基于全自动生长分割的梯度彩色光流场计算

形变物体边界的准确定位是光流估计的难点之一,仅依靠改进光流算法收效甚微。提出了全自动生长分割法,以准确提取形变运动物体,从而将视频分割结果与梯度彩色光流算法相结合来提高光流法对形变物体的检测准确度。

牛图像识别与分割方法研究

文章针对牛非接触测量中的识别与分割过程进行研究,提出了一种牛图像识别与分割方法。此方法对牛的图像进行灰度化、二值化和形态学处理,获取连通域并对连通域进行筛选,实现牛的识别和定位;然后依据识别信息对图像进行裁剪,最大限度地减少背景的影响。采用区域生长法和K聚类法对图像进行分割并向坐标轴投影,依据投影信息对图像进行分区。在不同区域选择两类算法中的最优结果作为输出,组合后获取最终分割图像。此方法对牛的头部、腿部、花纹部分和阴影部分均有较好的分割效果。

子宫绒毛叶状分割性平滑肌瘤3例临床病理分析

目的:探讨子宫绒毛叶状分割性平滑肌瘤的临床病理特征、诊断与鉴别诊断要点。方法:对3例子宫绒毛叶状分割性平滑肌瘤进行临床病理分析、组织形态学及免疫组织化学染色观察,结合文献对其临床表现、病理形态特点及鉴别诊断进行探讨。结果:大体形态具有特征性,由子宫壁内和壁外两部分组成,以结节状分割子宫肌壁形式扩展。组织学观察瘤细胞表现典型的平滑肌分化,伴厚壁与薄壁的大血管,血管呈丛状分布,周围基质水肿明显,肿瘤组织在肌壁中较局限地分割,扩展性生长。免疫组织化学染色显示瘤细胞Vimentin、SMA强阳性,CD10阴性。结论:子宫绒毛叶状分割性平滑肌瘤是一种较罕见的良性肿瘤,大体形态具有特征性,应注意与子宫内膜间质肉瘤及其他类型平滑肌瘤的鉴别。

一种基于机载激光雷达点云的建筑物识别方法

以三维激光雷达数据为基础进行目标自动检测识别具有重要现实意义。针对传统的以人工判读识别目标的方法已经远不能满足从海量数据中确定目标的要求,文中提出一种基于机载激光雷达点云的建筑物识别方法。通过使用改进后的金字塔方法构建三维激光雷达点云,鉴于三维激光点云具有地物本身的语义信息,可根据点云的多尺度复杂地物特征实现三维激光点云数据的自动分类,对分类后的非地面点进行区域生长分割,通过点云与建筑物平面特征的匹配,确定建筑物的识别结果。整个方案实现过程清晰、简单,而且该方法的实现对计算机硬件配置要求不高,能够从海量三维激光雷达数据中快速、准确地识别类建筑物,正确率高达81.25%,在目标识别领域具有较高的应用价值。

子宫分割性平滑肌瘤1例

患者，43岁，因停经于2011年12月5日入院检查。外院B超：子宫肌瘤，子宫内可见多个低回声包块，最大位于宫底，115mm×113mm×60mm大小。患者于2011年12月7日入本院就诊。妇科检查时于盆腔处触及一包块，无压痛，双侧附件未触及明显异常。术中见子宫质软，不规则增大如孕20周大小，宫底部肌瘤质软如囊状，子宫下段近宫颈处及右阔韧带处见多个囊性质软结节，大小不等。

基于热像检测与分割技术的磨削砂轮堵塞检测研究

针对磨削加工中的砂轮堵塞检测的难题,提出了一种基于主动红外检测技术和热像图分割技术的砂轮堵塞检测方法。分别运用阈值分割、边缘检测和区域生长三种方法分割热像图,提取了砂轮堵塞量和状态的特征。实验结果表明:阈值分割法提取的砂轮堵塞磨屑的分布出现"偏聚"现象,堵塞特征受选取的阈值影响较大;边缘检测法克服了"偏聚"现象,但仍存在边缘不完整、定位不精确等问题;而基于梯度阈值过滤的区域生长分割法检测结果更客观和准确。把基于梯度阈值过滤的区域生长分割法的砂轮堵塞红外检测结果与显微照相法的砂轮堵塞检测结果进行了分析比较,结果表明基于梯度阈值过滤的区域生长分割的红外检测法可以实现对砂轮堵塞面积和状态的定量检测。

一种针对大规模场景的点云匹配算法

针对大规模点云匹配时传统算法速度慢和匹配结果不一致的问题,提出一种新的点云匹配方法。该方法首先利用KD树找到点云中深度最小的点并以该点作为种子点,然后通过在深度信息和曲率两个方面做以改进的区域生长分割算法提取出点云上表面区域,并在该区域提取点云边界。最后使用改进的点对特征完成点云匹配算法验证。实验结果表明,相比传统算法,该方法在匹配速度以及匹配结果的一致性方面得到了显著的提升,在处理大规模点云匹配上具有实际应用价值。

基于区域生长算法的MR脑组织图像半自动提取方法

MR脑图像分割是进行医疗诊断与治疗的重要前提。脑图像分割的任务多样,实现分割的算法层出不穷。然而不存在单一的一种算法独立作用解决所用的分割任务。本文专注于脑组织图像提取这一特定任务,采用区域生长为主,形态学操作为辅的方法,较好的完成分割任务,并提出开发一种半自动人机交互系统的设想。

三维水平集智能分割算法在梅尼埃病患者内耳道磁共振图像分割中的应用效果

目的探讨三维水平集智能分割(IS3DLS)算法对梅尼埃病患者内耳道磁共振成像(MRI)图像的分割效果。方法选择68例梅尼埃病患者,采用MRI系统进行内耳检查,对内耳MRI图像分别采取专家手工分割算法、区域生长水平集分割算法、IS3DLS算法进行图像分割处理。①手工分割算法:由专家直接在MRI原始图像上画出感兴趣区(ROI)的边缘,分割目标。②区域生长水平集分割方法:在内耳ROI内设置种子点,调至最优参数,获得最佳区域生长分割结果,去除无关的组织,获得预分割结果作为初始轮廓掩膜,水平集演化分割内耳。③任选28组内耳图像数据,由耳科专家手动分割获得三维内耳体素模型,用3D-Slicer软件获得形状训练样本。另取6组内耳图像数据作为测试样本,建立内耳统计形状模型,计算平均形状模型。对图像进行加权,采用配准技术自动定位和获取内耳ROI,对内耳ROI和平均形状模型进行配准,得到初始轮廓。采用IS3DLS对初始轮廓和特征图像进行分割。以专家手工分割算法为标准,采用马修斯相关系数(MCC)、戴斯相似系数(DSC)、假阳性率(FPR)和假阴性率(FNR)计算IS3DLS算法、区域生长水平集分割算法与专家手工分割算法的相似性和准确性。以真位置(TP)和假位置(FP)进行IS3DLS算法、区域生长水平集分割算法两种分割算法的误差比较,记录IS3DLS和区域生长集分割算法的运行时间并比较。结果IS3DLS算法的MCC、DSC、FPR、FNR分别为0.9599、0.9594、0.0325、0.0365,与专家手工分割算法相当(P<0.05);与专家手工分割算法相比,IS3DLS算法的MCC高于区域生长集分割算法,提示其与专家手工分割算法的结果更接近;IS3DLS算法的FPR、FNR均低于区域生长集分割算法;IS3DLS算法和区域生长集分割算法均具有较高的TP值;IS3DLS算法的FP值、HD值均小于区域生长集分割算法(P<0.05);IS3DLS的运行时间明显少于区域生长集分割(P<0.01)。结论IS3DLS算法对梅尼埃病患者的内耳道MRI图像有较好的分割效果,处理时间更短,有助于梅尼埃病的诊断和后续治疗。

地铁点云分割方法比较研究

地铁点云数据包含了多种物体信息,无法对其进行特征识别,因此,需要通过对点云数据的分割来将点云数据所包含的不同的场景进行分离,提取出单个目标的点云信息。本文基于地铁场景中不同物体的自身特点,分别采用欧式聚类点云分割法、随机采样一致性(RANSAC)点云分割法和区域生长点云分割法并结合PCL(Point Cloud Library)点云函数库对地铁点云数据中广告墙、地铁上下车门、墩柱、轨道这四个主要部件进行分割。通过对分割后的结果进行分析,结果是在地铁情景中,基于区域生长的点云分割法更适合于准确分割出用户感兴趣的目标单体点云数据。

基于CATIA V5系统的复杂机加件模线样板设计方法探索

模线样板是检验零件几何尺寸和外形轮廓的量具,在航空制造中有着极其重要的作用。对于复杂的机加件,其空间曲面的展开和结构轮廓的提取一直是机加件模线样板设计过程中的一个技术难题。针对飞机复杂机加零件模线样板设计中的两类典型问题提出三种有效、实用的解决方法,即"边界拟合曲面法"、"分割生长提取法"和"草图线面相合法"。

基于切线反投影的CT金属位置和形状标定

针对CT金属伪影去除算法中,如何在图像空间准确定位金属区域问题,提出一种基于切线反投影重建一幅二值图像的方法对CT图像中金属的位置和形状进行标定。方法首先采用检测器等距扇形束扫描结构采集原始投影数据;然后配合区域生长的图像分割算法对原始投影数据中金属区域的投影进行分割,再利用原始投影数据分割的结果,采用基于切线反投影二值图像重建方法对CT图像中金属的位置和形状进行标定;最后采用计算机仿真实验对上述方法进行评估。实验结果表明,上述方法能够准确定位模型中金属的位置和形状。

光谱异质性参数优化方法及其在QuickBird影像中的应用

提出了一种光谱异质性参数优化方法,与现有方法相比,新方法的改进主要有:①在设置参与分割的波段数据时,通过引入派生波段数据来增强分割判据的数据支撑;②在设置各波段数据层的权值时,综合考虑了各波段数据层包含的信息量和相互间的信息相关度,以抑制波段数据层间的信息冗余对分割过程的不利影响。最后,通过分割对比实验证明:采用新方法设置的光谱异质性参数执行影像分割,"欠分割"现象有了较大幅度地减少,对象间的差异程度和对象内部的均质程度都得到了提高,分割质量有了明显地改善。

基于视觉显著图的物体检测

提出了一种基于视觉显著图的显著物体检测方法。对自底向上视觉显著图计算模型进行了改进,首先对输入的彩色图片提取强度、颜色、方向三类特征金字塔;增加了轮廓弯曲度的检测,目的是使显著图形状更逼近物体;然后采用"中心—周围"算法得到三类特征图,经归一化后线性合并成最终的视觉显著图;在得到的显著图的基础上,用区域生长算法进行分割,分割的目的是为了能更显著地突出物体的大致轮廓,也减小了物体周围像素对物体的影响,分割后得到阈值化的视觉显著图。最后,对阈值化的显著图进行有效子窗口搜索,从而检测得到显著物体的位置。实验结果表明了所提方法的有效性。

Flotation bubble image segmentation based on seed region boundary growing

Segmenting blurred and conglutinated bubbles in a flotation image is done using a new segmentation method based on Seed Region and Boundary Growing（SRBG）.Bright pixels located on bubble tops were extracted as the seed regions.Seed boundaries are divided into four curves：left-top,right-top,right-bottom, and left-bottom.Bubbles are segmented from the seed boundary by moving these curves to the bubble boundaries along the corresponding directions.The SRBG method can remove noisy areas and it avoids over- and under-segmentation problems.Each bubble is segmented separately rather than segmenting the entire flotation image.The segmentation results from the SRBG method are more accurate than those from the Watershed algorithm.

基于车载激光点云的道路路面提取

针对车载激光点云提取道路路面存在的问题,提出了一种基于Otsu算法和区域生长分割的道路提取方法。使用Otsu算法自适应计算出高程分割阈值,实现非地面点过滤;在此基础上,基于PCA算法和局部拟合平面的方法估算出点云的法向量和曲率值,然后将曲率最小值作为种子点,法向量夹角和曲率阈值作为约束条件,采用改进的区域生长分割算法实现道路路面的精确提取。采用3组不同类型的道路点云进行道路路面提取实验,其准确性、完整性和检测质量均大于94%,证明了本方法的有效性和适用性。

融合TDA的深度自编码网络车辆目标检测

针对在雪天环境下交通监控检测实时性差和准确率低的问题,提出了融合TDA的深度自编码网络车辆目标检测方法.该方法首先将监控视频帧的图像转化为点云数据;进而通过分割后提取车辆目标的点云数据并利用拓扑数据分析对车辆目标的点云数据进行处理;最后利用量化后的拓扑数据分析得到的车辆目标数据的单纯复形表示作为输入样本,对深度自编码网络进行训练,以栈式自编码结构的最后两层隐藏层作为输出构建车辆目标的特征模型,通过全连接层输入Softmax分类层做分类,使网络可以更加快速精确地对雪天环境下的目标和背景进行分类.实验结果表明,该方法能有效在雪天复杂环境下检测车辆目标并在精度以及速度上均有所提高.