基于神经网络的超声医学图像自动分割

图像分割是多维超声医学图像重建中最重要和最困难的问题。文中将传统的最近邻分类方法与自组织神经网络相结合,提出了一种超声医学图像的自动分割方法。实验表明,与传统的K平均方法相比,该方法除具有自动分割优点外,还具有稳定性好,自适应强,分割准确等优点。     

胸部CT中肺实质的自动分割及粘连肿瘤检测

为了实现胸部CT图像肺区的完全自动分割与辅助诊断,提出了一种自动肺实质分割算法,即引入基于量子粒子群优化的二维直方图阈值分割算法结合3-D区域生长,通过分割背景及胸腔实现肺实质分割,并提出行扫描曲率分析法实现粘连肿瘤检测及左右肺分离.该方法有效解决了肺实质分割中高密度特征易丢失、边缘肿瘤易遗漏等问题.通过多组胸部CT序列图像的实验,证明该方法对于肺实质分割非常精确有效,与传统分割算法相比,在分割精度上有明显提高.     

改进关系网络的小样本图像分类方法

为提升小样本学习方法的泛化能力,在关系网络的基础上提出一种新的小样本图像分类方法。该方法在原关系网络的结构上进行改进,通过引入inception块增强网络的特征表达能力,同时改进原关系网络中用于相关性计算的激活函数和损失函数,从而实现更好的信息流动,有利于模型的训练,并且使模型具有更好的泛化能力,有效提高小样本图像分类的准确度。在Omniglot、MiniImagenet以及TieredImageNet三个常用小样本学习数据集上进行实验,结果表明：改进的网络比原关系网络模型的分类准确率高,可以有效增强模型的泛化能力。     

图像样式风格迁移的行人再识别方法

现有行人再识别模型的训练集,来源于有限的固定采集设备,样本样式风格缺乏多样性.通过循环生成对抗网络,使不同摄像机捕捉到的图像数据进行样式风格迁移,可以通过较低成本来提升样本风格的多样性.为了提高模型的泛化能力,设计了一种新的正负样本融合训练方法.首先,把样式风格迁移后的样本作为负样本,样式风格迁移前的样本作为正样本,将正负样本同时送入模型训练;进一步,为了防止过拟合,也为了考虑错误标签位置的损失,采用了标签平滑正则化;同时,为了更多地关注困难、易错分的样本,实现对负样本的损失优化,采用了焦点损失函数.实验结果表明,所提方法在Market-1501数据集和DukeMTMC-reID数据集上的识别准确率分别提升了1.51%和2.07%.     

基于深度卷积自编码网络的小样本光伏热斑识别与定位

针对传统卷积神经网络训练需要大量数据、而热斑效应图像样本量较少的现状,构建一种深度卷积自编码网络模型用于小样本光伏热斑识别与定位。首先对原始光伏红外图像做预处理得到小样本数据集,然后构建一种以卷积神经网络为基础、结合自编码器的深度卷积自编码网络模型。该模型能自动学习并提取小样本图像中的有效特征,提高识别准确率。实验结果表明,针对小样本光伏热斑图像数据集,深度卷积自编码网络模型比传统卷积神经网络在测试集上的识别准确率高出了7.98%,且具有更强的泛化能力和鲁棒性。     

基于多类别Focal Loss损失函数的变电站场景图像语义分割研究北大核心

图像语义分割技术在变电站智能机器人抢险作业以及日常巡检中起重要作用。针对变电站场景中的类别不平衡问题,提出了一种用于训练多类别图像语义分割模型的多类别Focal Loss损失函数。多类别Focal Loss损失函数可以动态调整各类别的权值,对出现频率小的类别更加友好。基于深度学习和变电站场景图像,分别使用多类别Focal Loss损失函数和交叉熵损失函数训练基于FCN、SegNet和DeepLabV3网络的图像语义分割模型进行对比实验,并通过平均交并比和像素准确率等评价指标进行模型评价。实验结果表明基于多类别Focal Loss损失函数的图像语义分割模型具有良好效果,有助于缓解类别不平衡现象。     

一种三维编织物表面参数自动测量方法

提出一种三维编织物表面参数的自动测量方法．这种方法是利用图像设备把三维编织物表面图像输入到计算机中，利用图像处理技术对其纹理特征进行处理，文中给出了算法并编程实现，也给出了一组具体的测量结果．     

胎头位置和宫颈扩张监测方法的研究

基于空间几何原理和超声多普勒三角测量法,提出了一种胎头位置、宫颈扩张的自动测量方法,以替代产科临床使用的传统手工触诊法。研究建立了跟踪定位测量系统模型,讨论了可能引发测量误差的原因。设计并实现了超声多普勒跟踪定位系统,包括超声传感器系统、超声驱动/接收电路和测控系统软硬件。模拟测试表明,所设计的系统对胎头位置和宫颈开口的5次测量平均值绝对误差小于0.25 cm,远小于传统手工触诊法的平均误差2.0 cm。     

一种基于残差结构的车道线检测方法

提出了一种基于车道线特征的残差因子分解网络实现精确车道线分割的方法,该法采用笔者所提的语义分割网络实现车道线语义分割,通过编码器提取车道线的特征信息,再使用解码器恢复图像信息。在编码器中增加的残差层能更好地处理边缘信息与相似信息,提取到更多的特征信息。 用霍夫线拟合方法组成一条可视化的车道线。训练时先对车道线分割训练集进行增强,使用对抗生成网络对公开数据集进行数据增强,自动实现白天到夜晚的转换,生成弱光照场景下的图片,提 高训练数据的泛化性。实验证明：笔者算法在保持速度的前提下,能够大大提高分割准确率,与其他车道线分割算法相比,ＣＵＬａｎｅ数据集的准确率可提高到７４．７％。     

半导体功率器件直流特性的自动脉冲测量

为了消除大功率场效应晶体管静态测量时的自加热效应对器件测量结果的影响,提出了一种基于Sagittarius实验测量操作平台设计的新型自动脉冲式电流一电压（I—V）测量系统．用短脉冲技术加低负载循环,通过补偿因子进行系统校准,分析对比直流I—V测量方法和脉;中式I—V测量方法．实验结果表明,所设计的脉冲式I—V测量方法正确有效,能够得到大功率半导体器件真实的输出电导和跨导,自动测量系统相比常规测量方法可以提高测量效率约12倍,为构建大功率场效应晶体管器件的精确模型和工业生产监控提供相关测量数据．     

视觉注意引导和区域竞争控制的医学图像分割

模糊连接度已经成为医学图像分割的实用方法，但其困难在于需要设定多种子点，自动给定的手段不是很有效.为此将种子点等价于视觉特征显著点，提出了在视觉注意模型引导下种子点给定的新方法.通过研究显著点定位与图像特征概率密度估计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割.新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像.新方法能够完全自动定位种子点，有效分割图像，准确率高.引入多种子点之间的竞争策略加快了图像分割中的区域增长处理过程.     

自适应局部关系网络的小样本学习方法

针对基于度量学习的小样本学习方法中嵌入模块泛化能力差、提取图像级表征可能会损失大量辨别信息的问题,提出一种自适应的局部关系网络。该网络引入一个自注意力机制,使嵌入模块能够提取到每个类别特定的信息,将信息从任务无关的泛化概念转化为任务相关的独有特征;同时引入局部描述子的思想,每个局部描述子对应图片中的一个区域,通过局部描述子将关注点放在图像与类别之间的比较,有效消除类内差异和背景混淆,再将局部描述子与一种非线性的度量方式进行融合,应用改进的损失函数对图片进行分类识别。在MiniImagenet和Omniglot两个小样本学习常用数据集上的实验表明,改进算法能够高效地提高分类准确率。     

自适应气球力主动轮廓的图像分割

集成图像的先验信息到模型中是改善主动轮廓模型分割复杂背景图像性能的一种重要方法．采用统计方法确定目标区域，根据区域自适应地决定主动轮廓模型气球力的方向，对测地线主动轮廓模型进行改进．结果表明：主动轮廓曲线的收敛仅依赖图像梯度这一局部性质的情形被改变，主动轮廓曲线的收缩或扩张和目标区域联系起来．图像分割实验说明改进的模型能较好地对带噪声且为弱边缘的人工合成图像、医学超声图像得到理想的目标边缘轮廓．自适应气球力主动轮廓分割图像能提高在图像弱边缘处的定位能力和精确度，减少对噪声的敏感性，加快曲线收敛到目标边界的速度．     

一种利用手指图像测量人体心率的方法

在智能手机上,仅利用手机摄像头采集手指颜色的变化图像,实现人体心率的测量．采用图像频谱分割法对采集的手指图像进行滤波,结合3种像素包含的信息及包含的信息的差异性, 利用3种像素功率密度谱加权计算出光电容积脉搏波．通过相隔点检测波峰法检测光电容积脉搏波信号,测出人体心率．将测量结果与标准仪器测量结果进行对比,平均误差为1.82％, 与真实值的相关系数大于90％,证明了从手指图像测量出人体心率参数的可靠性．将该测量方法应用到手机上,能极大地方便慢性病人对自己健康状态的监控．     

双目视觉传感器的自动标定

双目视觉传感器在三维激光扫描测量中已得到广泛应用，其标定的简易与精确程度直接影响了三维激光扫描测量仪的使用。利用含有多个圆形标志的标定块以及两步标定方法，采用动态闽值分割，边缘提取，轮廓自动跟踪等技术，实现了对其自动标定。标定结果显示，自动化程度及标定精度较高，且具有较好的抗干扰性及稳定性。     

土壤微观结构定量分析的IPP图像技术研究

利用扫描电镜(SEM)图像和IPP图像技术对土壤微结构作定量分析,包括图像分割、图像形态学处理、土壤团聚体和孔隙的尺寸测量与计数、土壤微结构的三维模拟等.结果表明:由于土壤团聚体与孔隙的边缘十分复杂而难于区分,采用目视分割法确定阈值可保证图像分析精度.IPP形态学处理的流域分割法可识别SEM图像中成簇团聚体的边界并进行分离,从而实现团聚体的精确测量.利用IPP图像技术可快速测量团聚体和孔隙的尺寸和数量,并基于测量结果自动分类和统计.通过对SEM图像作空间变换和三维数字模拟操作,还可逼真显示土壤微观孔隙结构特征.IPP图像技术使土壤微结构的定量研究更为精确和快捷.     

超声左心耳图像的轮廓自动提取

针对经食道超声左心耳图像的分辨率低、对比度低、含有斑点噪声等问题,提出了一种结合左心耳解剖位置和超声图像灰度及相位信息的方法,全自动定位常规切片中的左心耳。首先,根据医生采集习惯,以左心耳在标准切面中的解剖位置为先验知识,结合其灰度特性,自动确定分割模型中的初始轮廓;然后,通过线型加权相位和梯度信息构造新的外力项,改进向量场卷积模型,完成左心耳轮廓的自动提取。300张左心耳超声图片测试结果表明,以医生手动勾勒的轮廓作为“金标准”,该方法自动提取左心耳的准确性为0.8969 0.0494、敏感性为0.9058 0.0762、特异性为0.9645 0.1687。分割效果优于传统的向量场卷积模型,能够解决自动定位超声图像中左心耳的初始轮廓和弱边界分割的问题。     

基于超像素与半监督的岩石图像分割与识别

岩石薄片图像的分析往往依赖于专业人员在显微镜下观察并给出鉴定结果,不但费时费力,并且受设备限制影响较大。近些年,针对于薄片图像的自动识别方法已经被提出,然而这些方法大多采用监督学习与深度学习相结合的方式,进而受限于大量人工标注,为方法的推广与应用带来了巨大困难。此外模型在不同的地层、岩性等目标应用时,其泛化性也因此受到极大限制。本文针对该问题提出了一种超像素算法SLIC与半监督自训练结合的方法,仅依靠6%的人工标注便能够实现岩石图像的自动化分割与组分识别,极大的增强该方法在实际应用中的价值。该方法首先使用超像素算法SLIC对岩石图像进行预分割,随后基于分割片的颜色特征进行粗合并,并根据最小外接矩形进行切割;切割下来的岩石组分分割图像作为后续处理的基础数据集,这里仅需要人工标注6%的岩石组分数据;随后这些数据通过一个改进的半监督自训练方法,以改进的VGG16模型作为主模型、ResNet18模型作为评判模型,不断生成高置信度的伪标签,利用迭代优化调整,将其扩展到整个数据集,最终获得一个具有较高的稳定性、准确性以及一致性的组分识别模型。通过实际数据的测试与分析,本文所提出SLIC和半监督自训练结合的方法,对6类岩石组分的识别准确率可达到96%。该方法能够在数据差异不大的条件下,帮助用户基本实现自动化的组分识别。而当数据集产生较大差异时,仅需标注少量部分样品即可实现自动的组分识别。通过理论验证与实际数据测试,本方法具有较高的泛化性和可靠性,能够在实际应用提供足够的准确性与便利性。     

基于轮廓曲线拟合的人体下肢分割及其测量技术

针对当前人体分割方法适应人群窄和尺寸测量不准确的缺点,提出基于轮廓曲线拟合的人体下肢分割及其测量方法。对人体臀部轮廓进行迭代曲线拟合圆以提取臀部特征,根据腿间分叉点实施下肢分割,依照国家人体尺寸标准对下肢10多个关键尺寸进行测量。实验结果表明,该分割和测量方法能增强实验对象的普适性,提高尺寸测量的准确率。     

一种超模糊熵ULPCNN图像自动分割新方法

为了自动地对图像进行二值分割,提出了一种新的自适应迭代全局阈值图像分割算法．首先对二维超模糊集隶属函数进行了自适应修正,并将其引入到图像超模糊熵概念中; 然后从适应图像分割角度,将传统脉冲耦合神经网络模型改进为具有单调指数上升阈值函数的ULPCNN抑制捕获模型; 最后把ULPCNN与最大超模糊熵判据相结合对图像进行自动分割,并与基于最大香农熵、最小交叉熵及最小模糊熵准则的ULPCNN分割方法作了比较．理论分析和实验结果表明,该方法能自动确定迭代次数和选取最佳阈值,对图像目标划分清晰,细节保持较好,改善了图像的分割性能．