基于改进Graph Cuts的印刷电路板CT图像分割算法

基于锥束CT的印刷电路板(PCB)无损检测是近年来出现的新的PCB检测手段,但是CT图像中普遍存在的金属伪影容易导致PCB图像的错误分割。为了抑制金属伪影对PCB图像分割的影响,文章提出了一种基于图割的交互式分割方法。利用受金属伪影影响的PCB图像灰度分布特点设计了新的权值函数,并进一步利用了用户输入的信息,将用户选取的种子点信息作为计算区域项权重的重要参数。通过对多组印刷电路板图像进行分割实验比较,结果表明与经典的Graph Cuts和Grabcut等算法相比,文章方法在准确性方面有明显提高。     

一种印刷电路板锥束CT图像中过孔定位检测方法

印刷电路板（print circuit board,PCB）广泛应用在各种精密仪器中,PCB的质量直接影响器件的整体性能,因此在工业生产中需要对PCB的质量进行检测。过孔负责PCB中各电路层之间的连通,对PCB意义重大。针对PCB的过孔数量大、目标小和形状不规则等问题,结合三维空间中过孔的形态特征设计了一种基于加权叠加增强的PCB过孔检测算法。该算法首先在垂直PCB方向上进行加权叠加增强过孔目标,降低非过孔要素对过孔检测的影响,然后引入一种高斯加权计算区域圆度的方法,利用圆度判断过孔区域,并利用区域信息计算过孔属性。实验结果表明,相比于传统的Hough变换,本方法检测精度高、稳定性强,同时大大降低了人工检测的工作量。     

基于改进U-Net模型下的椎骨CT图像分割方法

针对经典U-Net模型在椎骨CT分割过程中对图像信息利用不充分而造成图像边缘分割不清的问题,采用一种基于改进的U-Net模型的椎骨CT图像分割算法.首先在经典U-Net模型基础上进行了改进,其次利用改进的U-Net模型分割出椎骨区域并得到粗分割结果,最后对粗分割结果利用图割算法(Graph-Cut)加强边缘约束,从而做...     

基于改进YOLOv3的印刷电路板缺陷检测算法

针对现有基于深度学习的印刷电路板(PCB)缺陷检测算法无法同时满足精度和效率要求的问题,提出基于YOLOv3改进的AT-YOLO算法来检测PCB缺陷.将主干网络替换为ResNeSt50,提高特征提取能力,减少参数量.引入SPP模块,融合不同感受野的特征,丰富了特征的表达能力.改进PANet结构替换FPN,插入SE模块提升有效特征图的表达能力,增加1组高分辨率特征图的输入输出,提升对小目标物体的敏感程度,检测尺度由3个增加到4个.使用K-means算法重新聚类生成锚框尺寸,提高了模型的目标检测精度.实验证明,AT-YOLO算法在PCB缺陷检测数据集上的精度均值AP_0.5达到98.42%,参数量为3.523×107,平均检测速度为36帧/s,满足精度和效率的要求.     

基于图论的肝肿瘤CT图像自动分割方法

提出了一种肝肿瘤CT图像自动分割的方法, 运用图中最小生成树寻找图像的同质区域, 使用按级合并和路径压缩2种试探法, 使得分割时程近似线性时间O (nlogn) .对52幅肝肿瘤CT图像进行分割, 结果表明, 该方法分割实际图像的平均最小距离为8.7540, 面积交迭度为95.15%, 分割精确度优于同类自动分割算法.应用该方法能快速、准确地自动分割出肝肿瘤.     

改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。     

一种改进的基于图的图像分割方法

提出一种改进的基于图的分割方法。该方法重新定义了边权重函数、判定函数等度量函数,然后利用判定函数来判别区域间的边界,从而完成分割。该方法能兼顾全局和局部特征,从而更好的度量区域内部的差别和区域之间的差别,具有了更快的分割速度。实验表明,改进的方法具有更好的效率。     

基于图切的交互式图像分割方法

图切是一种基于图论的图像分割方法,它基于最大流/最小割定理实现能量函数最小化,其中能量函数的设定、实现的流程等方面可以改进以提高对不同图像的适应性.本文给出了一个基于图切的交互式图像分割方法,用户通过手绘封闭或不封闭线条的方法提供关于前景和背景的先验信息,在此基础上实现图像的分割.首先采用分水岭方法对输入图像进行预分割,把颜色相近的像素分为若干个小区域;设定合适的能量函数,将预分割的区域之间的颜色相似性、分割结果的平滑性等约束包含在能量函数中,利用求最大流的方法求取使得能量函数最小化的标签集合,从而实现图像的分割.实验证明,本文的方法能快速有效地实现交互式图像分割.     

用于分割无损检测图像的快速模糊C均值算法

无损检测图像中目标类和背景类差异较大,模糊C均值算法无法有效地将目标分割出来,因此提出一种用于分割无损检测图像的快速模糊C均值算法。在聚类过程中,引入局部空间信息和灰度信息,以提高算法的鲁棒性;用条件值表征样本容量来平衡不同大小的类群,以解决类大小敏感问题;基于新的约束条件得到新的隶属度和聚类中心表达式,并给出算法具体步骤;对预处理后图像的灰度级进行分类,图像分割所需要的时间不再取决于图像的尺寸,而是图像的灰度级数,大幅度降低了算法的时间复杂度。采用类大小差异较大的合成图像和无损检测图像进行仿真实验,以分割精度(SA)、F-value、G-mean以及图像分割所需要的时间为评价指标来评价算法的性能。实验结果表明：在原始测试图像被高斯噪声、椒盐噪声、瑞利噪声和乘性噪声污染时,与其他模糊聚类算法相比,本文算法具有更好的鲁棒性,分割精度更高,为97.93%,F-value为88.50%,G-mean为93.83%,图像分割时间也更少,为14.06 ms。实验证明了本文算法的有效性。     

基于区域扩张的改进图像分割算法

在简单区域扩张的基础上,结合直方图阀值分割的思想,本文提出了一种改进的区域扩张图像分割算法.该算法利用直方图阈值进行区域合并,消除了小块区域和孤立点对最后分割结果的影响,有效地克服了原有算法的一些缺陷和不足.实验表明:本文算法的实验效果明显优于原有算法.     

基于边缘梯度矢量的印刷电路板缺陷检测

缺陷检测算法时间复杂度及精度是影响自动光学检测系统性能的两大因素,降低时间复杂度和提高精度才能保证系统实时可靠.针对传统参考法计算量较大及精度不高的问题,该文提出了一种基于边缘梯度矢量的印刷电路板缺陷检测算法,在配准的前提下,利用边缘梯度矢量搜索到缺陷处.实验表明,与传统参考法相比,该算法的计算点数由图像全部像素点减少至边缘,并利用梯度矢量较高的敏感性来提高检测可靠性.     

基于图割的扩散张量磁共振图像胼胝体分割算法

扩散张量磁共振成像过程易因噪声导致扩散张量图像(diffusion tensor images,DTI)的体素数据发生畸变,使分割效果不佳.针对该问题,提出了一种基于图割的DTI胼胝体分割算法,该算法在求解能量函数的过程中,用非种子点与作为硬约束条件的种子点之间的J-散度中位数表示T-连接权值,用取值范围在(0,1]之间的单调递减指数函数表示N-连接权值,同时构造网格图结构,用最大流/最小切算法计算最小切,实现图像的全局最优二值化分割.DTI图像的分割实验结果表明:所提算法能更为准确地从受噪声影响的数据中提取出胼胝体,各参数不同取值时的重叠率指标统计分析也证明了新算法具有较高的分割精度.     

基于图像分割的摩尔斯信号检测算法

摩尔斯信号在通信领域应用广泛,具有十分重要的研究价值。但是,由于短波信道比较复杂,环境恶劣,信号质量差,短波宽带条件下的摩尔斯信号检测问题一直没有较好的解决方案。基于此,提出了一种基于时频图和图像分割的摩尔斯信号检测算法。算法主要分为粗检测和识别两部分,粗检测是指基于图像分割的方法,从宽带数据中初步检测出摩尔斯信号;识别部分是指通过提取最大持续长度等特征,逐级排除非摩尔斯信号,进一步识别摩尔斯信号。实际信号测试表明,该算法对摩尔斯信号的正确检测率为96%以上,虚警率小于7.2%,相较于对比算法整体性能较好,具有一定的工程应用价值。     

水平集方法在CT肝脏图像分割中的应用

水平集方法在医学图像分割上有着广泛的应用。作者使用水平集方法用于CT肝脏图像的分割 ,并针对CT图像的特点 ,提出了一种结合图像灰度和曲线曲率信息的速度函数 ,实验结果表明该方法是有效的。     

腹部CT图像序列中的肝脏分割

针对腹部CT图像肝脏区域提取问题,提出了一种新的基于阈值法和改进的广义梯度矢量流-蛇(GGVF-Snake)模型的分割方法．首先,采用Window-Leveling算法将CT图像转换为灰度图像,突出肝脏区域,通过改进的曲率各向异性扩散滤波器对图像进行平滑滤波;其次,利用阈值法获取肝脏的初始轮廓;最后,基于改进的GGVF-Snake模型对初始轮廓进行调整得到更加平滑和精确的肝脏轮廓．通过不同的腹部CT图像序列中肝脏的分割结果表明,该方法能高效、精确的提取肝脏区域,满足临床应用的需求．     

基于改进Mumfold-Shah模型的图像分割算法

针对传统图像分割方法中由于边缘模糊难以取得理想分割效果的问题,提出了一种基于改进Mumfold-Shah模型的图像分割算法.结合模糊C均值聚类算法对Mumfold-Shah模型进行改进,以提高图像的分割速度和分割的鲁棒性.实验结果表明:该算法具有可行性和有效性.     

基于V氏图的图像分割及表示

提出了一种基于Ｖ氏图的图像分割及表示方法,它包括一个分割过程和一个优化过程,通过分割过程将图像粗略分割成灰度分布均匀的多边形区域,优化过程通过调整Ｖ氏图种子点的位置,使得各个Ｖ氏图区域中的灰度变化达到极小,以使相邻Ｖ氏图 边界能够吻合铁轮廓,文中同时采用每个Ｖ氏图区域内的像素均值为表示原始图像,并引入区域边界上的平滑滤波来减小描述误差。     

基于支持向量机的并行CT图像分割方法

提出了一种基于区域增长和支持向量机的自动并行CT图像分割方法.传统的种子生长方法速度较快,但难于自动获得种子点;而单纯的支持向量机分割准确,但速度较慢.为了解决上述问题,本文将两种方法相结合:首先,训练支持向量机用于分类;然后用支持向量机判断种子点并使用曲率流滤波器进行降噪以光滑图像边缘;最后使用阈值区域生长进行分割.在基于Torque的并行环境下进行的实验证明了本方法的分割效果和速度都优于传统方法.     

基于改进的分水岭算法的图像分割

考虑到分水岭算法存在过分割问题,本文提出一种有效解决方法。在图像预处理过程中首先对图像进行中值滤波来消除部分噪声;然后采用形态学求梯度的方法得到原始图像的梯度图并对梯度图像进行开闭重建,在保留区域重要轮廓的同时去除了噪声和图像细节。在此基础上对重建后的梯度图像进行基于标记约束的分水岭分割。实验结果表明该方法能够较好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,降低了分割的复杂性。     

基于ACS-FCM算法的图像分割研究

对蚁群算法、模糊C均值聚类(FCM)算法进行了探讨,并在FCM图像分割算法的基础上,提出了一种改进的ACS-FCM算法,结合边缘检测技术应用于图像分割.实验结果表明,与其他几种分割算法相比,该方法具有更好的可靠性与有效性,能取得更理想的分割效果.