基于大模型的红外图像电力设备交互式分割

电力系统的智能化检测已经成为现代工业生产的重要保障,而其中对日常巡检中采集的红外图像进行电力设备区域分割是电力故障诊断过程中的重要环节。然而,当前基于深度学习的电力设备红外图像分割方法需要大量人工标注的样本,像素级的人工标注费时费力。为此,利用可见光图像数据集中预训练得到的大模型所具有的泛化性优势,将图像分割大模型—分割任意模型(SAM)应用于红外图像的电力设备交互式分割,利用少量的用户点击输入,快速得到准确的电力设备分割结果。在本文构建的电力场景红外图像数据集中,利用模拟的用户点击对模型性能进行了评估。实验表明,本文的方法在无需额外训练的情况下能够精准地实现电力设备的交互式分割。本文的方法能够有效地帮助工作人员提高对电力设备图像的标注效率,快速构建大规模红外图像数据集,促进红外图像分割模型及故障诊断模型的训练,助力电力系统检测智能化水平的提升。

相似度约束的交互式分割网络

交互式图像分割是像素级注释和图像编辑的重要工具.现存方法大多采取两阶段预测,首先预测一个粗糙的结果,在第2个阶段细化之前预测的结果来得到更精确的预测,为了使在硬件资源受限时,网络模型仍可以使用,基于此,在两阶段共享同一个网络,为了更好地将标记信息传播到未标记区域,设计了一个相似度约束传播模块,在训练时使用了一个简单的原型提取模块来使正点击向量高度内聚,加速网络收敛,在推理时移除.在推理阶段通过使用意图感知模块来捕获细节,使得预测性能进一步提升.大量实验表明,该方法在所有流行的基准测试上与最先进的方法最有可比性,证明了其有效性.

基于交互式分割的电力设备红外图像自动标注方法

电力设备故障是影响电力系统安全的关键因素,对红外图像中的目标进行分割是进行电力故障诊断过程中的一个重要步骤。针对传统分割方法鲁棒性差及深度学习方法需要大量标注数据等问题,提出了一种基于深度学习的红外图像电力设备交互式分割方法。此方法利用少量像素级标注的电力设备红外图像,模拟用户点击输入并训练一个粗分割和精细分割相结合的交互式分割模型,用以准确分割红外图像中的电力设备区域。实验表明,文中方法能够精准、快速地实现电力设备的交互式分割标注,并且可对模型的错误分割区域进行进一步修正。此外,文中方法亦能帮助用户快速地标注电力设备图像,构建大规模数据集以供后续模型的训练学习。

曲面三角网格模型顶点法矢计算与交互式分割

本文给出一种三角网格模型顶点法矢计算公式,该公式采用网格模型中三角片面积与顶角角度综合加权,其计算精度高于现有的面积加权计算方法另外,本文还提出了一种简便灵活的任意拓扑曲面三角网格模型交互式分割方法利用该方法,可有效地将任意拓扑三角网格模型分割为几个与盘形拓扑同胚的区域。

基于交互式分割技术和决策级融合的SAR图像变化检测

为免去降斑预处理及克服选择分布模型的限制,结合差异图的特点和一种不涉及分布模型的交互式分割方法,产生不同"种子点"下的变化检测结果后,再利用投票策略进行决策级融合给出最终的变化检测结果。分割中,将每个像素的特征设置为由差异图及静态小波变换分解差异图再丢弃高频系数后重构得到的各层表示内,对应位置上的灰度值构成的矢量。此特征及决策级融合的策略使本文变化检测技术对SAR图像中的斑点噪声具有一定的抗差性。在无需对SAR图像做预处理的情况下,对真实SAR图像数据集的变化检测结果证实了方法的有效性。

交互式分割软件在肝脏局灶性病灶CT图像中的应用初探

【目的】探讨交互式分割软件在肝脏局灶性病变CT图像中的应用。【方法】建立基于机器学习的肝脏局灶性病灶的交互式分割软件,通过学习判别式模型,对每一个像素进行病灶/非病灶的判别,从而实现区域分割。软件对PhotoshopCS4建立的理想单幅及序列ROI图像模型进行分割后,进而在肝脏局灶性病灶的CT图像上进行分割。【结果】理想的单幅及序列ROI模型中,前景随机选择不同灰度值及直径的ROI区时,均可精确分割出所有ROI区。单幅及序列CT图像分割中,前景分别选择肝癌消融后肿瘤完全灭活(低密度)及肝脏局灶性结节增生(高密度)病灶,软件正确分割病灶与周围正常组织区域;以Photoshop人工分割作为金标准,比较软件单独及序列分割的面积,差异无统计学意义(P>0.05)。【结论】基于判别模型学习的交互式分割软件初步成功应用于肝脏局灶性病灶CT图像的分割。

多星形先验和图割的遥感影像交互式分割

针对遥感影像对多种地物进行分割时分割结果不够精确、适用性较差、效率较低的问题,提出了一种使用多星形先验与图割算法相结合的方法,实现遥感影像各类地物高效分割。算法利用均值漂移算法进行预分割,在图割算法中引入多星形先验信息,并基于前景背景交替迭代思想,实现多种地物一次分割。通过引入多星形先验,利用形状信息提高分割的准确性;利用一次交互获取多种地物的种子点,通过前景与背景种子点的交替迭代,改进图割理论的前景背景分割,提高分割效率。定量分析与实验结果表明:该算法对分割人工建筑区、植被、道路及水系更具准确性、高效性及普适性。

交互式分割软件在肝局灶性病变超声图像分割中的初步临床应用

【目的】评价一种基于判别式模型学习的交互式分割软件在常规灰阶超声图像中分割肝脏局灶性病变(FLL)的价值。【方法】软件分别从用户标注出前景以及背景区域采集样本点,提取样本点特征,对病灶区和病灶边缘分别建立病灶区域判别模型和病灶边缘判别模型。最后,将上述两种模型合并为组合模型,得到最优的分割结果。建立FLL理想模型并收集45例FLL患者的常规灰阶超声图像共60幅检验软件的分割能力,将软件分割结果与高年资医师手工分割结果进行比较。【结果】以高年资医师手工分割结果作为金标准,软件分割所得区域的真阳性率(TP)为91.49%,假阳性率(FP)为14.22%,面积交叠率(AOM)为81.05%;分割所得结果的平均相对误差为0.04%,与手工分割间的差异无统计学意义(P>0.05)。【结论】基于判别式模型学习的交互式分割软件可以准确的在常规灰阶超声图像中分割出FLL。

交互式分割算法的可变形目标检测

针对现有高检测精度算法效率较低的问题,提出一种利用基于水平集的交互式目标分割算法对图像进行预分割的方法,提高了对可变形目标检测的效率.算法首先使用交互式目标分割算法对图像进行初步分割,然后根据分割区域进行部件检测.对于部件模型,使用传统的梯度向量直方图来进行描述.预先对图像进行分割,可以减少检测窗口的检测范围,对于像素较高的图片尤其重要.实验结果发现,与穷举搜索的滑动窗口相比,交互式分割算法在速度方面有明显的提高.

CT序列医学图像交互式分割系统的设计与实现

交互式分割对于医学图像中正常组织以及病变组织的提取与分析起着重要的作用。文中将基于小波模极大值的边缘检测方法与交互式轮廓逼近思想相结合,根据CT序列图像中相邻图像的相似性与连续性设计开发了医学图像的交互式分割系统,增强了医学图像分割的自动化程度并取得了较好的分割效果。

基于交互式分割和勾画匹配的颜色迁移

针对经典全局颜色迁移算法在处理具有复杂色彩的自然图像时常出现较多颜色误传的问题,提出一种基于交互式分割与勾画匹配的局部自适应颜色迁移算法。该算法不仅适用于彩色图像间的颜色迁移,而且适用于灰度图着色。算法基本思路是首先分别对两幅图像进行交互式分割,然后对分割后图像的同质景物区域进行勾画匹配,最后在相匹配区域间进行局部颜色迁移。实验结果表明该算法能很好地实现参考图像和目标图像中同质景物内容区域间的颜色迁移,减少颜色误传的现象。结果图像颜色自然度与局部景物一致度有明显提高。

基于Mean Shift的三维医学图像交互式分割方法

目的:提出一种新的三维医学图像交互式分割方法,利用Mean Shift算法将空间域与特征域相结合的高维计算优势,直接对图像的三维空间分布信息进行处理,同时采用人工与计算机相结合的交互式分割方法在医学图像序列上分割出感兴趣区域。方法:通常将Mean Shift方法用于图像分割都需要对整幅图像中的所有像素点进行大量的迭代计算,这样使得分割效率很低。而本文基于交互式分割算法原理,通过在感兴趣区域人工设定一个或少数几个初始点,利用人工给出的先验信息只需对感兴趣区域进行Mean Shift的自适应迭代计算和处理,不仅可以克服上述缺陷,还能得到较为精确的分割结果。结果:本文根据该方法进行了实验,从肺部图像序列中准确地分割出了三维的肺结节区域,从时间上和准确度上均能满足临床需求。结论:实验结果证明该交互式分割方法是一种非常有效的三维医学图像分割方法。本文的方法可以同时联合灰度域和空间域特征实现分割,而且它基于所选择的分割特征还具有任意多维空间联合分割的潜力,不失为一种深有发展前景的三维交互式分割方法。

基于冗余小波变换的相对模糊连通图像交互式分割算法

为了提高图像分割算法的抗噪声性能,该文提出一种基于冗余小波变换的相对模糊连通图像交互式分割算法。与文献中基于尺度的相对模糊连通交互式分割算法相比,新算法在几乎不改变分割效果的前提下,速度提高了十几倍,且对不同的噪声模型均具有较好的鲁棒性。此外,文中还对小波变换的不同尺度对图像分割效果的影响进行了较为系统地研究。用人造图像和实际的医学图像所做的测试实验结果表明,该文提出的新算法可实现对非噪声和噪声图像中感兴趣目标的快速而准确的分割。

基于超像素和随机游走的交互式分割算法

交互式图像分割通过先验信息指导获取图像中人们感兴趣的部分,但是现有算法无法在效率和精度上实现平衡。为了解决此问题,提出了一种基于超像素和随机游走的快速交互式分割算法(random walk on superpixel,SPRW)。首先,将图像预分割为具有局部相似性的超像素区域,使用像素颜色均值对超像素区域表示;其次,根据人工标记的先验信息建立F-B图结构,扩展随机游走的范围,并使用随机游走的方法求解,获得硬分割结果;最后,针对分割结果的边界不光滑问题,提出改进的抠图算法(fast robust matting,FRB)进行二次处理,得到软分割结果。在BSD500和MSRC数据集上的实验证实,所提出的硬分割方法与其他算法在时间和平均交并比等指标上有较大优势;在Alpha Matting数据集上的实验充分证实所提出的软算法在提高效率的同时精度也有一定的提升;此外,在生活照更换背景的实验上展现了该算法的应用价值。

结合局部线性嵌入与种子信息流的交互式图像分割算法

交互式图像分割是指在分割过程中引入少量的用户指引分割出目标对象,是图像处理最基本的任务之一。现有方法通常需要构建非二次能量函数,并且普遍存在缺乏唯一解、分割精度低等问题。为进一步提高分割质量,提出一种结合局部线性嵌入和种子信息的交互式图像分割算法(seed information combined with local linear embedding,SILLE)。该算法考虑像素点的局部信息以及先验信息,将标记种子点的信息融入到新构建的能量函数中,以一种有效且快速的最小化方案得到能量函数的唯一且最优解,从而获得更加准确的分割结果。最后在不同数据集上,与不同方法进行多种指标的对比,验证了算法的有效性和可行性。

三维人体运动特征可视化与交互式运动分割

为了从运动序列中提取不同类型的运动片段进行人体动画创作,提出一种三维人体运动数据可视化与交互式分割技术.首先,采用人体各主要骨骼夹角作为对原始运动数据的几何特征表示,并提出一种启发式方法自动检测其潜在分割点,最后将提取的运动特征可视化并使用可交互用户界面对其进行精确分割.实验结果表明。该特征表示及交互式分割方法能够更加方便、准确、高效地对包含多种类型的长序列三维人体运动数据进行分割.

基于水平集方法的交互式目标分割算法

研究以用户与系统之间的交互信息为先验知识的目标分割算法,提出一种基于改进速度函数的水平集图像分割算法。利用待分割图像的区域信息与目标轮廓信息,改进传统CV模型中的速度函数。使用图像边缘的梯度下降向量逐步逼近目标边缘,采用概率密度函数使图像中的所有像素值近似满足高斯概率分布,并通过边界收敛模型保证速度函数快速收敛至目标边缘。实验结果表明,对于包含噪声和目标边缘模糊的图像,与基于CV模型的分割算法和基于均方差水平集方法的分割算法相比,该算法具有更好的分割性能和鲁棒性。

一种基于图的交互式目标分割算法

静态图片的编辑中,交互式背景、前景分割的高效性研究有着重大的实际意义。传统的分割方法或是应用图片的纹理(色彩)信息,如Magic Wand,或是利用边界(对比度)信息,如Intelligent Scissors。最近提出的Graph cuts分割算法很好地结合了以上的两种信息。该文将介绍Graph cuts算法以及在该算法基础上改进得到的Grab cut算法。Grab cut算法堪称目前交互式分割方法中分割效果较好的方法,其分割精度高,交互工作少,具有较好的应用前景。文章结合作者当前的研究课题,把Grab cut算法应用在医学图像器官分割中得到了令人满意的效果。

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法:先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。

交互式医学图像分割算法

针对医学图像的特点,提出了一种结合L ive W ire算法和轮廓插值算法的三维医学图像分割算法。与原L ive W ire算法相比,改进算法在不增加算法复杂度的同时,大大提高了图像分割的性能。为了进一步提高图像的准确性,用下列方法弥补了原算法的不足:通过寻求最短搜索路径,另外尽可能地降低搜索的时间复杂度。将改进的算法与余弦轮廓插值技术相结合,用在病灶组织区域形状变化较大的断层图像(关键层)分割中。实验表明算法能快速有效的从序列医学图像中分割出感兴趣的物体,为医学诊断提供了依据。