高分辨率海岸带遥感影像中简单地物的最优分割问题

高分辨率遥感影像中地物对象的最优分割是遥感图像理解、地物识别的关键问题, 也是有效利用地物空间信息的基础. 针对遥感影像中简单地物具有内部光谱均一和外界光谱差异大的特点, 提出图斑显著性的概念, 并在多尺度分析中的图像分割过程中建立图斑演变的显著性变化曲线, 应用显著性变化曲线的极大值和分割过程中图斑之间的包含关系建立尺度序, 并以此解决图像分割中的简单地物的最优分割问题, 确定可能为地物对象的图斑. 并将此原理和方法应用于高分辨率海岸带遥感影像的图像分割中, 效果明显.     

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.     

面向对象遥感分类方法在震害快速提取中的应用

破坏性地震发生后,迫切需要对灾害进行准确、快速的评估,为应急指挥、救援决策提供依据.高空间分辨率影像中地物的几何结构和纹理信息丰富,传统方法难以满足需求.面向对象的遥感图像处理方法,运用多尺度分割方法,实现图像信息多维的分离,并加入纹理、形状和相互关系特征的综合分析及模糊逻辑分类方法,从而最大程度模拟人类目视解译遥感影像的思维模式,提高有效信息的提取精度.     

形态学在X-射线检测中的应用

本文以射线检测发动机图像为研究对象,通过与传统分割算法相比较,同时结合最新发展的数学理论及数字图像处理技术,采用了一种有效分割方法,使其在提取效果和处理速度上都能获得预期的满意结果.     

肺部CT图像分割方法研究

医学CT图像中,肺实质区域的准确分割乃是肺结节检测的基础,其对于临床肺部疾病诊断具有重要意义。本文首先综述基于医学CT图像的肺实质分割算法,然后详细阐明肺实质分割的主要步骤,探讨几种典型算法的分割效果,包括肺实质与肺气管的比较分析。最后以此为基础,综合几种常用的分割算法与改进,提出一种实用性强、鲁棒性较好的肺实质分割算法。      

基于CT数据的二次曲面拟合算法研究

二次曲面工件在工业中比较常见,为测量物体内部的二次曲面,本文采用工业计算机断层成像（CT）技术获取物体的断层图像序列,利用U-net图像分割网络获得断层图像上的目标区域,对分割结果的边缘进行检测和曲线拟合并堆叠成三维点集,通过曲面拟合获取物体曲面的三维空间坐标信息。研究结果表明,本文的方法能够有效地实现边界提取和界面参数的拟合工作,拟合误差在1%以内,相比传统方法有较大改进。     

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。     

建筑物震害多源遥感特征与机理分析

随着遥感信息源的不断增加,多种遥感数据被用于详细判读建筑物的震害情况.为准确判读震害等级与建立震害自动识别模式,本文收集整理了汶川地震震区的震害遥感图像,通过目视判读、图像处理、统计分析,重点分析了各类震害建筑物在光学影像中的特征表现、在合成孔径雷达图像中的成像机理特征以及在激光雷达图像中的三维特征.在此基础上构建了建筑物简化模型,并联合光学影像和雷达图像对震害建筑物的影像特征剖面予以分析.结果显示:光学遥感图像色彩信息符合人眼色觉原理,具有较好的直观判读效果;合成孔径雷达图像能够记录地物侧面、表面的粗糙程度和角反射特点,信息量丰富但不直观;激光雷达图像能获取建筑物的三维信息,因此震害评估工作中需有效地综合利用多源遥感数据,才能实现最佳的判识效果.      

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FCM聚类算法的颅内出血CT图像分割

为了提高计算机辅助诊断系统的颅内出血病灶分割准确率,提出一种新的颅脑CT图像分割方法,被怀疑为出血的区域可快速而有效地分割出来。首先利用颅内结构提取算法提取颅内区域;然后利用两次模糊c均值聚类算法完成出血区域分割。第一次模糊c均值聚类确定疑似颅内出血的区域,根据脑出血CT图像特点,将中心点灰度值最高的类作为第二次模糊c均值聚类对象,第二次模糊c均值聚类分割出疑似出血区域,最后对颅脑CT图像进行实验,验证方法的可行性。实验结果表明该方法对颅脑出血CT图像病灶的分割是有效的。