基于C-V主动轮廓模型的“陡峭”边界的微藻图像分割

采用Chan和Vese的C-V主动轮廓模型以及本文中改进的C-V主动轮廓模型对几类典型的海洋微藻图像进行了分割。当微藻图像的主要边界曲率变化较大,即主边界"陡峭"时,直接使用C-V主动轮廓模型难以获得微藻图像的边界。在改进的C-V主动轮廓模型中,通过人机交互绘制粗略的初始边界,并将其设定为初始零水平集,将符号函数引入到初始水平集中定义内外能量,再通过适当的参数调整进行图像边界的演化。将采用两种模型算法获取典型的海洋微藻图像边界的过程进行对比可知,对于带"陡峭"边界的微藻图像,采用C-V主动轮廓模型难以获得或以较慢速度获得图像边界,而采用改进的C-V主动轮廓模型不仅图像边界获取速度快,而且边界信息量大。实验结果验证了改进的C-V主动轮廓模型算法的有效性,为微藻图像的分割提供了新的技术手段。     

结合深度学习和引导滤波的苹果叶片图像分割

针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题，结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法，使用BiseNet卷积神经网络对苹果叶片图像进行自动分割，得到苹果叶片主体轮廓；然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理，以增强边缘锯齿等细节特征信息；最后将主体轮廓与细节特征信息进行联合分割，得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验，结果表明苹果叶片分割的精确率达到98.99%，交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值，为苹果叶片几何参数的测定提供了一种新的测量方法。     

多画面视频图像分割拼接实现方法

在视频监控和视频会议应用领域中都会使用图像滤波、图像分割等技术。首先提出了一种改进型图像分割滤波方法,然后阐述了对多图像分割拼接采用该滤波方法的FPGA(现场可编程逻辑阵列)实现过程。     

改进C-V模型在YCbCr空间下的羊体图像分割

针对羊体图像背景复杂、分割难以及不同光照条件干扰羊体图像的问题,采用一种基于YCbCr空间改进C-V主动轮廓模型的分割方法,对具有复杂背景的羊体图像分割进行研究。结果表明:1)根据羊体图像的颜色特点,对羊体图像进行从RGB空间到YCbCr空间的转换能克服拍摄环境中光照对羊体的影响;2)利用手动勾画羊体的粗略轮廓构造预处理水平集,对其内部、外部以及边界进行划分后可以演化羊体图像的轮廓。试验证明改进C-V模型能对复杂背景下的羊体图像进行准确分割,分割结果能够应用到后续羊体测量点的识别中。     

木材表面缺陷特征轮廓提取算法研究

虫眼、活节和死节是最常见的木材表面缺陷,是木材分选过程主要的识别目标,精确提取木材表面缺陷轮廓特征能大幅提高木材分选的准确率。本研究提出一种针对木材表面虫眼、活节、死节缺陷轮廓提取方法。针对木材表面常见黑点和纹理等非线性噪声,使用中值滤波方法平滑图像。然后分别应用OTSU算法与全局阈值分割算法分离图像背景与目标,对结果二值图像使用数学形态学方法进行滤除和填充,最终用sobel算子提取缺陷边缘。结果表明,采用OTSU算法分割和数学形态学相结合的方法可以很好地提取木材表面缺陷特征,用sobel算子能够提取到比较完整、准确、连续的木材表面缺陷边缘轮廓,提高了目标图像的可视性和精准性。     

基于多水平集的植物图像分割

依据植物图像中不同目标的区域特征,应用多水平集分割算法分割植物图像.该算法能够将植物的花朵、叶片以及背景有效地分割开.与基于聚类的多尺度Ncut算法的分割效果进行比较,多水平集方法在分割效果上优于多尺度Ncut算法.     

基于改进C-V模型的棉花叶片目标提取方法

为解决自然条件下棉花叶片因其轮廓几何边缘长势不均匀所导致的叶片目标提取不精准问题,提出一种基于改进C-V模型的棉花病害叶部目标提取方法。在传统C-V模型的基础上,将长度惩罚项和符号距离函数的约束能量项引入能量模型中,以达到对演化曲线长度变化的约束目的,从而完成对整幅图像目标特征的提取。本研究算法先对待分割的图像设置初始曲线,并利用高斯滤波算子对待分割图像进行平滑滤波处理,然后根据图像全局灰度信息和局部二值匹配信息建立能量方程,根据其离散化形式,对水平集函数进行演化,并从中提取演化曲线,最后根据水平集函数演化过程所满足的终止条件,输出图像分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:本研究算法对于晴天、阴天和雨天图像中目标(棉花叶片)轮廓提取准确率分别达到82.23%、82.73%和84.60%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像目标特征轮廓实现准确提取。     

基于MRF和水平集的图像分割方法

传统的水平集方法忽略了图像的局部邻域信息,使得水平集曲线易停止于噪声点,导致对含有大量噪声、灰度相近的目标难以分割,且分割结果依赖初始轮廓的选择。因此,本文提出了一种基于马尔科夫随机场(MRF)的自适应水平集图像分割方法。首先利用K-means聚类获得图像的原始先验信息;然后结合MRF获得局部邻域能量信息;最后将MRF能量函数加入水平集中,来约束水平集演化的结果,进而对含有噪声的灰度图像进行自适应分割。通过与一些效果较好的水平集算法进行对比实验,证明了本文方法能够获得更加精确、鲁棒性更好的分割结果。     

结合深度学习和引导滤波的苹果叶片图像分割郑艳梅黄光耀芦碧波*王永茂

针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题,结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法,使用BiseNet卷积神经网络对苹果叶片图像进行自动分割,得到苹果叶片主体轮廓;然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理,以增强边缘锯齿等细节特征信息;最后将主体轮廓与细节特征信息进行联合分割,得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验,结果表明苹果叶片分割的精确率达到98.99%,交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值,为苹果叶片几何参数的测定提供了一种新的测量方法。     

基于机器视觉的禽蛋图像分割方法研究

探讨了一种新的图像分割算法,可对禽蛋表面图像中脏斑、血斑等信息进行高效、准确的分割.文中将由CCD摄像机获取的禽蛋图像首先采用改进的中值滤波方法去除噪声,然后将去噪后的图像使用Sobel边缘检测算子检测边缘,运用分裂合并算法对去噪图像进行多区域分割,从而得到较为明显的多区域图像,最后利用图像融合技术将Sobel算子检测...     

Optical coherence tomography

A technique called optical coherence tomography (OCT) has been developed for noninvasive cross-sectional imaging in biological systems. OCT uses low-coherence interferometry to produce a two-dimensional image of optical scattering from internal tissue microstructures in a way that is analogous to ultrasonic pulse-echo imaging. OCT has longitudinal and lateral spatial resolutions of a few micrometers and can detect reflected signals as small as approximately 10(-10) of the incident optical power. Tomographic imaging is demonstrated in vitro in the peripapillary area of the retina and in the coronary artery, two clinically relevant examples that are representative of transparent and turbid media, respectively.     

OCT在年龄相关性黄斑变性中医辨证分型中的应用研究

目的 探讨年龄相关性黄斑变性（AMD）黄斑区的黄斑部神经纤维层（MNFL）、视网膜神经上皮层（RNL）、黄斑部视网膜脉络膜毛细血管复合体（CBRC）厚度与中医证型之间的关系。方法 对确诊为AMD的126例（152只眼）患者,行光学相干断层扫描（OCT）的黄斑扫描检查黄斑区的MNFL、RNL、CBRC厚度。结果 黄斑部平均MNFL厚度及各方向MNFL厚度、RNL厚度在B1-B5区域内的、CBRC厚度阴虚火旺型与痰瘀互结型的厚度均较脾虚湿困型及肝肾不足型厚（P<0.05）,而B6-B9区域内的黄斑厚度4组间差异无统计学意义（P>0.05）,痰瘀互结型与阴虚火旺型之间差异无统计学意义（P>0.05）,脾虚湿困型和肝肾不足型之间的差异无统计学意义（P>0.05）。结论 AMD患者中阴虚火旺型和痰瘀互结型的MNFL、RNL、CBRC厚度值均高于脾虚湿困型和肝肾不足型。     

Optical projection tomography as a tool for 3D microscopy and gene expression studies

Current techniques for three-dimensional (3D) optical microscopy (deconvolution, confocal microscopy, and optical coherence tomography) generate 3D data by "optically sectioning" the specimen. This places severe constraints on the maximum thickness of a specimen that can be imaged. We have developed a microscopy technique that uses optical projection tomography (OPT) to produce high-resolution 3D images of both fluorescent and nonfluorescent biological specimens with a thickness of up to 15 millimeters. OPT microscopy allows the rapid mapping of the tissue distribution of RNA and protein expression in intact embryos or organ systems and can therefore be instrumental in studies of developmental biology or gene function.     

基于改进的LinkNet的苹果叶片图像分割算法

使用传统方式对苹果叶片进行图像分割进而测量叶片几何参数,虽精度尚可,但效率较低。针对该问题,提出一种基于深度学习语义分割模型和迁移学习的苹果叶片图像分割算法,完成对叶片的快速、准确分割。所提方法以LinkNet为基本网络结构,进行了4个方面的改进：采用ResNet18作为编码器主干网络,融合迁移学习的思想加速模型拟合;减小编码解码块的数量,降低网络复杂度;改进通道约减方案,减少上采样中的参数量;使用子像素卷积进行上采样,降低计算量。结合焦点损失函数,将改进的LinkNet网络应用于标准苹果叶片数据集上。试验结果表明,所提算法的分割精度为97.27%,与原LinkNet相比精度相当;推理时间仅为7.82 ms,相较于原网络缩短39.89%;模型参数量和浮点数计算量大幅减少;且改进网络的推理速度远快于FCN、U-Net、DeepLabV3+等网络。所提算法在快速分割叶片主体的同时,还能较好地保持叶片边缘锯齿等细节特征,能够真正实现高效、精准地分割苹果叶片,为快速测量叶片面积和其他几何参数提供了新的思路。     

血液细胞图像分割方法综述

图像分割是图像处理的基础,是图像工程技术中的一个重要问题。本文简单介绍了图像分割的原理,系统地回顾了血液细胞图像分割的方法并进行了讨论。近年来,人们越来越重视血液细胞图像的分割算法,并期望寻求一种实时性、鲁棒性较好的算法。     

Illumination invariant segmentation of vegetation for time series wheat images based on decision tree model

Effective and efficient segmentation of vegetation from digital plant images is an actively studied topic in crop phenotyping. Many of the formerly proposed methods showed good performance in the extraction under controlled light conditions but it is still hard to properly extract only vegetation from RGB images taken under natural light condition where the images can contain shadowed and lighted parts with specularly reflected parts of plants. In this paper, we propose a robust method to extract vegetation from the plant images taken under natural light conditions using wheat images. The method is based on a machine learning process, decision tree and image noise reduction filters. We adopted the CART algorithm to create a decision tree in the training process and examined its performance using test images, comparing it with the performances of other methods such as ExG, ExG-ExR and Modified ExG which are widely used recently. The results showed that the accuracy of the vegetation extraction by the proposed method was significantly better than that of the other methods particularly for the images which include strongly shadowed and specularly reflected parts. The proposed method also has an advantage that the same model can be applied to different images without requiring a threshold adjustment for each image.     

基于Level Set方法的木材细胞显微图像分割

为解决木材细胞纤维图像分割中的某些图像分割不连续的现象,引入了基于形变模型(DeformableModels)的水平集(LevelSet)方法对木材细胞图像进行分割,并用Matlab实现了基于该形变模型的窄带(NarrowBand)快速算法。对针叶材和阔叶材的显微图片进行仿真试验表明,该方法适合于对具有分支、突触以及拓扑结构变化的木材细胞图像进行快速精确分割,不但具有全局优化的能力,而且可以检测出模糊或离散状边界,对噪声也有一定的鲁棒性。     

复杂背景下的树木图像提取

树木图像提取是将树木地面摄影图像中的单株树木与其周围景物分离的技术,为计算机技术在林业中的应用提供基础数据和技术支撑。在自然场景中拍摄的背景具有不确定性的树木图像,其提取是一项探索性很强的工作,具有重要的实用价值和现实意义。本文分析了复杂背景下树木图像的特点和提取的难点等问题;把近年来出现的树木图像提取方法按照图像分割和自然图像抠图分成两大类,并分别对每种方法中的典型算法进行了详细阐述。在此基础上,对图像分割与自然图像抠图技术在树木图像提取应用中的优势和局限性进行了分析和比较,提出把图像分割和自然图像抠图技术合理结合,针对树木图像特征,设计出准确、快速、实时的树木图像提取技术是未来研究的重点和难点。     

Crop segmentation from images by morphology modeling in the CIE L*a*b* color space

Crop segmentation from the images taken in the outdoor fields is a complex task. In this paper, a new morphology modeling method is utilized to establish the crop color model in the CIE L^*a^*b^* (or Lab for simplification) color space and to realize the crop image segmentation. In the supervised learning stage, morphology modeling is applied to deal with the color characteristics of the crop with respect to the pixel lightness component and establish the crop color model. To verify the performance of the proposed method, 56 test images which in size of 601 × 601 and taken from April 27, 2011 to May 21, 2011 are utilized to compare the proposed method with eight other famous approaches. Experiment shows that the segmentation quality of the proposed method is approximately 87.2% for the Automatic Target Recognition Working Group (ATRWG) evaluation method and 96.0% for another evaluation method. Moreover, the segmentation performance for images taken on cloudy, overcast and sunny days is analyzed. Experiment demonstrates that our method is robust to the variation of illumination in the field and performed better than eight other approaches. Furthermore, the impact of different structuring element types to the proposed method is compared. Overall, the proposed crop segmentation method can be used to crop segmentation in the field effectively.     

基于模糊Tsallis熵和混沌蛙跳算法的快速红外目标分割

针对红外图像的模糊性和非广延性,提出一种基于模糊Tsallis熵的快速阈值分割方法。先用模糊隶属度函数把图像灰度直方图转换到模糊域,分别定义图像背景与目标的模糊Tsallis熵,并根据不可加熵的伪叠加原理求出图像总熵。在参数寻优过程中,提出一种基于Logistic映射的混沌蛙跳优化算法,根据最大熵原理对模糊隶属度函数进行参数优化,进而得到图像的最佳分割阈值。与典型的阈值法进行对比试验,结果证实了该方法的有效性和鲁棒性。