黑色素瘤图像分割和边缘细化研究

黑色素瘤图像分割在皮肤病的诊断与治疗中具有重要的临床价值.但由于数据集缺乏标注、类别严重不均衡等原因,使得图像分割的精度低,边缘粗糙.因此,提出一种黑色素瘤分割和边缘细化方法,分三个阶段实现.第一阶段,对黑色素瘤数据集进行分类后,使用弱监督方法提取多个层级类激活图并处理;第二阶段,搭建UNet网络模型对黑色素瘤数据集中的恶性样本进行分割;第三阶段,使用第一阶段增强、叠加得到的类激活图边缘对第二阶段的结果进行边缘细化.在ISIC黑色素瘤数据集上的实验结果表明,经过三个阶段的处理,得到的分割图边缘更加细致,平均交并比(mIoU)为86.04%,戴斯相似性系数(Dice)为0.937,杰卡德系数(Jaccard)为0.885.

人体图像精细化解析方法在语义边缘的性能评测与分析

人体图像精细化解析旨在为输入的人体图像进行像素级分类,属于细粒度的图像语义分割任务,由于具有广阔的应用场景,在近10年受到了研究者的关注,相关技术得以迅速发展.本文重点研究现有人体图像解析精细化模型对人体图像语义边缘的预测性能.首先,总结现有人体图像数据集,对比数据集在规模和标注类别方面的差异;其次,根据模型原理性差异,从通用图像语义分割、辅助信息引导、高分辨率特征增益和标签降噪4个方面对现有人体解析方法进行梳理和分类;再次,针对现有评估指标对于语义边缘区域预测能力敏感度不足的问题,构建新的评估指标,即平均边缘交并比(mean Boundary Intersection over Union,mBIoU),并用于对现有模型的评估,从数值上对比各方法的性能差异;最后,展望了人体解析未来的发展方向.研究结果表明:平均边缘交并比相较于现有指标能够更好地区分模型在语义边缘区域预测性能的差异,对人体图像精细化解析模型解决人体解析任务特有挑战的能力具有良好的评估作用,有利于未来算法的开发与性能评估.

图像自动识别算法在汽车轮胎无损检测中的应用研究

针对汽车轮胎胎侧区生产过程中的各类缺陷,设计了无损检测图像的处理与识别方法。基于数字X射线摄影成像原理,分析了包括帘线开裂、帘线弯曲等在内的多种典型缺陷图像特征。提出一种结合均值修正的大津阈值图像分割算法和基于结构元素的迭代细化方法。通过构建不同类别的识别判据,实现了对包括异物夹杂、帘线断裂在内的4类微观和宏观缺陷的分类检测。算法整体缺陷识别概率达94.3%,漏检率低于8.7%。结果表明,所设计的图像处理与识别体系,可以有效实施轮胎胎侧区缺陷的自动化无损检测。该研究为保障汽车轮胎使用安全性提供了一定借鉴。

数学形态学图像细化算法在RE中的应用研究

在数学形态学的理论基础之上 ,运用 8种结构元素模板对图像进行击中匹配迭代运算 ,不断剥落图像边缘点 ,从而得到图像的中心骨架 ,达到细化的目的 .该细化算法的连通性、单像素宽度性、抗噪声性都非常良好 ,而且处理速度很快 ,非常适合于有大量图像处理运算的反求工程 .

基于CT图像的三维拓扑细化算法及其在心脏CAD中的应用

提出了一种基于形态学的提取物体中轴线的连续三维细化及其后处理算法,通过迭代从物体外层逐层擦除六类简化点,最终得到物体的中轴线。然后对细化曲线进行了剪枝处理,消除了毛刺,为后续分析算法提供更为准确的中轴线。最后应用体模对算法实现的结果进行了验证和评估。该算法已成功应用到心脏CAD血管分析之中。

指纹图像细化算法的研究

对指纹图像的细化算法进行了较深入的研究,分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点,针对这两种算法的不足,分析其产生的原因,并且在第二种算法的基础上,重新构建了细化模板,提出了一种新的细化算法。经过实验证明,该算法能够很好的满足细化的要求,细化完全彻底,细化以后的指纹骨架在纹线中心线,并保持了纹线原有的拓外结构和细节特征,而且光滑无毛刺,运算速度也很快。

基于数学形态学的图像汉字笔划细化和提取

文章提出了一种基于数学形态学的图像汉字笔划细化和提取方法。根据汉字的结构特点,定义了一组新的结构元素序列,保持了原样本图像汉字的连通性和拓扑性的骨架,有效地抑制样本细化后汉字笔划的扭曲和歪斜;在此细化的结果基础上,定义了一种新的汉字笔划提取算法,准确提取出原汉字的横竖撇捺笔划的形状、形态及形式结构信息,取得了理想的效果。

一种图像细化算法及其在医学图像中的应用

提出一种具有较高准确度的细化算法 .通过基本细化和优化等步骤 ,该算法抽取的骨架相当接近理想的骨架 .

基于PCNN的二值图像细化新方法

脉冲耦合神经网络(PCNN—Pulse Coupled Neural Network)是一种根据动物大脑视觉皮层同步脉冲发放现象提出的人工神经网络。该文首次提出了如何用PCNN的脉冲传播特性进行二值图像细化的新方法。计算机仿真结果表明,使用PCNN可自然而迅速地自动对各种形状的二值图像进行细化,提取其骨架。该文的研究进一步拓宽了有生物视觉依据的PCNN在图像处理方面的应用范围。

指纹图像细化的综合化算法

指纹图像细化指将指纹脊线削减为单像素宽的线条,它能够有效地提高自动指纹识别系统(AFIS)的性能.根据OPTA算法及其改进算法,结合AFIS对图像细化算法在运算速度和系统资源两方面的要求,提出一种基于快速细化算法并引入OPTA算法优点的改进算法,该算法对指纹二值图像的细化结果满足8连接条件.在FVC指纹数据库上的测试结果表明,文中算法能够获得正确的指纹细化图像,运算速度满足AFIS的要求.

一种保形的数学形态学图像细化算法

在分析形态序贯同伦细化算法的基础上，针对该算法运算结果为畸变骨架的缺点，提出了一种能保持图像目标正确结构形状的加权结构元素形态序贯细化算法，并以汉字图像为例予以验证．

OPTA算法的改进及其在指纹图像细化中的应用

图像细化是指纹预处理技术中的一个重要环节,大多数指纹识别算法都是在细化图像上实现特征点的检测。因此,研究图像细化对提高指纹识别系统的性能具有重要意义。对OPTA算法进行了改进,将其应用在指纹图像细化中,并对其局限性进行了分析。实验结果表明,使用改进的OPTA算法,指纹图像细化效果有明显的提高。

基于生成树的图像完全细化算法

图像细化是图像处理的重要环节,已有的图像细化算法较多,但都存在一些缺陷,限制了算法的使用范围。提出一种基于生成树的图像细化算法,对原图像运用形态学细化算法预处理,对中间结果的连通分支分别建立生成树,利用树的结构特征对图像中各连通分支逐个细化。对指纹图像的实验结果表明,该算法能使图像得到完全细化并能有效的去除毛刺,减小噪声干扰,还能避免交叉点处连通度冗余现象,有较强的适应性。

基于两极复合式指纹图像细化算法的研究

针对现有指纹图像模板细化算法中存在的诸如迭代次数较多,细化速度慢,图像局部细化不完全等问题,分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点,提出了一种基于两极复合式算法的指纹图像细化算法,该算法在保证对图像完全细化的同时,能较明显提高细化处理速度。

两种常用指纹图像细化算法的改进

本文对指纹图像的细化算法进行了较深入的研究,结合这两种算法,提出了一种综合的细化算法。经过实验证明,该算法能够很好的满足细化的要求。

大幅图像的分块细化加速算法

文章在分析大规模二值图像特点和细化算法基本原理的基础上,提出一种分块细化大幅图像的算法。该算法首先将大幅图像分割成若干子块,然后分别对各子块进行细化,最后将子块细化的结果拼接成原图的骨架。算法有效地解决了大幅图像细化处理的时空矛盾,提高了大幅图像的细化速度。

一种滤除细化指纹图像中伪特征点的新方法

提出了一种新的滤除指纹细节伪特征方法,它首先对非边界端点采用脊线跟踪法滤除毛刺和短脊产生的伪特征点,然后用窗口法滤除断脊、假桥、小孔和岛屿产生的伪特征点。结果表明,该方法简单、处理速度快,滤除精度基本可以满足应用的需要。

基于图像细化的疲劳断口图像条带周期测量

研究材料疲劳断裂准确判断测量问题,对材料的疲劳条带周期性进行定量分析疲劳应力和疲劳寿命是测量的一个重要手段,同时准确测量可以得到快修复。针对传统依靠研究人员的经验,采用人工目测,手动计算条带周期时工作量大,效率低的缺点,为了客观、定量、快速的检测疲劳周期,建立了疲劳条带的三角计算模型,并将遗传算法引入图像二值化处理,提出了基于图像细化的周期测量方法。经实际断口图像样本测试表明,采用的方法可以有效的减少人为因素的干予,提高测量精度,能满足断裂故障智能化诊断的要求。

基于图像特征细化的海量数据挖掘系统设计与实现

传统基于图像内容的图像数据挖掘算法,对海量图像特征的分类效率低,对图像数据的挖掘准确率受样本数量影响较大。因此,提出一种基于图像特征细化的海量数据挖掘系统,其中的人机界面可赋予系统较高的交互性。图像搜索引擎能够智能地从互联网海量的图像数据中,采集有价值图像数据和特征。图像预处理模块对图像格式进行变换,完成图像噪声因素的过滤等操作,并对采集图像特征进行细化。数据挖掘模块依据采集的图像特征细化结果塑造CMQL语句,从图像数据库中挖掘出有价值的图像数据。系统实现部分给出了数据挖掘查询语言CMQL进行图像数据的挖掘过程。实验结果表明,所设计系统具有较高的查准率和查全率。

一种改进型的汉字字符图像细化算法

针对一般的基于图像像素的八邻域进行分析的细化算法,容易导致汉字笔划产生畸变的问题。文中提出了一种改进的汉字字符图像细化的算法,该算法在图像像素的八邻域细化算法的基础上,分析细化结果中笔划畸变的主要情况,再分别加以修正。实验结果表明,该算法能够较好地纠正传统细化算法的畸变,处理速度较快。