基于机器学习的极光图像自动分割方法

极光是太阳风能量注入到极区的指示器,从观测视野中准确分割出极光区域对研究极光演变如亚暴过程有非常重要的意义.本文基于全卷积神经网络提出了一种弱监督极光图像自动分割策略,数据标记时仅需指定极光区域的一个像素点即可,极大解决了机器学习人工标注数据的压力.首先利用简单单弧状极光图像训练一个初始分割模型Model 1,然后基于该模型,结合热点状和复杂多弧状极光图像获得一个增强的分割模型Model 2,最后对分割结果做进一步优化.本文对2003—2007年北极黄河站越冬观测的2715幅极光图像进行了分割,并和最新论文结果及人工标签进行了定量和定性比较,其中分割结果与人工标签的“交并比”高达60%,证明了本文方法的有效性.     

基于多小波的医学图像阈值分割算法研究

图像分割技术是医学图像处理和分析中的关键技术。本文通过构造一个正交多小波,把图像在尺度空间展开,对不同分辨级下的小波系数采用不同阈值进行分割处理。应用自动和交互相结合的分割方法,通过对目标区域图像特征进行分析,交互确定目标区域的大致灰度范围。在综合考虑图像的边缘和区域的基础上,确定精确的阈值,将目标组织从背景中分割出来。通过对计算机断层扫描医学图像进行分割处理和对比实验,得到的图像清晰度明显提高,证明该方法不仅能得到较清晰的感兴趣区域,而且还能获得较清晰的边缘特征。     

基于图像语义分割的层位自动追踪方法

层位追踪是地震资料解释中基础且重要的工作.传统的层位追踪主要依靠人的主观性判断,是一项既要求专业知识经验,同时又费时费力的环节,为此本文提出了一种基于图像语义分割技术的层位自动追踪方法.图像语义分割是像素级别的分类技术,我们将地震剖面中的层位看作图像中的一个语义类别,借助分割网络进行层位的分类与追踪.本文选择了改进的Dense-UNet神经网络作为分割算法,该网络强调对特征的传递和复用,同时避免了梯度消失的问题,能够很好适应地震数据的分割任务.首先以实际地震数据制作实验所用数据集,应用数据扩充方法增大训练样本数量,再借助改进的Dense-UNet神经网络训练出最优的追踪模型,通过测试集在最优模型上的表现来评价追踪的效果.实验结果表明,改进的Dense-UNet网络能够准确且快速的自动完成层位追踪任务,验证了该方法的可行性和有效性.     

膝关节三维磁共振影像语义分割的可行性研究

MR三维图像的全膝自动分割对膝骨关节炎疾病的诊断、指导和治疗具有重要意义。然而,膝关节的三维MR图像中涉及多种多样的解剖结构,人工勾画费时耗力;全膝自动分割不但节省人力,且可以通过更准确的细节勾画来提高关节炎的诊疗质量。现有的膝关节分割方法只关注众多解剖结构中的一个或几个结构,无法提供全膝分割的结果。本文研究基于三维神经网络的全膝分割方法,并致力于应对以下挑战:①在三维 MR图像上对包括骨骼和软组织在内的全膝15个解剖结构进行端到端分割;②前交叉韧带等小结构的鲁棒分割,前交叉韧带仅占全膝体积的0.036％ 左右。在基于脂肪抑制三维各向同性中等权重VISTA序列的膝关节MR图像上,验证本文方法的平均分割精度为92.92％,其中9种结构的Dice相似系数在94％ 以上,5种结构在87％～90％ 之间,剩余1种结构在76％ 左右。      

基于熵分割算法对CT肝脏兴趣区的提取

目的:在计算机辅助诊断(CAD)和未来治疗中,提取已分割好的CT肝脏组织中的兴趣区。方法:利用熵分割算法对CT肝脏组织的兴趣区进行自动分割,并和专业医生手工分割的兴趣区作比较。结果:分割的兴趣区与专业医生分割的兴趣区相比,该方法具有良好的获取兴趣区的能力。结论:在不同条件下对肝脏做相应预处理,然后分别对手工分割的兴趣区与熵分割的兴趣区相应数据作比较,得出熵分割算法是一种极为有效的图像自动分割方法。     

基于二维小波变换的FMI图象分割

为了从FMI资料中定量提取参数，一个重要的步骤是从实际FMI资料中分离出反映溶孔、溶洞、裂缝的子图像。本文给出的方法，考虑图像像元邻域的特征，应用二维小波变换求出目标与背景边缘的点集，按这个边缘点集的坐标点所对应的原图像像素灰度值的平均值作为分割阈值进行图像分割。实际资料处理表明，应用这种方法可以从实际的FMI资料中准确地分割出孔洞、裂缝的子图像并且可以按深度段连续自动处理，为后续定量计算参数奠定了良好基础。     

机器学习应用于地震预警中的地震波判别研究

由于天然或人为干扰产生的局部脉冲式噪声影响,使得地震预警系统出现误报。为减少此类问题,我们利用美国南加州和日本的30万条地震波形记录,训练了一个生成式对抗网络(GAN)用于识别P波初至特征。我们将GAN判别器作为自动特征提取器,并利用70万条地震事件和噪声波形记录训练了一个随机森林分类器。结果表明,该方法可以辨别99.2%的P波和98.4%的噪声信号。其优越的性能有望极大地减少因局部脉冲式噪声而造成的误触发数量。我们的研究表明,GAN判别器能获取简洁有效的地震波形特征,可广泛应用于地震学研究。小结地震预警系统受到脉冲式噪声信号的干扰(非真实地震信号),有时偶尔会出现误触发的情况。这会造成不必要的经济损失和公众恐慌。本文利用机器学习工具判别波形是由地震产生的还是由局部噪声源产生的。我们通过利用美国南加州和日本大约70万条波形来训练算法。研究表明,利用机器学习方法可以识别99.2%的地震和98.4%的噪声。该方法可以减少大量的误报,能显著改善地震预警系统的鲁棒性。     

主动轮廓模型的一种初始轮廓设定方法

图像分割是图像处理中至关重要的一步,是进行图像分析与图像理解的基础,分割效果的好坏直接关系到后续的图像处理。针对目前主动轮廓模型在图像分割领域中分割速度慢的缺点,提出了一种新的初始轮廓设置方法。首先将图像进行预处理得到一个或几个较粗糙的连续轮廓;然后利用八邻域分割法,检测出该边缘作为梯度矢量流主动轮廓模型的初始轮廓,经过迭代后得到较精确的收敛轮廓。大量医学图像分割实验表明,运用本文提出的方法能够较好地检测到目标边界,速度快,是一种较为理想的图像分割方法。     

基于图割与快速水平集的腹部CT图像分割

针对腹部CT图像中组织分割的问题,提出了一种基于图割与改进的快速水平集的交互式分割方法。首先对人工给定的一个待分割目标的初始轮廓作膨胀运算,将所得内部边界所有像素点作为源点、外部边界像素点作为汇点构造图,并通过图割方法对CT图像进行初步分割,然后以膨胀所得内部边界作为初始轮廓,通过基于区域竞争主动轮廓模型（RCAC）的...     

基于CV模型的CT图像分割研究

由于医学图像边缘模糊、不均匀性等特点,使用传统的Chan—gese（CV）模型方法难以达到分割要求,同时该方法存在计算量大、分割速度慢的问题。本文提出了一种基于CV模型改进的分割算法,在水平集演化迭代过程中,根据当前主动轮廓线的位置,引入图像局部灰度信息,提高了水平集能量项的有效性和该模型的收敛速度,并提出了一种关于图像序列的分割方法。实验结果表明,运用本文提出的方法能够快速、准确地提取图像中感兴趣目标,是一种较为理想的医学图像分割方法。     

混凝土CT图像的几何校正

细观裂纹是混凝土CT研究的主要对象。直观地观察混凝土灰度CT图像细观裂纹的产生和变化有一定困难,需要根据差值CT图像的方法对其进行增强处理。发现差值图像存在阴阳环现象,因此在进行差值运算前首先需进行图像校正,包括整体平移校正、整体几何校正和感兴趣区域校正三种方法,感兴趣区域校正的差值图像最客观。本文提出了有效地提取混凝土CT图像内细观裂纹信息的新方法。     

基于对抗式残差密集深度神经网络的CT稀疏重建

针对计算机断层成像稀疏重建过程中产生条状伪影的问题,本文提出一种基于对抗式残差密集深度神经网络的CT图像高精度稀疏重建方法.设计一种耦合残差连接、密集连接、注意力机制和对抗机制的UNet网络,以含条状伪影图像和高精度图像作为训练样本,通过大规模训练数据,对该网络进行训练,使其具有压制条状伪影的能力.首先,利用滤波反投影...     

Remote Sensing Data Binary Classification Using Boosting with Simple Classifiers

Boosting is a classification method which has been proven useful in non-satellite image processing while it is still new to satellite remote sensing. It is a meta-algorithm, which builds a strong classifier from many weak ones in iterative way. We adapt the AdaBoost.M1 boosting algorithm in a new land cover classification scenario based on utilization of very simple threshold classifiers employing spectral and contextual information. Thresholds for the classifiers are automatically calculated adaptively to data statistics.The proposed method is employed for the exemplary problem of artificial area identification. Classification of IKONOS multispectral data results in short computational time and overall accuracy of 94.4% comparing to 94.0% obtained by using AdaBoost.M1 with trees and 93.8% achieved using Random Forest. The influence of a manipulation of the final threshold of the strong classifier on classification results is reported.     

锥束CT图像重建算法在DSP上的加速方法研究

随着CT技术的发展,重建速度已成为CT系统的重要指标之一,图像重建加速的研究也成为CT研究的热点之一。DSP由于采用哈佛结构,具有专门的硬件乘法器以及广泛采用流水线操作等特点,已开始应用于图像重建加速。本文针对近年来开始应用的三维锥束CT的图像重建算法进行了DSP加速方法研究。首先介绍了DSP应用于图像重建的研究现状,其次,通过对三维重建的典型算法——FDK的算粒分解分析,结合DSP的硬件结构的特点,提出了一种基于DSP的CT图像重建的综合加速技术。该方法通过C的优化、汇编优化和编译优化的综合使用,充分利用了硬件结构和软件流水技术,采用TMS320C6455芯片实现了CT图像重建的加速计算,实验结果表明,该方法取得了较高加速比。     

X射线断层扫描投影图像背景不一致的校准

在X射线断层扫描(X-ray CT)成像过程中,经常会出现射线源、样品和探测器三者之间的相对移动,导致采集的投影图像(Projection image)以及亮场图像(flat field image)的空间位置配准关系出现偏差。这直接影响了投影图像背景的正常扣除,以及后续的CT图像重建。本文利用互相关方法,求出各投影图像背景与探测器原始采集位置之间的不一致量。然后将投影图像和亮场图像作相应变换,最后扣除背景得到校准后的图像。由于该方法对图像灰度较为敏感,所以在对实际样品校准之前,本文先对该样品投影图像及亮场图像进行了照度归一化。实验结果表明,该方法能够有效校正由射线源、样品和探测器之间相对移动造成的CT投影图像背景不一致,获得较好的CT投影图像和重建切片。      

一种工业CT图像的分割算法

由于工业CT图像结构复杂,存在各种伪影,并且灰度分布呈现区域性质等特点,难以准确找出分割阈值,为此提出了一种适用于工业CT图像的分割算法。首先利用最大类间方差法和图像处理方法处理了外层伪影,然后利用聚类迭代的方法处理中心空气,得到感兴趣的区域。实验结果表明,此算法能够对具有先验知识的工业断层图像准确地提取感兴趣的区域。     

基于相似变换的CT图像缺陷定位方法

为对CT图像中的缺陷进行简单有效定位,提出一种基于相似变换的缺陷定位新方法。在提出并证明相似变换性质的基础上用该法对验证CT图像进行缺陷定位,从定位结果的分析得出基于相似变换缺陷定位方法的有效性和准确性。从不同模板定位结果的比较得出人为构建模板的可行性。     

基于CNN和Transformer耦合网络的低剂量CT图像重建方法

在投影角度个数不变的情况下,降低每个角度下的射线剂量,是一种有效的低剂量CT实现方式,然而,这会使得重建图像的噪声较大。当前,以卷积神经网络（CNN）为代表的深度学习图像去噪方法已经成为低剂量CT图像去噪的经典方法。受Transformer在计算机视觉任务中展现的良好性能的启发,本文提出一种CNN和Transformer耦合的网络（CTC）,以进一步提高CT图像去噪的性能。CTC网络综合运用CNN的局部信息关联能力和Transformer的全局信息捕捉能力,构建8个由CNN部件和一种改进的Transformer部件构成的核心网络块,并基于残差连接机制和信息复用机制将之互联。与现有4种去噪网络比较,CTC网络去噪能力更强,可以实现高精度低剂量CT图像重建。      

工业X射线CT中基于深度学习的射束硬化伪影抑制方法

利用工业CT进行无损检测时,由于实际X射线源的宽能谱特性,目前现有的大部分重建算法得到的图像含有射束硬化伪影。射束硬化伪影降低了图像的质量,影响了CT图像应用,如CT图像诊断等。本文提出一种基于深度学习的减少硬化伪影的方法,用大量含有硬化伪影的断层图像作为输入,用相应的在固定能量下重建的不含硬化伪影的图像作为输出来训练卷积神经网络。通过建立含有硬化伪影的断层图像与不含硬化伪影的断层图像之间的映射关系,来抑制硬化伪影。实验结果证明了本文所提方法在降低CT图像硬化伪影上的有效性。      

基于双域自适应网络的岩矿样工业CT图像金属伪影校正算法研究

岩矿样中包含有大量高密度金属物质,致使其在工业CT图像上产生了金属伪影,严重影响岩矿样参数分析的准确性。为抑制岩矿样CT图像的金属伪影,本文提出一种基于双域自适应网络的岩矿样CT图像金属伪影校正算法（DDA-CNN-MAR）,将含有金属伪影的CT图像分别通过投影域网络和图像域网络进行金属伪影的抑制,自适应融合双域处理结果,实现由含伪影图像到无伪影图像的端到端映射。该算法以残差编解码网络模型（RED-CNN）为基础,易于提取特征并恢复图像细节;双域结构可自适应调整投影域（伪影抑制）和图像域（细节修复）的权重,借以获得最优的校正结果。研究结果表明,较之于RED-CNN-MAR,经过DDA-CNN-MAR方法校正的图像,MSE减小2.570,而PSNR和SSIM则分别提高1.218 dB和0.018,有效提升岩矿样CT成像的图像质量。