由于结直肠息肉的大小、颜色和质地各异，且息肉与周围粘膜的边界不清晰，导致息肉分割存在较大挑战。为提高结直肠息肉的分割准确率，本文提出了一种改进的DoubleUNet网络分割算法。该算法首先对息肉图像进行去反光处理，并通过数据扩增方法将训练数据集进行扩大；接着，在DoubleUNet网络的解码器部分引入注意力机制，并将网络中的空洞空间卷积池化金字塔（ASPP）模块替换为密集连接空洞空间卷积池化金字塔（DenseASPP）模块，以提高网络提取特征的能力；最后，为提高小目标的分割精度，提出利用Focal Tversky Loss函数作为本算法的损失函数。该算法在Kvasir-SEG、CVC-ClinicDB、ETIS-Larib、ISIC和DSB数据集测试中的准确率分别为0.953 0、0.964 2、0.815 7、0.950 3和0.964 1，而DoubleUNet算法在上述数据集的准确率分别为0.939 4、0.959 2、0.800 7、0.945 9和0.949 6。实验结果表明本文算法相对于DoubleUNet算法具有更好的分割效果，可以有效的辅助医师切除结直肠异常组织从而降低息肉癌变的概率，且能够应用于其它医学图像分割任务中。
图像分割 结直肠息肉 空洞卷积 注意力机制 条件随机场 image segmentation colorectal polyps dilated convolution attention mechanism conditional random field
1 大连海事大学 信息科学技术学院, 辽宁 大连 116026
2 交通运输部 搜救中心, 北京 100736
针对遥感图像海面溢油区域通常受到斑噪声以及强度不均等因素的影响, 从而导致溢油区域监测效果较差的问题, 本文引入了深度语义分割的方法, 将深度卷积神经网络与全连接条件随机场相结合, 形成端对端连接。以Resnet结构为基础, 首先通过深度卷积神经网络对多源遥感图像粗分割并作为输入, 然后经过改进的全连接条件随机场, 利用高斯成对势和平均场近似定理, 建立条件随机场形成递归神经网络作为输出。通过多源遥感图像对海面溢油区域进行监测, 并利用可见光图像估计溢油区域面积。实验在所建立的多源遥感图像数据集上与其它先进模型进行对比, 结果表明本文方法提高了溢油区域的分割精度以及精细细节程度, 平均交并比为82.1%, 监测效果具有明显地改善。
海面溢油 卷积神经网络 语义分割 条件随机场 遥感图像 spilled oil on the sea Convolution Neural Network(CNN) semantic segmentation conditional random field remote sensing image
江南大学物联网工程学院, 江苏 无锡 214122
针对现有方法在脑肿瘤图像分割上的不足,提出一种基于改进的卷积神经网络的脑肿瘤图像分割算法。将DenseNet和U-net网络结构相融合,以提高对图像特征的提取能力。为了扩大卷积核的感受野,采用了空洞卷积。将分割结果通过完全连接的条件随机场循环神经网络进行精细分割输出,从而得到精确的脑肿瘤分割区域。实验结果表明,与传统的深度学习方法相比,平均Dice可以达到91.64%,算法在准确率上有较好的提升。
图像处理 图像分割 脑肿瘤分割 卷积神经网络 空洞卷积 完全连接的条件随机场循环神经网络 激光与光电子学进展
2020, 57(14): 141020
1 河北工业大学人工智能与数据科学学院, 天津 300401
2 河北省大数据计算重点实验室, 天津 300401
针对图像语义分割中图像的上下文信息利用不充分、边缘分割不清等问题,提出一种基于多尺度特征提取与全连接条件随机场的网络模型。分别以多尺度形式将RGB图像和深度图像输入网络,利用卷积神经网络提取图像特征;将深度信息作为补充信息添加到RGB特征图,得到语义粗分割结果;采用全连接条件随机场优化语义粗分割结果,最终得到语义精细分割结果。实验结果表明,所提方法提高了图像语义分割的精度,优化了图像语义分割的边缘,具有实际应用价值。
图像处理 图像语义分割 卷积神经网络 多尺度特征 深度学习 全连接条件随机场 激光与光电子学进展
2019, 56(13): 131007
辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
提出一种结合全卷积神经网络与条件随机场的资源3号卫星遥感影像云检测方法。优化了全卷积神经网络(FCN)模型,对3次上采样后的全卷积神经网络(FCN-8s)进行上采样,采用自适应+动量算法调整参数学习率加速收敛;将全卷积神经网络与条件随机场结合,以全卷积输出影像作为前端一阶势,高斯核函数作为后端二阶势;加入mean-shift区域约束0条件保护影像的局部特征信息,运用平均场算法推断条件随机场模型后验概率。实验结果表明,本研究提出的云检测方法可将影像云区识别准确率提高至97.38%,较FCN-8s算法提高13.42%。
遥感 云检测 全卷积神经网络 资源3号遥感影像 条件随机场 高斯核 平均场算法 激光与光电子学进展
2019, 56(10): 102802
空军工程大学信息与导航学院, 陕西 西安 710077
针对传统特征表征能力较弱的问题,提出了一种基于多层深度特征融合的极化合成孔径雷达图像语义分割方法;利用经过预训练的VGG-Net-16模型提取表征能力更强的多层图像特征,再将各层深度特征分别用于训练对应的条件随机场模型,最后将多个条件随机场模型的输出结果进行融合,实现了最终的图像语义分割。结果表明:与基于传统经典特征的方法相比,所提方法取得了最高的总体分类精度,说明所提方法采用的融合特征具有比传统特征更强的表征能力。
图像处理 多层深度特征融合 语义分割 条件随机场 卷积神经网络
四川大学 视觉合成图形图像技术国防重点学科实验室,四川 成都 610065
目标模型更新中存在的模型漂移问题,是影响视频跟踪结果的一个重要因素。针对这一难题,提出了一种新的基于前景分割的目标跟踪算法。算法通过引入条件随机场(CRF)模型对跟踪区域和非跟踪区域的时空关系进行建模,实现对图像序列中像素点的标记,标记为跟踪目标或背景,并使用在线学习方法,根据场景的变化调整CRF模型的参数。跟踪过程中,通过对CRF模型的求解,得到最优的标记场和目标像素的置信图像;利用置信图像,结合目标模型的相似性度量定位整个目标;根据目标区域内的标记结果,使用一种选择性采样的方式更新目标模型,从而解决更新中的漂移问题。通过在多个典型的复杂场景中进行实验,验证了该算法的有效性。
信息处理 视觉目标跟踪 模型漂移 条件随机场 置信图 选择性更新
