1 鲁东大学信息与电气工程学院，山东 烟台 264025
2 烟台理工学院信息工程学院，山东 烟台 264003
3 山东大学软件学院，山东 济南 250014
图像分割是计算机视觉领域的重要研究方向。模糊聚类方法由于其无监督的特性，在图像分割中得到了广泛的应用。然而，传统的模糊聚类方法在处理含高强度噪声和复杂形状的图像时，往往分割效果不理想。为了解决这一问题，提出了一种基于显著性检测的权重因子，用于构建加权滤波器和像素相关性模型，从而提高算法的抗噪能力。所提加权滤波器在结构相似性上比传统滤波器的最优结果高出0.1。此外，引入核度量以适应复杂图像的分割需求。在合成图像、自然图像、遥感图像和医学图像上进行了大量实验，结果表明，所提算法在视觉效果上优于传统方法，并且在分割精度上比传统方法的最优结果高出2%。
图像分割 模糊聚类 加权滤波 核度量 像素相关性 激光与光电子学进展
2024, 61(8): 0837005
西安邮电大学 通信与信息工程学院，陕西西安710121
由于卷积操作的局限性，现有的皮肤病变图像分割网络无法对图像中的全局上下文信息建模，导致其无法有效捕获图像的目标结构信息，本文设计了一个融入交叉自注意力编码的U型混合网络，用于皮肤病变图像分割。首先，将设计的多头门控位置交叉自注意力编码器引入到U型网络的最后两个层级中，使其能够在图像中学习语义信息的长期依赖关系，弥补卷积操作全局建模能力的不足；其次，在跳跃连接部分引入一个新的位置通道注意力机制，用于编码融合特征的通道信息并保留位置信息，提高网络捕获目标结构的能力；最后，设计一个正则化Dice损失函数，使网络能够在假阳性和假阴性之间权衡，提高网络的分割结果。基于ISBI2017和ISIC2018数据集的对比实验结果表明，本文网络的Dice分别为91.48%和91.30%，IoU分别为84.42%和84.12%，分割精度在整体上优于其他网络，且具有较低的参数量和计算复杂度，即本文网络能够高效地分割皮肤病变图像的目标区域，可为皮肤疾病辅助诊断提供帮助。
医学图像分割 皮肤病变 交叉自注意力编码 位置通道注意力 medical image segmentation skin lesion cross-self-attention coding position channel attention
1 内蒙古科技大学 信息工程学院，内蒙古包头市0400
2 内蒙古工业大学 信息工程学院，内蒙古呼和浩特010051
U型网络结构的脑肿瘤自动分割方法由于多次卷积和采样操作会造成信息损失，导致分割效果不佳。为解决这一问题，提出了能够利用语义信息流引导上采样特征恢复的特征对齐单元，并在此基础上设计轻量级的双重注意力特征对齐网络（DAFANet）。首先，将特征对齐单元分别引入3D UNet、DMFNet和HDCNet三个经典网络，以验证其有效性和泛化性。其次，在DMFNet基础上构造轻量级的双重注意力特征对齐网络DAFANet，利用特征对齐单元强化上采样过程中的特征恢复，3D期望最大化注意力机制同时作用于特征对齐路径和级联路径，用于重点获取上下文的全程依赖关系。同时使用广义Dice损失函数提升数据不平衡时的分割精度并加快模型收敛。最后，在BraTS2018和BraTS2019公开数据集进行验证，文中所提算法在ET，WT和TC区域的分割精度分别达到80.44%，90.07%，84.57%和78.11%，90.10%，82.21%。相较于当前流行的分割网络，具有对增强肿瘤区域更好的分割效果，更擅长处理细节和边缘信息。
脑肿瘤 图像分割 特征对齐 注意力机制 轻量化 brain tumors image segmentation feature alignment attention mechanism lightweight
1 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院大学，北京 100049
伪装目标分割的任务是使用像素级分割掩码将与背景高度相似的目标进行准确分类和定位，与传统的目标分割任务相比更具挑战性。针对目标与周围环境高度相似、边界模糊、对比度低等问题，构建了一种基于边缘增强和特征融合的伪装目标分割方法。首先，设计了一组边缘提取模块，能够更准确地分割有效的边缘先验。之后，引入了多尺度特征增强模块和跨层级特征聚合模块，分别挖掘层内与层间的多尺度上下文信息。提出了一种简单的层间注意力模块，利用相邻层级间的差异有效滤除融合后存在的干扰信息。最后，通过将各级特征图与边缘先验逐级结合的方式，获得准确的预测结果。实验结果表明，在4个伪装目标基准数据集上，该模型的表现都优于其他算法。其中加权F值提升了2.4%，平均绝对误差减少了7.2%，在RTX 2080Ti硬件环境下分割速度达到了44.2 FPS。与现有方法相比，该算法能够更准确地分割伪装目标。
深度学习 伪装目标 图像分割 边缘特征 特征融合 deep learning camouflaged object image segmentation edge feature feature fusion
江西理工大学能源与机械工程学院，江西 南昌 330013
针对指针式仪表的小目标图像分割特点以及现有方法存在的局限性，提出融合空间细节与语义特征的双边路深度学习主干网络BiUnet，用于指针式仪表图像分割。该网络以BiSeNet V2算法作为出发点，重新设计其语义支路、细节支路以及双边融合层。首先，利用ConvNeXt卷积模块对细节支路进行调整和优化，提升算法对指针及刻度线边界细节的特征提取能力；其次，结合编码器-解码器U型结构能够融合不同尺度语义信息的优势对语义支路进行重新设计，提高语义支路对指针和刻度这类小目标的分割能力；最后，提出双引导拼接聚合层，用于更好地融合细节支路和语义支路特征。在自制仪表图像分割数据集上的消融实验证实了所提出的网络设计方案的有效性和可行性。在仪表数据集上与不同主干网络进行对比实验，实验结果表明，BiUnet对仪表的平均分割精度mIoU（mean intersection of union）达到了88.66%，相比于BiSeNet V2网络的80.02%提升8.64个百分点，并且这两种网络的分割精度均优于基于Transformer和纯卷积的常见主干网络。
指针式仪表 双边路主干网络 深度学习 图像分割 激光与光电子学进展
2024, 61(8): 0837004
1 上海理工大学 生物医学光学和视光学研究所，上海 200093
2 同济大学 上海皮肤病医院光医学研究所，上海 200443
3 上海理工大学 光学仪器与系统教育部工程研究中心，上海 200093
尽管纹身的人数在增加，但希望祛除纹身的需求量也在增加。现在纹身祛除大多采用激光进行治疗，但仅凭肉眼观察的单次疗效不够理想，往往需要重复治疗。因此，研究了基于图像技术量化评价治疗的效果。使用皮秒激光对猪皮的不同颜色的纹身进行照射，采集治疗部位与正常皮肤组织的图像，再标准化提取部位，并对此部位的图像进行特征提取后，量化照射前后的纹身所占面积比，进而得到祛除率。为了验证量化算法的可靠性，设计了不同对比度的标准图像来计算色素占比，得到的误差均小于0.01%，证明该算法是可靠的。对于色素祛除的量化评价能客观反映激光祛除色素的效果，避免了因医师的主观判断所造成的疗效偏差，为治疗参数的选择及疗效的提高等提供了帮助。
皮秒激光 纹身 图像分割 特征提取 量化 picosecond laser tattoo image segmentation feature extraction quantify
1 浙江工商职业技术学院，浙江宁波 315100
2 浙江摩根集团有限公司，浙江宁波 315012
红外小目标检测是指从红外图像中分割出小目标，在火灾探测系统和海上监视及救援系统应用中具有重要意义。然而，由于目标尺寸小、特征不明显、背景环境复杂等因素，导致目前红外小目标检测算法的检测性能通常受到限制。针对上述问题，设计了一种基于拉普拉斯金字塔多级 Transformer的红外小目标检测算法。首先，由于红外小目标尺寸较小，容易在网络迭代过程中损失纹理细节信息，利用拉普拉斯金字塔从原始输入的红外图像中提取出不同层级的高频边界信息，进一步通过一种结构信息转换模块与主干网络中不同层级的特征进行融合，用于对损失的纹理信息进行补偿；接着为了进一步提升网络的判别能力，在提高检测准确率的同时抑制虚警率，还采用了一种基于通道维的 Transformer结构，将每个通道特征图作为图像块，并沿着通道维进行自注意力的计算。实验结果表明，与目前先进的检测算法相比，本文所提出的算法具有更高的检测性能。
红外图像 弱小目标检测 图像分割 infrared images, small target detection, Transform Transformer
电力设备的故障常以异常发热的状态经红外图像检测被检测人员发现。针对使用最大类间方差法（Otsu method, Otsu）对电力设备热故障诊断精度不佳，效率不高的问题，提出了基于变螺旋麻雀搜索算法（variable spiral sparrow search algorithm, VSSSA）的红外图像分割方法。变螺旋麻雀搜索算法先采用 Tent混沌序列优化初始种群，然后，通过引入 Lévy飞行和变螺旋策略提高种群的寻优速度和探索能力，并使用基准函数测试验证了其性能的有效性；最后，在 VSSSA优化二维 Otsu函数，并对红外图像进行双阈值分割的基础上，结合自适应区域生长法进一步提取精确的目标区域。图像分割实验结果显示，该红外方法相比其他的分割方法，分割精度更优，因而具有一定的实用性。
麻雀搜索算法 图像分割 红外图像 设备故障诊断 sparrow search algorithm, image segmentation, infr
针对变电站电气设备红外监测过程中，获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题，提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先，通过 SLIC（Simple Linear Iterative Clustering）超像素算法对图像进行分割，并对超像素块进行 Lab颜色空间转换，根据阈值判断是否存在故障并获取故障区域。然后，选取故障图像中最大联通量的较亮点作为种子，利用最大类间方差原理控制种子数目，通过改进区域生长法获取目标主体设备。最后，将故障区域与目标主体设备进行交集运算，完成对故障电气设备的整体分割。研究结果表明，该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比，该方法获取的故障电气设备更加完整准确。
故障电气设备 复杂背景 红外图像 SLIC算法 图像分割 faulty electrical equipment, complex background, i
