基于模糊连接度的卫星图像道路提取新方法

论文提出一种将相对模糊连接度和道路特征相结合进行卫星图像主干道路半自动提取的新方法。首先将原始图像划分为多个目标,对每一类目标分别人工选取种子点,然后计算出图像中各像素点与每一类种子点之间的模糊连接度,将其归属于模糊连接度值最大的一类,从而分离出道路目标。接着结合道路局部特征运用模糊连接度连接断裂路段,最后根据道路走向进一步完善整个道路轮廓。SPOT图像道路提取实验表明,新方法可以取得很好的效果。

模糊连接度在图像分割中的应用研究

图像分割是图像处理与图像分析的关键步骤。由于人的视觉特性和数字图像本身所具有的不确定性因素,使得图像分割是典型的结构不良问题。在解决这方面问题时,模糊集合理论能产生比较好的分割结果。将模糊连接度方法应用于图像分割,使得模糊集理论在图像分割中的应用又前进了一步,基于模糊连接度的分割方法进行了综述,主要介绍模糊连接度方法,相对模糊连接度方法,模糊连接度和Voronoi图分类结合的方法,模糊连接度和FCM方法相结合的方法,模糊连接度上增加属性检测的方法。并简要讨论了各种方法的优点以及应用情况。

肺结节图像的自动分割与识别

为实现肺结节自动分析与识别,研究基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法。该方法包括5个步骤:收集图像数据,用于模型构建和测试AAR;叙述胸腔中每个器官的精确定义,根据定义提取肺部轮廓;建立分层模糊解剖模型;利用分层模型识别和定位肺部;根据层级结构提取肺部轮廓。将分割好的肺部图片作为输入送入卷积神经网络进行肺部结节检测,通过使用VGG-16网络模型,在天池医疗AI大赛的数据集上实现了92.72%的目标检测准确率。