭梯度法计算出彩色图像的颜色.实验结果表明,该方法不但能生成高质量的图像彩色化效果,而且图像彩色化过程具有近实时性的处理性能.

改进力场转换理论的多尺度图像边缘检测算法

为了提高多尺度边缘检测算法的定位精度,更好地抑制图像中的噪声和细节,将改进力场转换理论与多尺度图像边缘检测算法相结合,提出了改进力场转换理论的多尺度图像边缘检测算法。新算法计算每个尺度下图像中各像素点的内积能量值,利用内积能量值计算各个像素点间的引力;采用自适应阈值得到每一尺度下图像的边缘;在小尺度的检测结果下定位,执行由粗到细的边缘跟踪,得到最终的边缘结果。实验结果表明,新算法可以有效地抑制噪声,提高边缘检测的定位精度。

三维地质体图案自动填充算法

为能脱离CAD平台,实现地质图案的填充,在充分研究地质填充符号库的基础上,提出了一种新的地质符号填充方法,即在填充区域范围内将填充图案以坐标的形式记录到数组中,通过对矢量形式的坐标点进行栅格化,将栅格化的结果在三维地质图层中进行展示。实验结果表明,该方法不受平台限制,可以将地质图层符号在三维地质体上快速展示。

基于物理模型的快速单幅图像去雾方法

在雾天环境下,获取的图像受到大气粒子散射的影响而导致对比度和能见度降低。针对该问题,提出了一种基于物理模型的单幅图像的快速去雾方法。该方法以大气散射模型为基础,引入暗原色先验规律求取全局大气光,利用双边滤波局部估计雾浓度,间接求取大气耗散函数,最终通过变换的大气散射模型恢复无雾图像。大量实验结果表明,该方法能够恢复出自然清晰的无雾图像,并能够较好地处理景深突变的边缘及远景处。此外,该算法在处理图像的运算时间上具有明显的优势,可满足图像实时处理要求。

基于可变局部边缘模式的绿色植物物种识别

绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。边缘是一种直观、简单、有效的对象识别特征,文中针对传统边缘算子方向少,尺度单一,操作不灵活等缺点,使用一种具有多尺度、多方向属性的圆形局部边缘模式算子(varied local edge pattern,VLEP)提取植物图像的边缘特征,同时考虑阈值细分的思想,在自建的绿色植物物种数据库上进行的实验结果表明,该算法不仅可以弥补传统算子由于边缘方向少、尺度单一导致丢失边缘信息的缺陷,同时可以有效用于绿色植物物种识别。

图像角点和边缘提取的相位叠合算法

提出了一种通过相位叠合模型来检测角点和边缘的算法,这种方法利用图像傅里叶分量在特征叠合次数最多的概念,采用相位叠合后的关键点来确定角点和边缘信息,利用相位叠合来标记特征点比用梯度方法有明显的优点:相位叠合是一种无量纲量,而且对图像的亮度或对比度是不变的,因此它能提供对特征点的绝对度量.实验结果证明本算法提取的角点和边缘特征不随图像照度而改变,提高了不同照度下提取图像边缘特征的可靠性.

基于多尺度多分辨率局部边缘模式的边缘检测

由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式(Varied Local Edge Pattern,VLEP)算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进行卷积,得到边缘强度,从而获得边缘梯度值,最后设置适当的梯度阈值,对梯度图像进行二值化处理,完成图像的边缘检测。此外,当多组VLEP算子被同时使用时,考虑结合加权融合思想,以便获得更加丰富的边缘信息。实验结果表明,提出的边缘检测算法比其他经典的方法具有更好的边缘检测效果。

基于边缘模式和主导学习框架的相似纹理分类

边缘是进行相似纹理图像分类的有效特征之一,为了提高边缘检测精度,使用可变化的局部边缘模式(Varied Local Edge Pattern,VLEP)算法,利用像元及其近邻的灰度变化进行区域统计,同时从多尺度和多方向的角度提取纹理边缘特征。然而,当图像分辨率发生变化,或图像受到光照、反射的影响时,纹理计算可能会出现较大偏差。为此,在VLEP算法的基础上,提出主导学习框架相似纹理分类方法,通过构建全局主导模式集,解决纹理计算偏差导致的类间距离小和类内距离大的问题。实验结果表明,主导边缘模式思想可以有效地提高相似纹理图像的分类准确率。

基于时空域数据融合的Kinect深度图像修复算法

针对Kinect传感器获取的深度图像中存在大量噪声以及深度信息缺失导致的空洞问题,提出一种基于时空域数据融合的深度图像修复算法。首先,对配准后的深度图像利用卡尔曼滤波使跳变深度值趋于平稳,并采用阈值分割法得到待修复区域;其次,计算待修复边界所有像素点的时空域置信度,对时空域置信度最大的像素点计算其时域和空域深度数据,并根据时空域置信度为时空数据分配权值进行数据融合,实现像素点的修复;最后,待修复边界改变,迭代执行上一步直至图像修复完成。实验结果表明:与传统修复算法相比,基于时空域数据融合的Kinect深度图像修复算法的深度图峰值信噪比更高、均方根误差更小,图像质量更好。

优化动态直方图均衡的水下图像增强方法

由于光线在水下的衰减特性,导致拍摄到的图像存在对比度低及细节信息模糊等问题。为提升水下图像的视觉效果和突出细节信息,提出基于优化动态直方图均衡的水下图像增强方法。在直方图分割方面,引入了其分布特性,考虑直方图分布范围并将其进行分割,改善了基于曝光值的分割方法;在构造恰当的映射函数方面,引入重建参数对子直方图进行重建,防止水下图像过增强的同时保留完整的细节信息;依据重建后的子直方图重新分配合理的重映射区间。仿真效果表明,上述方法对于不同场景、不同背景色的水下图像都具有良好的增强效果,图像色彩自然,清晰度提升且细节信息丰富。

基于多通路CNN的多模态MRI神经胶质瘤分割

由于传统卷积神经网络CNN(Convolutional Neural Networks)受卷积核尺度的限制,容易丢失磁共振成像MRI(Magnetic Resonance Imaging)脑肿瘤图像的全局信息,而且卷积、池化的过程会导致网络浅层的部分信息丢失,造成基于CNN的脑肿瘤分割特征信息不足,分割精度不高。针对上述问题,提出一种具有全局通路,同时结合网络浅层信息的多通路CNN模型,用来完成多模态MRI脑部神经胶质瘤的全自动分割任务。算法主要思想:将三维多模态MRI图像沿轴向切片化,在相同序列的切片上按比例选取尺度为33×33像素的图像块,得到训练集;将训练集图像块输入多通路CNN模型进行训练;将测试集输入训练好的模型,将脑肿瘤从脑部MRI图像中正确分割出来,并具体划分为坏死、水肿、增强和非增强四种区域,利用模型评估参数Dice系数、敏感度(Sensitivity)系数和特异度(Specificity)系数评测模型的质量。实验结果表明,该方法操作简单,能够有效地完成脑肿瘤的分割任务。

基于小波和可变局部边缘模式的植物物种识别

绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。以绿色植物图像为研究对象,提出一种基于小波变换和可变局部边缘模式VLEP(Varied local edge pattern)的图像识别方法。对绿色植物图像进行小波分解;利用可变局部边缘模式提取纹理特征,同时结合分块和多分辨率思想,得到融合后的纹理特征;利用最近邻分类器进行分类。实验结果表明,小波变换和可变局部边缘模式相结合是一种可行的绿色物种识别方法,分块和多分辨率思想能够进一步提高图像识别的准确率。

基于结构局部边缘模式的绿色植物物种识别

植物图像的边缘检测是基于图像分析植物物种识别技术的重要环节,利用边缘检测可以增强图像中的轮廓边缘、细节等信息,达到将目标植物从图像中分离出来的目的。因此,为了在绿色植物物种识别中,将图像中的目标植物与背景分离,首先利用可变局部边缘模式算子提取植物图像的边缘特征,再通过结构化局部边缘模式对边缘特征进行编码,来刻画局部边缘。实验结果表明,提出的边缘模式思想在绿色植物物种识别上能得到更高的识别率。

一种视频图像的去雾算法

针对去雾方法存在运算复杂度高、图像边沿细节模糊等缺点,提出一种基于K值邻域均值滤波的去雾算法。利用K值邻域均值滤波算法对大气透射图进行估计,通过大气散射物理模型进行去雾处理,最后通过乘法运算实现图像的亮度调整。实验结果表明,K值邻域均值滤波算法具有更快的处理速度,满足视频图像去雾处理系统的实时性要求,且解决了图像去雾后边沿模糊的问题,去雾效果更好。

Flash动画技术在电子地图中的实际应用

利用网络媒体技术Flash制作电子地图,Flash格式的电子地图不仅体积小,而且适应网络流体传输,比其他媒体更容易在网络上传播。在区域范围和数据量都不大的情况下利用Flash媒体技术开发电子地图的突出优点是:技术相对简单、操作容易、使用方式灵活。网络的发展使电子地图比以往任何时代都更贴近我们的生活,它已经不再是只有专业人员才能制作和操作的复杂系统,本文通过详细介绍Flash电子地图的制作过程和各种利用Flash技术实现专业电子地图的部分简单功能,使更多的电子地图爱好者参加到电子地图的制作和开发中。