基于极坐标变换和深度学习的腔镜图像气泡分割方法研究

目的:针对腔镜手术中气泡边缘模糊、数量形态浮动较大所造成的图像分割困难的问题,提出一种基于极坐标变换和深度学习的腔镜图像气泡分割方法。方法:首先构建包含笛卡尔坐标系下的U-Net网络和极坐标系下的U-Net网络的级联U-Net模型;其次,由级联U-Net模型中的笛卡尔系网络初步分割气泡,之后进行连通域分析并提取质心,然后以质心为原点将输入图像转换到极坐标系下;再次,由极坐标系网络分别预测气泡分割结果并对结果加权求和从而得到最终的预测结果;最后,为验证级联U-Net模型的有效性,对比级联U-Net模型与U-Net模型、深度轮廓感知网络(deep contour-aware network,DCAN)模型和边缘感知网络(edge-aware network,EAN)模型3种经典图像分割模型在腔镜气泡数据集上的分割效果。结果:级联U-Net模型对于腔镜图像气泡分割的精度显著优于3种经典图像分割模型,Dice系数、平均交并比、准确率、召回率分别为0.891、0.812、0.920和0.871。结论:基于极坐标变换和深度学习的腔镜图像气泡分割方法可精确分割腔镜图像中的气泡,可为腔镜手术中气泡自动去除装置的设计提供重要参考。

基于深度学习的气液两相流气泡分割算法

针对气液两相流中重叠气泡难以检测与分割的问题,基于深度学习框架,在YOLACT模型算法的基础上,将有效通道注意力机制(ECA)和空洞卷积引入特征提取网络,提出一种ECA-YOLACT气泡检测与分割算法,以增加重叠气泡的边缘提取能力.为获得气泡数据集,基于气泡生成对抗网络(BubGAN)生成数据集,同时开展气液两相流试验工作,采用数据增强的方式进行扩充,完成对网络模型训练.为验证算法的可行性,针对气泡的不同空隙率开展模型算法实验.实验结果表明:基于改进的YOLACT气泡检测与分割算法,在测试集上进行验证的准确率为89.49%,召回率为97.51%,平均准确率为96.80%.

水下微孔气泡群的图像分割及特征检测

目前,检测水下大气泡群特征的主要方法是用数字图像处理技术处理高速摄像机采集到的气泡群图像。本文针对高速摄像机采集到的斜上方投光的水下小孔气泡群图像,研究了基于改进分水岭算法的气泡群图像分割和基于区域生长算法的气泡群特征检测方法,解决了图像中粘连、重叠气泡的分割及特征检测,较常用的阈值分割方法检测气泡群特征更准确;同时,解决了斜上方投光拍摄的气泡群图像噪声多、气泡亮度不均匀造成的传统分水岭算法产生过度分割的问题。

窄矩形通道中欠热流动沸腾气泡图像分割方法

为快速且准确地计算气泡行为参数,本研究针对窄距形通道中欠热流动沸腾的气泡图像,提出了一种气泡分割方法。首先,对实验图像进行滤波,背景差值等操作消除背景噪声,提高两相之间对比度;然后,利用双阈值法获得气泡图像二值图;最后,依据气泡特征选择合适的结构元素,并利用形态学操作完成气泡图像分割。实验结果表明,该方法所得气泡图像分割结果有效消除复杂背景,气泡形状、大小及位置均与实验图像符合较好。因此,该方法能够对窄矩形通道中欠热流动沸腾的气泡图像进行快速有效的分割识别。

基于凹凸变换与圆周拟合的重叠气泡轮廓重构

针对识别气液两相流的气泡过程中气相比例较大气泡易发生重叠的问题,提出基于曲线凹凸性变换与圆周拟合的重叠气泡分割与轮廓重构算法.对气泡图像进行预处理,利用高斯滤波滤除噪声干扰,依据自适应阈值分离出前景,得到预分割图像.利用Canny算法提取轮廓,利用高斯函数平滑曲线,计算轮廓上的点到质心的距离.对得到的距离曲线进行凹凸性变换特性分析,对每两个凹点进行分割路径选取.利用最小二乘圆周拟合插值算法对重叠部分的气泡轮廓进行重构,得到气泡分割后的重构图像.实验结果表明,该算法是一种有效的分割与重构重叠气泡的算法,具有较好的分割和重构性能.

多尺度气泡尺寸分布数字图像测量方法研究

鼓泡塔是一种广泛应用于能源和环境领域的多相流反应器,鼓泡塔中气泡的大小和浓度对于研究鼓泡塔中“三传一反”过程具有重要意义。采用高速摄像法和数字图像处理技术开展了鼓泡塔中内多尺度气泡尺寸分布测量研究,针对气泡识别过程中密集气泡易发生重叠的问题,提出基于曲率计算的凹点匹配与圆周拟合的重叠气泡分割与轮廓重构算法。搭建了鼓泡塔反应器实验装置,针对星型、均匀和方形3种不同进气孔形态的气泡分布器开展了实验研究,分析了不同尺度气泡的尺寸分布规律。试验结果表明:该算法不仅能够有效地从图像中提取轮廓清晰完整的气泡,而且能够对图像粘连重叠的气泡进行准确分割,从而可精确地获得多尺度气泡尺寸分布。随着气体流量的增加,小气泡的数量急剧增加,同时产生更大的气泡;气泡的最大直径和Sauter平均直径均随气体流量的增加而增大,且两者的比值基本保持不变,即分布器形式对气泡尺寸分布均匀性有影响,方形分布器产生气泡最均匀,气含率相对其他两种分布器更高。实验结果证明了图像分割与轮廓重构方法在气液两相流中气泡参数在线测量的可行性。

Clustering-driven watershed adaptive segmentation of bubble image

In order to extract froth morphological feature,a bubble image adaptive segmentation method was proposed.Considering the image's low contrast and weak froth edges,froth image was coarsely segmented by using fuzzy c means(FCM) algorithm. Through the attributes of size and shape pattern spectrum,the optimal morphological structuring element was determined.According to the optimal parameters,some image noises were removed with an improved area opening and closing by reconstruction operation,which consist of image regional markers,and the bubbles were finely separated from each other by watershed transform.The experimental results show that the structural element can be determined adaptively by shape and size pattern spectrum,and the froth image is segmented accurately.Compared with other froth image segmentation method,the proposed method achieves much high accuracy,based on which,the bubble size and shape features are extracted effectively.