辽宁石油化工大学 信息与控制学院, 辽宁 抚顺 113001
视盘和视杯的精确分割是青光眼计算机辅助诊断的关键,考虑视盘的解剖学特征,提出基于超像素和级联SVM分类实现视盘的精确分割。首先对眼底图像超像素分割,基于视盘的解剖学结构特征,提取超像素的灰度、纹理、几何、位置分布等特征;然后采用基于SVM的监督聚类方法分类超像素区域,两级级联SVM分类器在分类过程中修正超像素位置信息,提升分割精度;最后基于Snake模型修复局部轮廓。在DRIONS和REFUGE数据库视盘分割精度分别为99.87%和99.52%,精度、灵敏度、特异性、AOL和DICE系数均高于该领域典型算法,实验证明所提方法能够精确分割视盘区域,且具有较强的鲁棒性;在青光眼诊断中具有一定的应用价值。
视盘分割 青光眼 超像素 级联SVM 鲁棒性 disc segmentation glaucoma super pixel cascaded SVM robustness
1 昆明理工大学国土资源工程学院,云南 昆明 650093
2 昆明理工大学计算中心,云南 昆明 650500
针对卷积神经网络(CNN)在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题,提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析(PCA)提取图像的前12个成分后对前3个主成分进行滤波,对滤波后的3个波段进行超像素分割;然后将样本点映射到超像素内,使其以超像素而不是像素为基本的分类单元;最后利用CNN进行图像分割。在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验,实验结果表明,相比仅利用光谱信息的方法,融合空-谱特征信息的方法的精度得到提升,在两个数据集上的分类精度分别达99.45%和97.60%。
超像素 卷积神经网络 主成分分析 空-谱特征融合 滤波 激光与光电子学进展
2023, 60(16): 1610010
1 中国石油大学(北京) 信息科学与工程学院, 北京02249
2 中国石油大学(北京) 石油数据挖掘北京市重点实验室, 北京1049
针对遥感影像车辆检测中背景干扰、目标密集和目标异质性等因素引起的识别精度下降问题,提出了一种融合超像素与多模态感知网络的遥感影像车辆检测方法。首先,基于混合超像素的区域合并规则,通过超像素二分图融合算法将两种模态的超像素分割结果进行融合,提升了不同模态图像超像素分割结果的准确性;其次,提出一种多模态边缘感知网络的遥感影像车辆检测方法MEANet (Multi-modal Edge Aware Network),引入OPT-FPN模块(Optimized Feature Pyramid Networks)来增强网络学习多尺度目标特征的能力;最后,通过边缘感知模块聚合超像素和多模态融合模块生成的两组边缘特征,进而生成车辆目标的准确边界。在ISPRS Potsdam和ISPRS Vaihingen遥感影像数据集上进行实验,最终的
![]()
![]()
分数分别为91.05%和85.11%。实验结果表明,本文提出的方法在多模态遥感影像车辆高精度检测中有着较好的检测准确度和较好的应用价值。
超像素 多模态感知 遥感影像 车辆检测 super pixel multimodal perception remote-sensing image vehicle detector
上海工程技术大学 电子电气工程学院, 上海 201620
为提高立体匹配精度, 提出一种超像素分割约束的自适应SAD与Census融合的立体匹配算法。针对SAD在匹配过程中无差别使用窗口内像素点灰度值引入的误差, 首先用简单线性迭代聚类(SLIC)超像素分割方法对待匹配图进行处理, 将分割结果结合窗口内邻域像素点和中心像素点的距离给SAD立体匹配过程中窗口内像素点灰度值赋予适当的权重; 进行Census立体匹配过程, 并对两种算法的匹配结果进行自适应融合; 对初始视差图进行左右一致性检测和遮挡点填充等后处理过程。实验表明, 提出算法与传统算法相比, 匹配效果显著提高, 可以很好地适应细节丰富的图像并且对于有垂直位移的图组也有较好的适应性, 对于图像对比度及光照变化具有鲁棒性。
超像素分割 SAD算法 Census变换 左右一致性检测 Super-pixel segmentation SAD algorithm census transformation Left-right consistency testing
1 安徽建筑大学数理学院,安徽 合肥 230022
2 安徽省建筑声环境重点实验室,安徽 合肥 230601
基于分裂-合并的图像分割方法可以克服传统基于像素的遥感影像分割算法易受噪声干扰、分割效率低、分割效果差等缺点。结合超像素和图的点积表示算法,提出一种新的基于分裂-合并的遥感影像分割方法。首先,采用简单线性迭代聚类(SLIC)算法对图像进行超像素分割;其次,测量每个超像素块的纹理特征,并考虑空间邻近性,计算每两块之间的距离;然后,将每个超像素块视为图中一个顶点,构建相似矩阵,采用修正的图的点积表示算法将每个顶点重新映射为新的向量,并进行基于角度的k-means方法聚类,得到最后的分割结果。实验结果表明,所提方法分割结果稳定,同时有效地提高了分割精度,取得较好的分割视觉效果。
图像处理 遥感影像 简单线性迭代聚类 超像素分割 图的点积表示 基于角度的k均值 激光与光电子学进展
2022, 59(12): 1210015
1 江南大学物联网工程学院,江苏 无锡 214122
2 江南大学物联网技术应用教育部工程研究中心,江苏 无锡 214122
在增强现实领域,实现虚拟对象光照一致性一直是个难题,针对赋予虚拟对象阴影信息时阴影检测效率低的问题,提出一种基于阴影区域构建阴影体实现虚拟对象光照一致性的方法。首先,采用改进的超像素分割(Ⅰ-SLIC)算法对图像进行处理得到更稳定的超像素集合,并根据相邻超像素中心的颜色距离相似度进行超像素合并,以降低后续处理复杂度。然后,采用高斯混合背景模型对分割后的图像进行阴影检测,利用阴影区域与光照参数构建阴影体。最后,根据变换矩阵完成虚拟对象的注册并结合阴影体进行渲染。实验结果表明,所提方法实现了对虚拟对象的阴影渲染,大大提高了增强现实应用带来的真实感,对比其他方法,在时间效率上具有明显优势。
机器视觉 增强现实 光照一致性 阴影检测 超像素分割 激光与光电子学进展
2022, 59(2): 0215002