基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

CTA成像技术在颅内动脉瘤中的应用及最新研究进展

颅内动脉瘤是引起非外伤性蛛网膜下腔出血最常见的原因。颅内动脉瘤再次破裂后患者的病死率上升,因此如何对其进行早期诊断成为临床医生关心的问题。近年来,随着CTA、DSA等检查技术的发展,颅内动脉瘤的检出率有所增加。目前,CTA作为相对无创的检查方法,在颅内动脉瘤诊断方面起重要作用。本文综述CTA成像技术对颅内动脉瘤的诊断价值及相关研究进展。     

DSA体模研究及遥控装置的应用

为解决医用诊断数字减影血管造影(DSA)系统性能检测及检测人员操作时不受X射线的辐照,研制一套改进的DSA计量性能体模装置。体模的设计采用有机玻璃材料进行加工;模块的移动采用无线电信号遥控的方法;体模的性能试验在正常状态的DSA系统上进行。研究设计有机玻璃动脉模拟模块插件、骨骼模块插件、对比度线性模块插件和低对比度分辨力模块插件;模块的移动利用遥控驱动装置。试验得到:在不加载骨骼模块时,能看到直径为1mm的动脉模拟血管,同时能分辨直径2mm的模拟血管上1/2血管大小的血管瘤或栓塞;加载骨骼体模块后,可以分辨碘浓度为150mg/cm3、直径2mm的模拟动脉;遥控装置遥控距离50m,移动速度28mm/s。结果表明:体模装置完全符合国家规程JJG 1067——2011《医用诊断数字减影血管造影(DSA)系统X射线辐射源》要求;应用无线电遥控移动模块插件,避免操作时受到X射线的照射。     

基于机器视觉的运煤车车号识别技术研究

在铁路运煤装车过程中为了快速、准确地识别车号,提出一种基于机器视觉的运煤车车号识别技术。将连通区域提取与投影分割法结合,实现车号的粗定位、细分割,并对图像中的断裂字符进行二次分割,构建了基于BP神经网络的分类模型进行车号识别,提升了煤炭装车的效率和精度。     

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。