基于Gabor变换的纹理图像分割算法及应用

基于Gabor小波的多尺度、多方向性,结合模极值特征提取方法和聚类算法提出一种新的纹理图像分割算法,并将算法应用到竹材横端面的识别中。二维Gabor小波可以在空域、频域和方向上获得最佳的分辨率,利用其对纹理图像进行分解,提取图像模极值纹理特征,用聚类算法对纹理图像进行分割。实验结果表明,提出的方法对合成纹理图像有理想的分割效果,并能够很好地对自然纹理图像进行分割。算法在竹材横端面的分割识别中,取得了很好的效果。     

基于unet的卷积神经网络的脊柱MRI图像分割

随着计算机与医学影像技术的不断进步,医学图像的分割逐渐成为医学图像技术研究的热点,在医学领域发挥着重要作用,核磁共振(MRI)成像能敏感地检查出组织成分中水含量的变化,能显示功能和新陈代谢过程等生理生化信息的变化,为一些早期病变提供了诊断依据,常常比CT能更有效和更早地发现病变以及不会像CT那样产生对人体有损伤的电离辐射等特点,被广泛应用于脊柱成像中。MRI的分析师(放射科医师和骨科医师)可以从呈现的图像中快速读出病变部位。这种方法的一种缺点是耗费时间,缺乏准确性。人工将MRI扫描的图像从大量的扫描图像中分割出来是一个很费时繁琐的过程。因此,选择对脊柱MRI扫描进行自动分割和分析至关重要,以提高临床诊断的准确性,给患者的治疗带来很大帮助。深度学习技术的兴起在医疗方面带来了福音。它能够快速地分析大量数据并产生较好的准确性。因此,深度学习方法可以有效地运用到MAI图像的自动分割。根据脊柱核磁共振图像的特点,利用核磁共振图像中椎间盘与椎骨灰度的鲜明对比,使用交叉验证的方法,提出了利用卷积神经网络对脊柱MRI图像进行精准分割,并产生了较好的效果,平均分割精确度可达到88%以上。     

基于图论的图像分割算法分析研究

图像分割是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程,图像分割新算法一直在更新,但都有局限性。本文介绍几种基于图论的图像分割算法,并对各自算法特点进行分析,通过将Normalized Cut归一化割集准则与图像的阈值分割联合起来区分目标和背景,提出了改进权值公式的算法。通过实验比较分析,改进的归一化图像分割算法有效消除了噪声,取得良好的实验效果,更接近人眼视觉的分割效果,并减少了算法的运算量。     

数学形态学在旋切单板缺陷图像分割中的研究

胶合板的质量等级在很大程度上取决于旋切单板的表面质量,为了提高旋切单板缺陷检测的质量和效率,提出了一种基于数学形态学的缺陷图像分割方法,通过形态学算子的作用进行缺陷的分割。试验结果表明该算法能取得很好的分割效果。     

基于改进ResNet-UNet的立木图像分割方法

【目的】针对现有图像处理方法分割立木精度低的问题,提出一种基于改进ResNet-UNet的立木图像分割方法,实现对图像中立木的精确分割。【方法】将拍摄得到的立木图像输入ResNet-UNet深度学习融合网络模型,初步得到较精确的立木分割图;结合自制的后期处理方法对该分割图进行优化处理,准确分割出立木形状。ResNet-UNet模型充分利用了像素之间的语义关联,以ResNet-34残差模块作为ResNet-UNet网络特征提取的基本单位;以U-Net网络的设计思路对图像进行上采样,以实现分辨率还原。去除ResNet-34网络的平均池化和全连接层,改变U-Net网络模型的特征通道数,形成ResNet-UNet网络模型。结合使用Adam一阶优化算法和dice bce loss损失函数实现了立木图像的初步分割。在后期处理阶段设定动态阈值得到前景和背景,避免了使用固定阈值对立木图像的高质量要求。运用强化学习中评分惩奖的思想,对前景和背景分配像素估计值,将该值和模型训练不同次数时的损失率输入惩罚-奖励机制,从而减轻分割结果对预测最终结果的过度依赖,降低网络过拟合对分割精确度的干扰。【结果】经验证,在自然环境、不同光照条件下分割不同品种的立木,平均误分率较传统的ResNet-UNet方法降低了3.5%,假阴率和假阳率较graph cut方法都降低了20%。【结论】使用ResNetUNet方法分割立木具有较高的精确度和较强的鲁棒性。     

彩色树木图像分割算法的研究

树木图像分割是将树木与其周围景物分离的技术,是虚拟现实和计算机仿真等学科在林业应用的核心技术,也是机器视觉领域的重要研究方向,拓宽了计算机技术在林业中的应用。本项研究基于树木图像形状复杂的特点,设计并实现了一种结合C-V模型水平集及形态学处理的彩色树木图像分割算法。运用改进的最小化能量函数作为水平集的演化曲线,可以更加自然地改变曲线拓扑结构,对含有分裂、合并、形成尖角等复杂形状的目标对象分割更为有效。如果再结合形态学后处理算法,将初次分割图像中非目标区的细密纹理和噪声剔除,可以快速准确地得到全局最优的图像分割效果。同时进行了与基于梯度变换的改进分水岭树木图像分割和基于灰度-梯度最大熵的树木图像分割算法的对比试验,试验表明,结合C-V模型水平集和形态学算法对树木图像分割效果更为有效。     

基于神经网络的卫星影像与航拍实景影像自适应颜色分割方法研究

针对智能区分系统中的实景图像真彩色的自动检测问题,研究了基于神经网络的实景影像自适应颜色分割方法。提取了图像中的所有像素进行灰度归一化,然后计算出像素矢量矩阵,利用像素矢量进行概率神经网络(PNN)的训练,通过训练后的神经网络进行图像自适应二值化阈值颜色分割,主要分割红,黄,蓝3种颜色。实验结果表明:自适应图像分割方法比固定阈值分割方法在图像分割效果上有显著的改善。     

基于深度学习特征和非线性支持向量机的板材表面缺陷识别方法

深度学习是一种有效的特征学习方法,具有很强的自主学习能力。研究了基于深度学习特征与非线性支持向量机(NSVM)分类算法相结合的板材表面缺陷识别方法。首先,针对深度学习模型需要海量训练数据的特性,使用旋转剪切的方法对采集到的原始板材表面缺陷图像进行数据扩增;其次,使用扩增后的板材表面缺陷图像数据集对笔者提出的深度卷积神经网络(CNN)模型进行训练,并使用训练好的网络提取不同种类缺陷图像的深度特征;然后,为了消除深度特征中的冗余数据,并增强数据的表达能力,运用基于1范数的非贪婪主成分分析(Non-greedy PCA-L1)算法对板材的深层语义特征进行特征降维和特征增强;最后,运用增强后的深度特征训练NSVM模型,并使用训练好的NSVM模型对原始板材表面缺陷图像的测试集进行分类。实验结果表明,笔者提出的识别方法具有较好的鲁棒性和实用性,可取得目前较好的分类效果,针对结疤、压痕和无损3种板材表面缺陷识别率可达99%以上。     

林木幼苗根系CT序列图像分割

图像分割技术一直都是图像处理中的难题,原位根系CT图像的分割结果影响后续的三维重建工作,选取合适的分割算法十分关键.通过对根系CT图像分割算法以及根系CT图像特点的的研究,选择阈值分割、区域生长和FCM聚类的方法对序列图像进行分割,并将区域生长方法进行优化,减少分割时计算的步骤,同时改进f cm聚类方法,将空间信息融入到FCM目标函数中.结果表明,阈值法仅对序列初始的简单图像处理效果理想,改进的区域生长法对分割目标连续的图像分割效果好,分割速度达到0.6s.而改进的FCM虽然需要花费23 s的时间,但对不连续的分割目标分割效果明显.三种方法均体现出分割的准确度,后两者能有效提升分割的效率.适当选取以上三种分割方法,即可快速准确的完成林木幼苗CT序列图像的分割.     

基于SPOT5图像分割的森林小班边界自动提取

以SPOT5图像为研究对象,试验了4种图像分割方案,采用基于最终测量精度准则的多指标评价和基于欧氏距离的相似度综合评价两种方法,对分割效果进行评价,其中多指标包括圆度(RO)、紧致度(CO)、形状指数(SI)、最小包络椭圆短半径(RE)、椭圆度(EF)、形状因子(P2A)、面积相对误差(RA)、周长相对误差(RP)、中心位置绝对位移(DC)9个指标,相似度采用面积(A)、周长(P)、RO、CO、SI、RE、EF、P2A等8个因子计算。结果表明,原始图像直接用于分割的效果远好于经直方图均衡化后的图像。在图像分割过程中,输入图层的权重很大程度上影响分割效果,根据各输入图层标准差设置权重的分割效果,略好于根据图层信息量设置权重的分割效果。采用图像分割的方法自动提取小班边界,经适当后处理后编制工作手图用于森林资源规划设计调查,不但大量节省野外小班勾绘工作时间、降低劳动强度、提高工作效率,而且大幅度地提高了小班勾绘的准确性,确保面积调查精度。     

基于影像区域合并分割技术的植被覆盖分级研究--以三峡库区小江流域为例

以影像区域合并分割技术为基础,综合运用相关GIS和RS软件,提出了植被覆盖分级研究的新方法.以三峡库区小江流域为例,以2002年的TM图像为信息源,结合研究区的地形图、GPS野外采样数据、植被指数和DEM等,对研究区的植被覆盖进行了分级研究.研究表明,三峡库区小江流域的植被覆盖总体上分布不均,但与流域区位及海拔高度呈现一定的规律性空间分布格局.这一研究对确定水土流失强度等级具有十分重要的意义,也为其它的遥感影像分析应用提供参考.     

林火图像识别理论研究进展

林火图像识别理论与方法是实现森林火灾视频自动监测的基础。文中从图像预处理、图像分割和特征提取3个方面详细地综述了国内外林火图像识别理论的发展现状,分析了图像颜色处理、图像滤波、图像阈值分割、区域分割、边缘分割以及动静态特征提取理论在林火图像识别应用中的优缺点;针对目前林火图像识别理论研究现状,指出在未来研究中需要解决的问题以及林火图像识别理论的发展方向,以期为图像识别技术在林火图像识别中的应用和进一步研究提供参考。     

数学形态学在木材表面缺陷图像分割后处理中的应用

介绍了数学形态学的基本思想和运算。针对木材表面缺陷图像分割效果不完善的问题,提出基于数学形态学的图像后处理方法,包括应用数学形态学的填充操作、形态滤波以及形态梯度边缘检测等。经实验验证,应用数学形态学进行图像后处理,增强了木材缺陷图像分割结果的可视性和准确性。     

基于多尺度分割技术的高分辨率影像信息提取方法分析

为了提高高分辨率遥感数据的应用价值,通过采用影像分割和多尺度分割最优尺度确定等方法,开展了从高分辨率遥感影像中提取地物信息技术的研究。结果表明:水体、植被、居住用地、道路和裸地最大面积分割尺度参数分别为200、180、80、120和100时,提取的地物信息比较准确,可以在生产实践中应用。     

基于模糊聚类分析的木材缺陷CT图像分割

为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。     

基于UAV高分影像的杨树冠幅提取及相关性研究

[目的]以无人机高清影像为数据源,结合样地实地调查数据,研究杨树冠幅提取及其与胸径和林分蓄积量的相关性,为无人机森林调查技术提供一种思路和方法。[方法]基于无人机高分影像及实地调查数据,采用面向对象法,对杨树林木冠幅进行分割与提取,通过实地测量数据建立冠幅-胸径模型,利用一元材积表计算样地蓄积量,并进行相关性分析与精度检验。[结果]影像分割效果良好,但提取得到的冠幅比实际值偏小,研究区最适宜的杨树冠幅分割尺度为10,平滑度0.1,紧致度0.5。杨树冠幅与胸径建立相关模型,其中一元线性方程拟合效果最好,相关系数为0.75。通过模型计算的样地蓄积与实测样地蓄积进行双侧T检验,结果 sig=0.0580.05,两组数据差异不显著。[结论]采用面向对象法,通过无人机高分影像能自动分割并提取了杨树林木冠幅信息,提取效果良好;利用影像提取林木平均冠幅,通过冠幅-胸径相关关系模型得到林木胸径,进而推算林分蓄积的方法可以满足森林资源调查精度要求。     

图像分割技术在木材表面缺陷识别中的应用

阐述了图像分割技术在图像处理及分析中重要意义,以及主要的图像分割技术。以木材表面缺陷为主要研究对象,利用微分算子边缘检测、最优迭代阈值分割及形态学方法针对具有代表性缺陷死节和虫眼进行分割处理。