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 西南林业大学 大数据与人工智能研究院，云南 昆明 650224
2 西南林业大学 森林生态大数据国家林业与草原局重点实验室，云南 昆明 650224
3 西南林业大学 林学院，云南 昆明 650224
4 西南林业大学 艺术与设计学院，云南 昆明 650224
5 河南大学 数学与统计学院，河南 开封 475004
6 昆明理工大学 国土资源工程学院，云南 昆明 650093
为有效利用高光谱影像与LiDAR数据的互补性信息，解决单一融合策略造成的场景解译地物边界不准确和分类精度低的问题，提出了一种光谱-空间-高度特征融合、并顾及场景地物类别共生特性的条件随机场分类方法。首先，对两种数据分别提取光谱及形态学特征，对特征集采用图模型进行特征融合，将特征输入概率支持向量机分类器，得到初始分类结果。然后，基于融合特征计算反映像素间类别本质差异的局部光谱-空间-高度协同的异质性值，并统计类别间的空间共生关系。最后，在条件随机场框架内，整合初始分类结果、局部异质性信息及类别共生关系，通过目标函数的迭代求解获得最终分类结果。通过将像素间的权重定义为对应像素位置融合特征的归一化欧式距离的单调减函数，对标记不同但特征差异较大的类别间给予较小的权重，以达到地物边界空间规整化的目的。通过对标记不同但共生概率较大的类别对给予较小的权重，达到保留空间关系稳定的类别对的目的。采用城区场景的美国休斯顿地区数据集和林区场景的中国广西高峰林场两组数据集对提出方法进行了验证。实验结果表明：休斯顿和高峰林场数据集精度分别达到94.00%和92.84%，分类结果的“胡椒盐”现象明显减少，证明了该方法的有效性。
高光谱 LiDAR 条件随机场 图模型特征融合 局部异质性 空间共生关系 hyperspectral LiDAR condition random field feature fusion based on graph model local heterogeneity spatial co-occurrence 红外与激光工程
2021, 50(12): 20210112
天津大学电气自动化与信息工程学院, 天津 300072
提出了一种基于深度学习的3D脑肿瘤核磁共振图像(MRI)自动分割方法。为了降低分割难度,采用三级级联网络的策略分割脑肿瘤的三个子区域;为了进一步提高三维分割的精度,采用帧间卷积和帧内卷积,加入额外的多层特征融合机制和空洞卷积;为了进一步细化分割结果,将条件随机场构建的循环神经网络整合到网络结构中。在模型训练中结合了两种损失函数,进一步提高了准确率。该方法在BraTS 2018 数据集上进行验证,对于脑肿瘤整体、肿瘤核以及增强肿瘤,其分割结果的Dice系数分别达到了0.9093、0.8254 和 0.7855,Hausdorff距离达到3.8188、7.8487和4.3264,优于大多数脑肿瘤图像分割方法。
图像处理 脑肿瘤分割 多层特征融合 空洞卷积 条件随机场 激光与光电子学进展
2021, 58(8): 0810020
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
华东理工大学信息科学与工程学院，上海 200237
对单目红外图像进行深度估计，不仅有利于 3D场景理解，而且有助于进一步推广和开发夜间视觉应用。针对红外图像无颜色、纹理不丰富、轮廓不清晰等缺点，本文提出一种新颖的深度条件随机场网络学习模型( deep conditional random field network, DCRFN)来估计红外图像的深度。首先，与传统条件随机场( conditional random field, CRF)模型不同， DCRFN不需预设成对特征，可通过一个浅层网络架构提取和优化模型 的成对特征。其次，将传统单目图像深度回归问题转换为分类问题，在损失函数中考虑不同标签的有序信息，不仅加快了网络的收敛速度，而且有助于获得更优的解。最后，本文在 DCRFN损失函数层计算不同空间尺度的成 对项，使得预测深度图的景物轮廓信息相比于无尺度约束模型更加丰富。实验结果表明，本文提出的方法在红外数据集上优于现有的深度估计方法，在局部场景变化的预测中更加平滑。
红外图像 深度估计 条件 随机场 有序约束 infrared image, depth estimation, conditional ran
华侨大学信息科学与工程学院, 福建 厦门 361021
光学字符识别(OCR)难以针对图像中某些特定文本进行识别,尤其在实际场景中,识别结果通常会包含大量噪声文本。针对这一问题,提出一种基于循环神经网络的双向长短时记忆-条件随机场(BLSTM-CRF)模型。首先利用BLSTM网络捕获OCR识别结果中序列的上下文信息,得到特征序列;然后结合CRF建立模型特征与标签的关系,进行标签预测,通过标签即可得到特定文本。实验结果表明,该方法在场景图像数据集YNIDREAL上可以达到88.52%的准确率,相较于CRF模型,准确率提高了16.39个百分点,证明了本方法的可行性和稳健性。
机器视觉 特定文本抽取 光学字符识别 双向长短时记忆网络 条件随机场 激光与光电子学进展
2019, 56(24): 241501
1 中国科学院上海技术物理研究所，上海 200083
2 中国科学院红外探测与成像技术重点实验室，上海 200083
3 中国科学院大学，北京 100049
针对红外舰船小目标图像复杂背景弱信号，虚警率较高且难以被精确检测的问题，提出了一种恒虚警率(Constant False-Alarm Rate，CFAR)-全连接条件随机场(Dense Conditional Random Fields，DCRF)舰船目标检测算法.该算法针对小目标与虚警信号变化特征相似但结构特征不同的特点,利用CRF的多维上下文(空间、辐射)表达的优势，实现虚警特征抑制，并引入CFAR对模型进行改进，提高了DCRF对于弱信号目标的检出能力,实现舰船小目标的精确检测与分割.实验结果表明，该算法能够充分利用海域的全局上下文信息，能够在保持较高检出率同时，有效降低虚警率，实现单帧端到端的小目标检测.
遥感 全连接条件随机场 红外小目标 恒虚警率 remote sensing dense conditional random fields infrared dim target constant false-alarm rate (CFAR) 红外与毫米波学报
2019, 38(4): 04520
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
