草莓采摘机器人的研究:Ⅲ.扫描线填充算法在草莓图像孔洞填充中的应用

为解决强光照射导致的草莓图像分割后的内部孔洞问题,采用扫描线填充算法对孔洞进行填充。首先提取图像中整个草莓果实区域的轮廓线,在分析水平扫描线和区域轮廓线相交的各种可能性后,快速求取扫描线和轮廓线的交点,然后进行交点配对和区域填充,通过对整个草莓果实区域的填充实现孔洞填充。对150幅有孔洞的草莓图像进行填充试验,结果表明,采用该算法可以填充目标图像中的所有孔洞,填充准确率为100%,填充效果与孔洞位置、大小、数量等因素无关。与其他填充算法相比,该算法流程简单,复杂度低,填充结果准确可靠,可推广进行其他图像孔洞的填充。

一种基于游程码的二值图像孔洞标记和表达方法

在考察多种二值图像连通区域标记方法的基础上,提出了一种新的基于图像填充和游程码的二值图像孔洞连通域的标记和表达方法。对二值图像进行一次扫描,得到所有可能构成孔洞的游程码,并将游程对应的区域基于特定标记值进行填充。通过判断每个游程与图像上一行像素点标记值的对应关系完成新连通域的建立、游程数据存储和连通区域的合并,判断每个游程与图像下一行像素点标记值的对应关系完成孔洞的筛选。由于仅需扫描图像一次,且对每个游程只须进行单独处理,标记算法的效率较高、复杂度较低。结果表明,可以快速有效地完成二值图像孔洞连通域的标记。同时,它还给出孔洞之间的包含关系,能够有效地实现二值图像的拓扑结构表达。

基于MSHAM-UNet的岩心孔洞图像分割方法

岩心图像的孔洞分割对于石油勘探有着重要意义。当前基于深度学习的孔洞分割方法存在着孔洞边缘分割不连续、分割精度低和参数量大等问题,为解决上述问题,提出一种基于UNet网络的改进模型MSHAM-UNet。首先,针对UNet模型对不同尺度特征图的跳级连接带来的语义信息丢失问题,设计一种结合HAM(hybrid attention module)的多尺度融合注意力模块(multi-scale hybrid fusion attention module, MSHAM),该模块对带有空间信息的浅层特征图和含有语义信息的深层特征图进行注意力特征融合,增强网络聚合不同尺度信息的能力。其次,使用GP-bneck模块替换部分普通卷积,在降低模型参数量和加深网络的同时,增强网络特征提取能力。实验结果表明,MSHAM-UNet网络在岩心孔洞数据集上的F1分数(F1-score)、交并比(intersection over union, IoU)和平均交并比(mean intersection over union, MIoU)分别达到了87.35%、77.27%和90.21%,相较于原始模型提高了5.29%%、4.02%和4.84%,对比主流的语义分割模型也有较高提升,为岩心孔隙研究提供了新的思路。