圖像分割
- 基于泊松噪聲-雙邊濾波算法的橋梁裂縫修補痕跡圖像分割方法
修補痕跡進(jìn)行圖像分割，并使用峰值信噪比（PSNR）和結(jié)構(gòu)相似性（SSIM）評價濾波效果，使用運行時間和最大連續(xù)可用內(nèi)存塊（LCFB）使用情況評價分割效果。最后以河南省某高速公路橋梁歷年定檢中的裂縫修補痕跡圖像為例，對方法進(jìn)行實際驗證。結(jié)果顯示：經(jīng)過泊松噪聲-雙邊濾波算法處理后，裂縫修補痕跡圖像PSNR值最高約35.090 1 dB，SSIM值可達(dá)約0.880 1，說明添加泊松噪聲可改善圖像質(zhì)量并優(yōu)化雙邊濾波效果；經(jīng)過Otsu算法進(jìn)行圖像分割的運行時間比其他
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 基于圖像分割與軌跡追蹤的室內(nèi)飾面施工進(jìn)度智能評估方法
；施工進(jìn)度；圖像分割；軌跡追蹤中圖分類號：TU767；TU17? ? ?文獻(xiàn)標(biāo)志碼：A? ? ?文章編號：2096-6717（2024）01-0163-10Intelligent evaluation method of indoor finishing construction progress based on image segmentation and positional trackingLU Yujiea，b，c， ZHONG Taoa， WE
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 立定跳遠(yuǎn)騰空展體特征提取算法的研究
；騰空展體；圖像分割；背景差分法；特征提取中圖分類號：TP391? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2023）31-0018-04開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID） ：
電腦知識與技術(shù) 2023年31期2023-12-25
- 用于農(nóng)作物種植信息提取的圖像分割技術(shù)研究進(jìn)展
息提取領(lǐng)域的圖像分割技術(shù)研究現(xiàn)狀，對常用的圖像分割方法進(jìn)行了系統(tǒng)性梳理。根據(jù)是否引入深度學(xué)習(xí)算法將圖像分割技術(shù)分為傳統(tǒng)方法和深度學(xué)習(xí)分割方法。簡要概述了閾值分割、分水嶺分割、聚類分割、邊緣分割及多尺度分割等4種傳統(tǒng)圖像分割方法和FCN、DeepLab及SegNet等3種基于深度學(xué)習(xí)的圖像分割方法，分析了各種方法在農(nóng)作物種植信息提取中的優(yōu)缺點，以及圖像分割技術(shù)目前存在的難點，以期為提高圖像分割技術(shù)在農(nóng)作物種植信息提取中的應(yīng)用水平提供參考。關(guān)鍵詞 農(nóng)作物；遙感
南方農(nóng)業(yè)·上旬 2023年9期2023-12-13
- 一種基于圖割算法的低成本指尖觸控系統(tǒng)
：人機交互；圖像分割；觸控識別中圖分類號：TP391.4? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）15-0001-06A Low-cost Fingertip Touch Control System Based on Graph Cuts AlgorithmZHAO Hongyi， LU Jian（School of Information Engineering， Dalian University， Dalian? 116622，
現(xiàn)代信息科技 2023年15期2023-09-18
- 一種改進(jìn)樽海鞘群算法優(yōu)化K Means的小麥覆蓋度提取方法
V色彩空間；圖像分割；小麥覆蓋度提取中圖分類號：TP391?? 文獻(xiàn)標(biāo)識碼：A??DOI：10.7535/hbkd.2023yx04004Wheat coverage extraction based on improved salp swarm algorithm for optimizing K MeansWANG Xiang1，LI Yuefeng1，WANG Zhenzhou1，ZHANG Jiajia2（1.School of Informati
河北科技大學(xué)學(xué)報 2023年4期2023-09-14
- 基于粒子群優(yōu)化算法的水源微生物自動識別
微生物識別；圖像分割；粒子群算法；支持向量機中圖分類號：X 835 文獻(xiàn)標(biāo)志碼：A引言水源微生物廣泛分布于自然與人工水體環(huán)境中，它們無法用肉眼直接觀察，例如水中的原生動物和真菌的大小通常介于0.1～100 μm，只能在顯微鏡下進(jìn)行觀察。作為水質(zhì)的關(guān)鍵評價指標(biāo)之一，水源微生物的繁殖情況可以很好地反映水體的污染程度。因此，推進(jìn)水源微生物分類識別的相關(guān)研究對于水源的生物安全性監(jiān)測、水環(huán)境治理等具有非常重要的意義?？紤]到傳統(tǒng)機器學(xué)習(xí)方法對圖形處理單元的要求較低，能
光學(xué)儀器 2023年2期2023-07-14
- 基于改進(jìn)FCM算法的乳腺腫瘤圖像分割研究
類（FCM）圖像分割方法，以實現(xiàn)對乳腺癌腫塊進(jìn)行快速和準(zhǔn)確地分割。選取一例經(jīng)病理確診的乳腺癌患者的兩個不同體位X線攝影圖像，分別采用傳統(tǒng)FCM算法、改進(jìn)分水嶺算法和該文改進(jìn)的FCM圖像分割算法進(jìn)行了腫塊分割研究。結(jié)果表明，文中提出的算法可以準(zhǔn)確實現(xiàn)腫塊的分割和輪廓標(biāo)記，比其他兩種算法具有更好的分割效果。關(guān)鍵詞：圖像分割；FCM算法；乳房X射線攝影中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2023）09-0169-04Abstra
現(xiàn)代信息科技 2023年9期2023-06-21
- 基于深度學(xué)習(xí)的蝶鞍自動分割研究
深度學(xué)習(xí)； 圖像分割； U-net中圖分類號：TP399? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：1006-8228（2023）06-134-05Sella turcica automatic segmentation based on deep learningFeng Qi1， Liu Shu2， Yan Ting2， Feng Hongchao1，2（1. College of Medicine， Guizhou University， G
計算機時代 2023年6期2023-06-15
- 一種基于模板匹配的芯片F(xiàn)rame圖像分割算法
Frame；圖像分割；模板匹配；重疊匹配框中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A1 引言（Introduction）近年來，隨著人工智能和大數(shù)據(jù)等技術(shù)的快速發(fā)展，芯片已成為現(xiàn)代化產(chǎn)業(yè)中不可或缺的一部分。然而，由于芯片具有制造過程復(fù)雜和缺陷隱蔽的特點，因此芯片缺陷及其造成的影響是普遍存在且不可忽視的問題。利用計算機圖像處理等技術(shù)對芯片圖像進(jìn)行自動缺陷檢測，可以有效地提升企業(yè)的生產(chǎn)效率。因此，針對芯片缺陷檢測算法的研究逐漸成為世界上最熱門的課題。研究芯片缺陷檢
軟件工程 2023年5期2023-05-09
- 巧用Python創(chuàng)建個性化數(shù)據(jù)集
ython;圖像分割;批處理;人工智能中圖分類號：G434 ?文獻(xiàn)標(biāo)識碼：A ?論文編號：1674-2117（2022）13-0070-03人工智能的智能識別算法往往取決于人工智能模型的訓(xùn)練，而數(shù)據(jù)集則是人工智能模型訓(xùn)練的基礎(chǔ)?？v觀網(wǎng)絡(luò)資源，雖有著海量的資源網(wǎng)站，卻難以找到符合項目的數(shù)據(jù)集，更別提能滿足個性化的人工智能模型訓(xùn)練的需求了。因此，本文將以電路、天氣、表情等圖標(biāo)為例，對中小學(xué)校園中個性化數(shù)據(jù)集創(chuàng)建展開討論?！?問題提出由于校園中人工智能項目，需要
中國信息技術(shù)教育 2022年13期2022-07-12
- 復(fù)雜背景下多個絕緣子串紅外圖像分割方法
詞：絕緣子;圖像分割;霍夫變換;定向腐蝕;SNIC變電站中存在大量的絕緣子，其主要的作用是固定、支持導(dǎo)線使得導(dǎo)線與地絕緣。由于絕緣子長時間暴露于室外，易出現(xiàn)絕緣子零值、爆裂和閃絡(luò)等故障。絕緣子屬于電壓致熱型設(shè)備，利用紅外熱像儀的檢測方法，可以安全、有效地獲得絕緣子的運行狀況。紅外熱像儀檢測是非接觸的檢測方法，在設(shè)備運行狀態(tài)下，獲取致熱型電力設(shè)備表面溫度分布，從而發(fā)現(xiàn)電力設(shè)備內(nèi)部故障的方法得到廣泛應(yīng)用。隨著電力設(shè)備紅外檢測技術(shù)的完善，通過計算機視覺技術(shù)對紅外
計算技術(shù)與自動化 2022年2期2022-07-04
- 基于改進(jìn)語義分割模型的無人機多光譜圖像雜草分割
機;多光譜;圖像分割;植被指數(shù)中圖分類號：TP391.41 文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2022）12-0212-08收稿日期：2022-01-04基金項目：黑龍江省自然科學(xué)基金（編號：TD2020C001）;中央高?；究蒲袠I(yè)務(wù)費專項（編號：2572019CP19）。作者簡介：徐國欽（1996—），男，遼寧鞍山人，碩士研究生，主要從事檢測技術(shù)與自動化裝置研究。E-mail：xuguoqin0609@163.com。通信作者：黃建平，副教
江蘇農(nóng)業(yè)科學(xué) 2022年12期2022-06-24
- 基于測地線距離的模糊C均值聚類算法
測地線距離;圖像分割1.引言模糊C均值聚類（Fuzzy C Means， FCM） 算法是圖像分割中常用的方法。FCM算法利用模糊隸屬度和歐式距離構(gòu)建目標(biāo)函數(shù)的方法對圖像進(jìn)行分割，能較好地對數(shù)據(jù)不確定性建模[1]。然而，F(xiàn)CM 對噪聲的魯棒性較差，主要原因如下：一，沒有充分考慮像素的空間信息;二，用歐氏距離定義的非相似性測度對噪聲和異常值敏感[2]。對于FCM算法，采用基于統(tǒng)計信息的黎曼空間測地線距離代替歐式距離對噪聲與異常值更加魯棒[3]，因此，本文提出
科學(xué)與財富 2022年2期2022-06-06
- 基于改進(jìn)U-Net的零件缺陷分割標(biāo)注
.關(guān)鍵詞： 圖像分割; 缺陷檢測; U-Net; Res2Net; 空洞卷積中圖分類號： TP 391??? 文獻(xiàn)標(biāo)志碼： A??? 文章編號： 1000-5137（2022）02-0129-06Part defect segmentation and annotation based on improved U-NetJIN Wenqian， ZHU Yuanyuan*， WANG Xiaomei（College of Information， Mech
上海師范大學(xué)學(xué)報·自然科學(xué)版 2022年2期2022-06-01
- 深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)圖像分割中的應(yīng)用
習(xí)技術(shù)在醫(yī)學(xué)圖像分割的應(yīng)用越來越多。文章綜述了深度學(xué)習(xí)在醫(yī)學(xué)圖像分割中常用的框架和應(yīng)用，促進(jìn)智能成像和深度學(xué)習(xí)在疾病早期診斷領(lǐng)域的應(yīng)用。關(guān)鍵詞：深度學(xué)習(xí);醫(yī)學(xué)圖像;圖像分割中圖分類號：TP393? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2022）10-0074-021 背景在過去的幾十年里，醫(yī)學(xué)成像技術(shù)，如計算機斷層掃描 （CT）、超聲、X 射線、磁共振成像（MRI）、正電子發(fā)射斷層掃描 （PET）和乳房 X 線照相術(shù)已被用于疾病的早期檢測、
電腦知識與技術(shù) 2022年10期2022-05-30
- 基于圖像處理的秧苗均勻度合格率檢測
研究提出基于圖像分割和形態(tài)學(xué)操作的秧苗均勻度合格率自動檢測方法。首先將獲取的秧苗根莖部圖像在2G-R-B顏色空間進(jìn)行灰度化處理，閾值分割后進(jìn)行形態(tài)學(xué)操作，完成面積閾值和形狀閾值的二次分割，得到只含有水稻秧苗的二值化圖像;其次根據(jù)移距和秧苗深度確定取樣方格大小，按方格大小進(jìn)行圖像劃分，選取圖像中間部分的20個小格，輸出每小格內(nèi)的秧苗數(shù)量，與農(nóng)藝要求進(jìn)行比對，符合要求記作該小格合格;最后根據(jù)DG/T 008-2019《農(nóng)業(yè)機械推廣鑒定大綱水稻插秧機》，計算3個
江蘇農(nóng)業(yè)學(xué)報 2022年2期2022-05-16
- 基于機器視覺的高精度微納光纖直徑實時測量
;機器視覺;圖像分割;邊緣檢測中圖分類號： TP 391.4; O 434.3 文獻(xiàn)標(biāo)志碼： AHigh-precision and real-time measurement of micro-nano fiber diameter based on machine visionLI Hua，MA Yanna，GU Fuxing（School of Optical-Electrical and Computer Engineering， Universi
光學(xué)儀器 2022年1期2022-05-09
- 基于改進(jìn)K-Means聚類與水平集的木材橫截面管孔分割
s聚類算法在圖像分割時噪聲影響大和初始聚類中心的隨機性問題，在針對大小不一且隨機分布的管孔分割過程中魯棒性更高，具有良好的分割性能。關(guān)鍵詞：改進(jìn)K-means聚類算法;水平集;木材橫截面;管孔;圖像分割中圖分類號：S781??? 文獻(xiàn)標(biāo)識碼：A?? 文章編號：1006-8023（2022）01-0042-10Segmentation of Wood Cross-section Pore Based onImproved K-Means Clustering
森林工程 2022年1期2022-04-26
- 基于小波濾波與自適應(yīng)閾值分割算法的玫瑰葉片病斑提取研究
節(jié)復(fù)雜、傳統(tǒng)圖像分割算法提取病斑困難等問題，提出了一種基于小波濾波與自適應(yīng)均值閾值分割（WT-AAT）的葉片病斑圖像提取算法。首先，為了去除原始圖像噪聲，使用二維離散哈爾小波變換將圖像進(jìn)行二層小波分解，并依據(jù)高、低頻子圖像自動提取噪聲系數(shù)，進(jìn)而設(shè)定濾波閾值;然后，將高于閾值的噪聲系數(shù)置零，并逆序?qū)γ繉舆M(jìn)行小波重構(gòu)，最終生成等尺度的去噪圖像;最后，采用可滑動窗口分割算法對去噪圖像進(jìn)行自適應(yīng)分割，再根據(jù)子圖的灰度均值設(shè)定二值化閾值，在二值化處理的基礎(chǔ)上析取白粉
安徽農(nóng)學(xué)通報 2022年7期2022-04-25
- 基于自適應(yīng)多重歐氏距離變換的分水嶺粘連顆粒分割方法
適應(yīng)粘連顆粒圖像分割方法，該方法根據(jù)顆粒粘連程度對圖像進(jìn)行自適應(yīng)多重歐氏距離變換，得出分水嶺脊線對粘連顆粒圖像進(jìn)行分割。實驗表明，本算法對不同形狀、不同粘連程度的顆粒均具有較好的分割效果。關(guān)鍵詞：粘連顆粒;圖像分割;多重歐氏距離變換;自適應(yīng);分水嶺變換中圖分類號：TP391? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2022）03-0093-04開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：引言顆粒圖像的分割在工業(yè)生產(chǎn)、作物選種、醫(yī)療診斷、病理研究等
電腦知識與技術(shù) 2022年3期2022-03-12
- 農(nóng)作物籽粒分割研究現(xiàn)狀綜述
度學(xué)習(xí)方法在圖像分割等方面進(jìn)行了比對分析，體現(xiàn)了深度學(xué)習(xí)在分割方面的優(yōu)越性。關(guān)鍵詞 籽粒;圖像分割;機器視覺;深度學(xué)習(xí)中圖分類號 TP 391.4文獻(xiàn)標(biāo)識碼 A文章編號 0517-6611（2022）04-0013-04doi：10.3969/j.issn.0517-6611.2022.04.004開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：A Review of the Research Status of Crop Grain SegmentationPE
安徽農(nóng)業(yè)科學(xué) 2022年4期2022-03-11
- 基于MATLAB的絕緣子自爆缺陷檢測系統(tǒng)
;圖像采集;圖像分割;圖像識別中圖分類號：TP751? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2022）01-0006-031 引言針對自然環(huán)境惡劣天氣致使絕緣子損壞自爆，對輸電線路帶來極大隱患的問題，本文采用無人機或直升機對輸電線路上絕緣子串所采集的高清圖像，進(jìn)行絕緣子智能自爆定位檢測研究，開發(fā)設(shè)計了基于MATLAB的絕緣子自爆檢測系統(tǒng)。無人機可以在高壓輸電線路巡檢中拍攝大量的高清絕緣子圖像，這些圖片中隱含了輸電線路桿塔的詳細(xì)地址信息和每個
電腦知識與技術(shù) 2022年1期2022-03-11
- 基于U-Net模型和FCM算法的番茄穴盤苗重疊幼葉分割方法
盤苗重疊幼葉圖像分割精度較低、背景剔除困難的問題，提出一種基于U-Net模型和模糊C均值聚類（FCM算法）相結(jié)合的圖像分割方法。首先用ExRG法對圖像的背景進(jìn)行剔除，得到待分割幼葉的主體區(qū)域，對圖像進(jìn)行預(yù)處理。其次建立數(shù)據(jù)集，訓(xùn)練網(wǎng)絡(luò)模型，用預(yù)訓(xùn)練的U-Net模型分割幼葉主體區(qū)域，提取其過渡區(qū)域;同時用FCM算法分割幼葉主體區(qū)域，提取其過渡區(qū)域。然后結(jié)合FCM算法分割得到的過渡區(qū)域和U-Net模型分割得到的過渡區(qū)域，得到重疊葉片的最終分割結(jié)果。最后，為了得
江蘇農(nóng)業(yè)科學(xué) 2022年2期2022-02-15
- 基于圖像分割的目標(biāo)檢測方法對比研究
問題，文章將圖像分割方法和區(qū)域面積剔除方法相結(jié)合，實現(xiàn)復(fù)雜環(huán)境下的靜止奶牛目標(biāo)檢測。實驗結(jié)果表明，該方法達(dá)到97.4%的識別率。關(guān)鍵詞： 目標(biāo)檢測; 復(fù)雜環(huán)境; 圖像分割; 區(qū)域面積中圖分類號：TP301.6? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2022）01-14-05Comparative research on image segmentation based target detection methodLiu
計算機時代 2022年1期2022-01-22
- 基于改進(jìn)遺傳算法的閾值圖像分割方法
傳算法和閾值圖像分割相結(jié)合的人像圖像分割方法。這種新的改進(jìn)方法以遺傳算法為基礎(chǔ)，利用遺傳算法具有較高的搜索效率、明顯的搜索精度，提升了圖像分割閾值的精度獲取，提高了圖像分割的抗噪能力，在提升閾值穩(wěn)定的同時，提升了閾值的獲取速度及獲取精度，解決了傳統(tǒng)算法應(yīng)用于人像圖像分割時分割效果不理想、分割精度較低的缺點。經(jīng)過實驗驗證，利用本文改進(jìn)算法能達(dá)到較好分割效果，具有較好的抗噪能力，從而縮短分割圖像時間。關(guān)鍵詞：人像;圖像分割;遺傳算法中圖分類號：TP311? ?
軟件工程 2022年1期2022-01-04
- 基于卷積評價及對抗網(wǎng)絡(luò)的花粉、孢子圖像增廣算法
圖像增廣; 圖像分割; pix2pix網(wǎng)絡(luò)中圖分類號：? S126??? 文獻(xiàn)標(biāo)識碼： A??? 文章編號：? 1000-4440（2021）05-1190-09Augmented algorithm for pollen and spore images based on convolution evaluation and pix2pix networkWANG Wan-liang? 1 ， JIANG Gao-fei? 2 ， YAN Jiang-w
江蘇農(nóng)業(yè)學(xué)報 2021年5期2021-11-14
- 計算機信息領(lǐng)域的深度學(xué)習(xí)探析
積神經(jīng)網(wǎng)絡(luò);圖像分割深度學(xué)習(xí)是計算機信息領(lǐng)域的一個重要問題，在圖像識別、圖像分割、語音識別、視頻監(jiān)控、自主駕駛、人機交互等方面具有重要的研究意義和實用價值。隨著電子設(shè)備的應(yīng)用在社會生產(chǎn)和人們生活中越來越普遍，數(shù)字圖像、語音與視頻已經(jīng)成為不可缺少的信息媒介，每時每刻都在產(chǎn)生海量的圖像、音頻、視頻數(shù)據(jù)。如何從大量數(shù)據(jù)中提取需要的信息成為人們關(guān)注的主要對象。準(zhǔn)確獲得感興趣目標(biāo)具體信息，并將獲得的信息應(yīng)用到智能視頻監(jiān)控、機器人導(dǎo)航、人臉識別、數(shù)碼相機自動定位和聚焦
科學(xué)與生活 2021年19期2021-10-30
- 圖像分割在乳腺檢測中的應(yīng)用研究
：深度學(xué)習(xí);圖像分割;乳腺癌1.引言2018年2月國家癌癥中心發(fā)布的《2018年全國最新癌癥報告》[1]中指出中國2014年新增癌癥患者380.4萬人，229.6萬人死于癌癥，乳腺癌在女性癌癥發(fā)病中一直位居首位，已成為危害女性健康的重要因素之一[2]。美國癌癥協(xié)會（American Cancer Society，ACS）研究表明早期腫瘤在癌細(xì)胞未擴(kuò)散的情況下，5 年生存率明顯高于中晚期腫瘤，尤其是乳腺癌可高達(dá) 98%。因此及早發(fā)現(xiàn)癌癥可以提高患者的生存率和
科技信息·學(xué)術(shù)版 2021年16期2021-10-25
- 基于Transformer的脊柱CT圖像分割
的U-Net圖像分割網(wǎng)絡(luò)相結(jié)合，運用到CT圖像的分割處理工作當(dāng)中;同時在模型訓(xùn)練過程中基于脊柱自身的結(jié)構(gòu)特點，采用由粗到精的訓(xùn)練方法，首先對脊柱的各個椎骨進(jìn)行定位模型訓(xùn)練，然后在定位結(jié)果的基礎(chǔ)上再訓(xùn)練分割模型。最終模型的分割結(jié)果與真實值之間的Dice相似系數(shù)達(dá)到了94.37%以上，實驗結(jié)果表明了該方法的有效性以及臨床應(yīng)用的可行性。關(guān)鍵詞：CT圖像;U-Net;圖像分割;Transformer;自注意力中圖分類號：TP399? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號
電腦知識與技術(shù) 2021年20期2021-09-26
- 基于稀疏表示的車用帶鋼表面圖像信息修復(fù)
：稀疏表示;圖像分割;離散測度矩陣;稀疏修復(fù)模型;圖像修復(fù);信息融合;缺陷檢測中圖分類號：TP391.41 ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：AImage Information Restoration of AutomotiveStrip Steel Surface Based on Sparse RepresentationZHOU Lihong1，2，GONG Jinke2，LI Bing3（1. College o
湖南大學(xué)學(xué)報·自然科學(xué)版 2021年8期2021-09-26
- 基于狼群算法的多尺度圖像分割方法
特征，傳統(tǒng)的圖像分割方法受此影響其穩(wěn)定性不能滿足實際應(yīng)用需求。為此，提出基于狼群算法的多尺度圖像分割方法。利用小波變換、小波分解處理原始多尺度圖像，統(tǒng)一圖像格式，融合多尺度特征，將多尺度圖像分割轉(zhuǎn)換為標(biāo)號問題，確定多尺度圖像分割規(guī)則，利用狼群算法對處理后的圖像進(jìn)行分割處理。實驗結(jié)果表明：設(shè)計的基于狼群算法的多尺度圖像分割方法分割成功率高，在分割閾值搜索上方差極小，相比傳統(tǒng)的圖像分割方法，其穩(wěn)定性更好，能夠滿足多尺度圖像分割的實際應(yīng)用需求。關(guān)鍵詞：狼群算法;
電腦知識與技術(shù) 2021年24期2021-09-23
- 基于多尺度特征融合和密集連接網(wǎng)絡(luò)的疏果期黃花梨植株圖像分割
集連接網(wǎng)絡(luò);圖像分割;空洞空間金字塔池化（ASPP）;感受野中圖分類號： TP391.4?? 文獻(xiàn)標(biāo)識碼： A?? 文章編號： 1000-4440（2021）04-0990-08Image segmentation of Huanghua pear plants at fruit-thinning stage based on multi-scale feature fusion and dense connection networkWEI Chao-y
江蘇農(nóng)業(yè)學(xué)報 2021年4期2021-09-17
- 計算機視覺在作物根系識別與分析中的應(yīng)用
形態(tài)學(xué)參數(shù);圖像分割中圖分類號：S126??? 文獻(xiàn)標(biāo)識碼：A??? 文章編號：1674-1161（2021）04-0045-02諸多研究表明，作物根系的形態(tài)對作物生長具有重要影響。隨著精準(zhǔn)農(nóng)業(yè)的發(fā)展，科研工作者致力于研究作物的根系形態(tài)和構(gòu)型，以期獲取根系的形態(tài)學(xué)參數(shù)，為作物生長提供科學(xué)依據(jù)。為此，分析對作物根系進(jìn)行識別的必要性，介紹基于計算機視覺的作物根系圖象處理技術(shù)的研究進(jìn)展，為作物根系精準(zhǔn)分析提供理論借鑒。1 作物根系識別的必要性根是植物的三大器官之
農(nóng)業(yè)科技與裝備 2021年4期2021-08-30
- 基于深度學(xué)習(xí)的織物印花分割算法研究
：織物印花;圖像分割;U-net;深度學(xué)習(xí)中圖分類號：TS101 ?文獻(xiàn)標(biāo)志碼：A文章編號：1009-265X（2021）03-0045-06Abstract： Aiming at the problem of fabric image feature extraction and detection， this paper studies a fabric printing segmentation algorithm based on U-net mo
現(xiàn)代紡織技術(shù) 2021年3期2021-08-23
- 基于散焦信息的紗線毛羽三維測量與驗證
;散焦信息;圖像分割;深度恢復(fù);毛羽檢測中圖分類號： TS103.7文獻(xiàn)標(biāo)志碼： AAbstract： Hairiness is an important indicator to measure the quality of yarn. However， it is difficult to quickly obtain its three-dimensional length（space trajectory length of hairiness）
絲綢 2021年6期2021-08-05
- 基于SVM的名優(yōu)茶嫩芽圖像自動分割方法
摘;SVM;圖像分割中圖分類號：TP391? ? ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2021）02-0089-04Abstract：Aiming at the problem of automatic picking of famous tea buds，the SVM learning algorithm is used to realize the automatic segmentation of the image of famo
現(xiàn)代信息科技 2021年2期2021-07-28
- 基于優(yōu)化PSO-BP的多特征融合圖像識別算法研究
該算法保證了圖像分割目標(biāo)的完整性，有效控制了整體算法的時間性，提高了識別過程的精確性。該研究對水果識別精度的提高具有重要的應(yīng)用價值。關(guān)鍵詞： ?水果識別; K均值算法; 粒子群算法; 圖像分割; 神經(jīng)網(wǎng)絡(luò)中圖分類號： TP391.413 ?文獻(xiàn)標(biāo)識碼： A在落實“互聯(lián)網(wǎng)+農(nóng)業(yè)”戰(zhàn)略和智慧農(nóng)業(yè)改革的背景下，傳統(tǒng)農(nóng)業(yè)與高新技術(shù)融合已成為發(fā)展趨勢。水果產(chǎn)業(yè)是農(nóng)業(yè)重要組成部分，對水果實現(xiàn)高效快捷的智能識別分類具有深遠(yuǎn)意義，融入圖像識別技術(shù)可減少勞動力消耗，且高識別
青島大學(xué)學(xué)報（工程技術(shù)版） 2021年2期2021-07-20
- 基于編碼-解碼神經(jīng)網(wǎng)絡(luò)遙感圖像語義分割應(yīng)用研究
婷婷摘?要：圖像分割的實現(xiàn)經(jīng)歷了從傳統(tǒng)方法到神經(jīng)網(wǎng)絡(luò)方法的演變。本文從圖像分割的發(fā)展過程入手，介紹了圖像分割與語義分割的區(qū)別，對最近幾年傳統(tǒng)圖像分割方法在遙感圖像分割領(lǐng)域的應(yīng)用進(jìn)行梳理分析，總結(jié)了傳統(tǒng)遙感圖像分割方法的不足?；诖?，歸納了幾種經(jīng)典編碼-解碼神經(jīng)網(wǎng)絡(luò)架構(gòu)在遙感圖像語義分割領(lǐng)域的應(yīng)用，對其改進(jìn)方式進(jìn)行了綜合性分析，并對其未來的發(fā)展趨勢進(jìn)行展望。關(guān)鍵詞： 圖像分割;圖像語義分割;遙感圖像;編碼-解碼神經(jīng)網(wǎng)絡(luò)文章編號： 2095-2163（2021
智能計算機與應(yīng)用 2021年1期2021-07-11
- 胸部CT圖像肺實質(zhì)分割技術(shù)研究
t神經(jīng)網(wǎng)絡(luò)的圖像分割效果遠(yuǎn)好于Matlab的邊緣檢測。關(guān)鍵詞： 肺實質(zhì); 圖像分割; U-net; U-net++中圖分類號：TP391;R-331? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2021）03-17-03Research on segmentation technology of lung parenchyma in chest CT imageZhang Lei， Chen Xingcai， Lu Wanli，
計算機時代 2021年3期2021-06-11
- 基于X射線圖像的LED芯片邦定線斷裂缺陷的自動檢測方法研究
斷裂檢測; 圖像分割; 漫水填充; 拉普拉斯算子中圖分類號：TP391.41????????? 文獻(xiàn)標(biāo)識碼：A???? 文章編號：1006-8228（2021）01-21-04Research on automatic method of detecting LED chip bonding linefracture with X-ray imageWang Yan， Lu Jun（College of Mechanical and Electrical
計算機時代 2021年1期2021-06-08
- 基于機器視覺的精密鉆孔法向檢測算法研究
而結(jié)合了小波圖像分割算法，且據(jù)此建立起改進(jìn)的Canny邊緣檢測算法。根據(jù)實證分析結(jié)果表明，在精密鉆孔法向檢測過程中，這種改進(jìn)算法可很好地滿足應(yīng)用要求。關(guān)鍵詞：圖像分割;Canny邊緣檢測算法;機器視覺【Abstract】Atpresent，inthefieldofautomatedinspection，machinevisioninspectiontechnologyhasbeguntobewidelyused.Thecharacteristicsofth
智能計算機與應(yīng)用 2021年2期2021-05-11
- 基于U-Net網(wǎng)絡(luò)的林木圖像分割研究
傳統(tǒng)方法進(jìn)行圖像分割易受噪聲影響的問題，提出一種基于U-Net網(wǎng)絡(luò)的無人機圖像語義分割網(wǎng)絡(luò)模型。該模型不需要對圖像進(jìn)行預(yù)處理，利用反卷積恢復(fù)圖像分辨率，采用U型結(jié)構(gòu)連接低層網(wǎng)絡(luò)和高層網(wǎng)絡(luò)的特征圖，利用跳躍連接降低網(wǎng)絡(luò)復(fù)雜度，同時使用Dropout正則化隨機激活網(wǎng)絡(luò)隱藏單元以防止過擬合。實驗結(jié)果表明：該網(wǎng)絡(luò)模型可以自動定位林木信息，準(zhǔn)確分割林木區(qū)域，進(jìn)一步優(yōu)化邊緣分割結(jié)果，實現(xiàn)端對端的圖像分割。該模型具有良好的泛化能力，在其他圖像分割領(lǐng)域也具有應(yīng)用價值。關(guān)鍵
森林工程 2021年2期2021-04-14
- 基于改進(jìn)的Mask R-CNN的游泳池溺水檢測研究
神經(jīng)網(wǎng)絡(luò); 圖像分割; 注意力機制; 目標(biāo)檢測中圖分類號： TP391.413; TP183文獻(xiàn)標(biāo)識碼： A作者簡介： ?井明濤（1994-），男，山東人，碩士研究生，主要研究方向為機器學(xué)習(xí)和圖像處理。通信作者： ?楊國為（1964-），男，教授，主要研究方向為人工智能及機器學(xué)習(xí)等。 Email： ygw_ustb@163.com近年來，游泳池中溺水事故[1]頻發(fā)，溺水事故與游泳場所[2]的環(huán)境[3]有關(guān)，尤其在光線不足和人滿為患的深水復(fù)雜環(huán)境中，易發(fā)生溺
青島大學(xué)學(xué)報（工程技術(shù)版） 2021年1期2021-04-02
- 基于卷積神經(jīng)網(wǎng)絡(luò)的鋅渣識別方法研究
;鋅渣識別;圖像分割;深度學(xué)習(xí)中圖分類號：TP391.4? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-1472（2021）-01-02-03Abstract： In industry， the molten steel in working pool and surface slag are partially overlapped and the boundary is unclear， which makes it difficult to visual
軟件工程 2021年1期2021-03-08
- 基于超像素的高分辨率遙感圖像分類算法
。該方法分為圖像分割、特征提取、圖像分類三個步驟。首先，通過SLIC算法將遙感圖像劃分為若干個大致均勻的超像素;接著，對超像素的顏色特征、紋理特征進(jìn)行特征提取;最后，將提取出的超像素特征作為隨機森林算法的輸入，對超像素進(jìn)行分類。該文使用提出的方法在泰日線遙感圖像上進(jìn)行測試，取得了有效的結(jié)果。關(guān)鍵詞：遙感影像;圖像分類;超像素;圖像特征;圖像分割中圖分類號：TP751? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）36-0010-04開放科
電腦知識與技術(shù) 2021年36期2021-03-07
- 基于統(tǒng)計直方圖k-means聚類的水稻冠層圖像分割
eans聚類圖像分割方法存在對初始聚類中心敏感、易錯分割以及運行時效低等問題，提出了一種基于統(tǒng)計直方圖k-means聚類的水稻冠層圖像分割方法。該方法首先根據(jù)圖像直方圖蘊含的像素數(shù)量先驗信息，選擇像素數(shù)量差異較大的像素值作為水稻冠層圖像的初始聚類中心;然后再利用圖像直方圖中像素值與圖像像素數(shù)量的先驗對應(yīng)關(guān)系，對水稻冠層圖像聚類目標(biāo)函數(shù)權(quán)值化;最后依據(jù)k-means聚類框架對水稻冠層圖像進(jìn)行聚類分割。為了驗證本方法的有效性，分別同基于k-means、k-me
江蘇農(nóng)業(yè)學(xué)報 2021年6期2021-01-29
- 玄武巖纖維瀝青混合料截面圖像分割
征提取方面。圖像分割方法包括閾值法、邊界法、邊緣法。本文主要介紹了閾值法，以便更好的分析瀝青混合料中的集料、瀝青砂漿、玄武巖纖維和空隙的分布情況。關(guān)鍵詞：數(shù)字圖像處理;圖像分割;閾值法;引言圖像分割是計算機視覺領(lǐng)域的一個重要研究方向，也是圖像語義理解的重要組成部分。所謂圖像分割就是根據(jù)圖像的灰度、顏色、不同紋理等特性將圖像分割成多個不相交的部分，使這些特性在同一組分內(nèi)具有一定的相似性，但在不同組分之間表現(xiàn)出顯著的差異。簡言之，在圖像中，目標(biāo)與背景是分開的。
科學(xué)與生活 2021年31期2021-01-18
- 基于可控方向值方圖算法的掌紋圖像特征提取技術(shù)
;特征提取;圖像分割〔中圖分類號〕TP391 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1674-3229（202004- 0024一050 引言掌紋同指紋一樣，都是人體的重要生物特征。隨著圖像處理技術(shù)的發(fā)展，利用智能圖像特征分析方法提取人體的生物特征信息，完成圖像特征的提取和有效的數(shù)據(jù)融合，全面地將個體特征提供給識別系統(tǒng)，實現(xiàn)了特征提取技術(shù)在身份鑒定和辨識等領(lǐng)域的廣泛應(yīng)用[1]。對掌紋圖像特征提取的傳統(tǒng)方法主要有模糊信息處理法、基于支持向量機學(xué)習(xí)法以及基于圖像分割的
廊坊師范學(xué)院學(xué)報(自然科學(xué)版) 2021年4期2021-01-16
- 基于改進(jìn)狼群算法的最大熵圖像分割法
摘? 要： 圖像分割是圖像處理的關(guān)鍵技術(shù)。為了提高圖像分割的效率，文章提出基于改進(jìn)狼群算法的最大熵圖像分割法，修改狼群算法中固定步長為自適應(yīng)步長，并將其應(yīng)用于最大熵閾值計算中，通過尋找最優(yōu)閾值來實現(xiàn)圖像分割。仿真結(jié)果表明，該方法能夠快速、準(zhǔn)確地找到分割閾值，在一定程度上改善圖像的分割效果。關(guān)鍵詞： 圖像分割; 最大熵; 狼群算法; 最優(yōu)閾值中圖分類號：TP391.9;TP312? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：1006-8228（2020
計算機時代 2020年12期2020-12-29
- 基于改進(jìn)CNN與SVM的手勢識別研究
型首先對手勢圖像分割處理和數(shù)據(jù)增強處理，然后用Inception模塊改進(jìn)后的CNN完成對手勢特征的提取，最后通過SVM對不同手勢分類識別。實驗結(jié)果表明，該模型在自建手勢數(shù)據(jù)集下平均識別率為98.13%，在MNIST數(shù)據(jù)集下平均識別率為98.95%，同一數(shù)據(jù)集下較傳統(tǒng)模型識別率均有提高。關(guān)鍵詞： 手勢識別; CNN; SVM; 特征提取; 圖像分割; 數(shù)據(jù)增強中圖分類號： TN915?34; TP183? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A?
現(xiàn)代電子技術(shù) 2020年22期2020-12-07
- 一種立體視覺的障礙物檢測的細(xì)化方法
息，采用深度圖像分割法提取出目標(biāo)的粗略區(qū)域;然后結(jié)合其Canny邊緣坐標(biāo)信息對障礙物區(qū)域進(jìn)行細(xì)化，進(jìn)而得到準(zhǔn)確的障礙物位置信息。實驗結(jié)果表明了該方法具有較強的自適應(yīng)性。關(guān)鍵詞：障礙物檢測;立體視覺;圖像分割;Canny邊緣;細(xì)化中圖分類號：TP23;TP391.41 ? ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2020）12-0070-03Abstract：In the obstacle detection process of stereo
現(xiàn)代信息科技 2020年12期2020-11-06
- 社區(qū)人臉識別的技術(shù)途徑綜述
：人臉識別;圖像分割;數(shù)據(jù)采集中圖分類號：TP520.20??文獻(xiàn)標(biāo)識碼：A??文章編號：摘?要：ID recognition is a popular technology since the 21st century.The commonly used ID technologies include fingerprint，face，pupil recognition and so on.Face recognition technology is o
科學(xué)導(dǎo)報·學(xué)術(shù) 2020年40期2020-10-30
- 基于紫外的絕緣子污穢放電檢測的研究
;放電檢測;圖像分割;形態(tài)學(xué)濾波中圖分類號：TM216 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2020）29-0050-02Abstract： This paper is mainly concerned with identifying a pattern in insulator discharging using algorithms related to infrared imaging and morphology. The desire
科技創(chuàng)新與應(yīng)用 2020年29期2020-10-20
- 基于離散小波變換的圖像感知對比度增強數(shù)學(xué)模型構(gòu)建
灰度處理; 圖像分割; 對比實驗中圖分類號： TN911.73?34; TP391.4? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）19?0019?04Abstract： In view of the poor effect of the traditional image perceptual contrast enhancement mathematical models
現(xiàn)代電子技術(shù) 2020年19期2020-10-13
- 基于視線追蹤的衛(wèi)星觀測圖像分割技術(shù)
有用數(shù)據(jù)。而圖像分割是目標(biāo)提取的前提，傳統(tǒng)的圖像分割技術(shù)主要是通過各類目標(biāo)檢測算法，獲取目標(biāo)區(qū)域并完成分割。本文提出了一種基于視線追蹤的圖像分割方法，通過分析視覺關(guān)注度提取目標(biāo)圖像并完成分割，再使用目標(biāo)檢測算法直接分析真正包含目標(biāo)的圖像。這種利用人的直覺配合算法處理的方式，可有效減少無效分析，降低算法運算量，提高目標(biāo)識別分析效率。關(guān)鍵詞：圖像分割;視線追蹤;視覺關(guān)注度;目標(biāo)識別中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（20
數(shù)字技術(shù)與應(yīng)用 2020年8期2020-10-09
- 基于DBSCAN的二氧化硅融化過程中質(zhì)心定位方法
序圖像，利用圖像分割、邊緣檢測等一系列圖像分析算法從圖像中提取原始圖像數(shù)據(jù)的輪廓特征，并在此基礎(chǔ)上通過DBSCAN密度聚類算法提取二氧化硅的輪廓，以發(fā)現(xiàn)圖像數(shù)據(jù)中二氧化硅的質(zhì)心的位置數(shù)據(jù)?；诙趸璧膶崟r質(zhì)心位置數(shù)據(jù)可以進(jìn)一步發(fā)現(xiàn)二氧化硅的融化速率，為提高鐵尾礦的利用率提供理論依據(jù)。關(guān)鍵詞：圖像分割; 邊緣檢測; DBSCAN算法; 二氧化硅融化過程;二氧化硅質(zhì)心位置中圖分類號：TP18? ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2020
電腦知識與技術(shù) 2020年23期2020-09-27
- 基于優(yōu)化初始中心的加權(quán)K?均值彩色圖像聚類算法分析
表明，在進(jìn)行圖像分割時該算法各方面的性能都要優(yōu)于其他算法，具有更高的穩(wěn)定性與準(zhǔn)確性。關(guān)鍵詞： 彩色圖像; 聚類算法; 加權(quán)K?均值; 優(yōu)化初始中心; 圖像分割; 試驗分析中圖分類號： TN911.73?34? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）18?0026?04Abstract： As an image preprocessing tech
現(xiàn)代電子技術(shù) 2020年18期2020-09-23