为减少浮选气泡合并、破碎等变化对泡沫表面流动特征提取的影响，提出了一种非下采样剪切波变换（Nonsubsampled Shearlet Transform，NSST）域红外目标分割及改进加速鲁棒特征（Speeded Up Robust Features，SURF）匹配的泡沫表面流速检测方法。首先，对相邻两帧泡沫红外图像 NSST分解，在多尺度域构建图割能量函数的边界、亮度、显著性约束项实现对合并、破碎气泡的分割；然后，对分割后的背景区域进行 SURF特征点检测，通过统计扇形区域内的尺度相关系数确定特征点主方向，采用特征点邻域的多方向高频系数构造特征描述符；最后，对相邻两帧泡沫红外图像进行特征点匹配，根据匹配结果计算泡沫流速的大小、方向、加速度、无序度。实验结果表明，本文方法能有效分割出合并、破碎的气泡，具有较高的分割精度，提升了 SURF算法的匹配精度，流速检测受气泡合并、破碎的影响小，检测精度和效率较现有方法有一定提升，能准确地表征不同工况下泡沫表面的流动特性,为后续的工况识别奠定基础。

针对被动式太赫兹安检系统检测图像识别危险物难度较大、精确度不高的问题, 提出一种基于 U-net的被动式太赫兹安检危险物分割算法。通过构建危险品的局部结构差异性假设和局部亮度差异性假设定位太赫兹安检图像中危险品可能存在的感兴趣区域(ROI), 并选择拥有少量特征通道与神经元的浅层卷积网络针对 ROI做图像超分辨处理, 最后将图像输入 U-net网络,得到质量高、轮廓清晰的危险品分割图像。通过实验证实了本文方法相比传统分割算法准确性有明显提高, 有助于提高被动式太赫兹安检系统的危险品识别率。

针对SiamMask不能很好地适应目标外观变化，特征信息利用不足导致生成掩码较为粗糙等问题，本文提出一种基于自适应模板更新与多特征融合的视频目标分割算法。首先，算法利用每一帧的分割结果对模板进行自适应更新；其次，使用混合池化模块对主干网络第四阶段提取的特征进行增强，将增强后的特征与粗略掩码进行融合；最后，使用特征融合模块对粗略掩码进行逐阶段细化，该模块能够对拼接后的特征进行有效的加权组合。实验结果表明，与SiamMask相比，本文算法性能有明显提升。在DAVIS2016数据集上，本文算法的区域相似度和轮廓相似度分别为0.727和0.696，比基准算法提升了1.0%和1.8%，速度达到40.2 f/s；在DAVIS2017数据集上，本文算法的区域相似度和轮廓相似度分别为0.567和0.615，比基准算法提升了2.4%和3.0%，速度达到42.6 f/s。

针对被动式太赫兹安检的检测需求, 提出一种基于最大二维熵的隐蔽目标分割方法。该方法设计了一组适用于被动式太赫兹图像的滤波器组, 实现噪声过滤和图像增强; 设计了一种待检区域自生成的算法, 实现对重点检测区域的自动覆盖; 同时, 引入二维熵的概念, 实现对待检测区域内的隐蔽目标的轮廓分割。在 0.2 THz频段的被动成像下开展了评估和对比实验, 实验表明本文方法具有较好的分割效果和实时性能。

传统模糊C均值聚类算法在遥感图像水体分割中抑制噪声的能力弱且需人为设定的参数太多。针对这一问题,提出了一种结合引力模型的模糊聚类遥感图像水体分割方法。首先将模糊C均值聚类算法得到的模糊隶属度矩阵作为本文算法的初始隶属度矩阵,然后计算像素灰度值的局部标准差与局部均值的比率,并将归一化的比率作为加权因子来反映邻域像素对中心像素的影响程度,最后,结合空间吸引模型,在局部空间和模糊隶属度关系中引入权衡加权因子,同时考虑中心像素与其相邻像素之间的空间距离和类别隶属度差异,自适应准确地估计来自相邻像素的空间约束,使权衡加权因子完全适应图像内容。实验结果表明,相较于传统的模糊C均值聚类算法以及近年来相关的代表性算法,本文算法的分割性能具有明显的优势,分割准确度均为最高且最高达到97.1%,虚警率下降约15%~30%。

针对主动太赫兹成像中存在的图像品质差以及藏匿物品类别多样、训练样本稀缺且类别不平衡等问题,提出了基于用条件生成对抗网络构建的Mask-CGANs模型的目标分割网络和基于RetinaNet的目标检测识别网络,实现了太赫兹图像中藏匿物品的多目标分割和检测识别。针对分割任务提出的约束损失函数和网络结构,使模型在召回率和虚警率之间达到平衡且降低了对训练样本规模的要求。针对检测任务采用的损失函数提高了训练样本不平衡条件下的检测精度。

三维激光雷达被广泛应用在无人驾驶系统中对道路环境的检测和防碰撞检测。为增加激光雷达对扫描点云进行分割的准确性, 提出一种基于深度投影的点云目标实时分割方法。首先采用体素化滤波去除噪声点, 然后使用渐进式形态学滤波方法去除地面点, 最后将点云进行深度投影, 建立三维点云与深度投影图像的映射关系, 利用深度投影图像的自适应角度阈值对点云进行目标分割, 并将分割后的点云目标构造混合层次包围盒进行碰撞检测。实验结果表明该方法相对于传统聚类算法在时间效率上有明显提升, 并且能有效降低过分割问题, 实验数据目标分割准确率达到了7882%, 结合混合层次包围盒算法对分割后的点云目标进行碰撞检测, 可有效地识别并判断物体空间位置关系, 提升碰撞识别的准确性。

针对遥感图像目标密集、尺度不一、存在遮挡等特点,提出一种基于注意力机制的遥感图像分割模型用于目标分割。该模型建立在深度图像分割模型的基础上,提出在高低层特征融合之前采用通道注意力机制对低层特征进行加权处理,增强目标特征并抑制背景特征,提高信息的融合效率。为进一步增强模型对目标特征的响应能力,提出位置注意力机制对解码阶段最后的特征进行处理。最后,将加权融合后的特征图上采样到原图大小并预测像素类别。在两个遥感道路数据集上进行实验并与相关模型进行比较,结果表明所提模型在遥感影像道路提取中性能优异,可应用于复杂的遥感影像目标分割。

在光电监视系统中, 广泛应用于运动目标分割的PBAS(pixel base adaptive segmenter)算法计算复杂、参数量大, 难以达到实时分割的要求。针对PBAS算法是对图像中每个像素点进行独立处理, 特别适合于GPU并行加速的特点, 对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在数据存储结构、共享内存使用、随机数产生机制3个方面对该算法进行了优化设计。实验结果表明, 对于480×320像素分辨率的中波红外视频序列, 该并行优化方法可以达到132 fps的处理速度, 满足了实时处理的要求。

三维激光雷达广泛应用在智能车系统中,点云目标分割是智能车环境感知中的关键技术。针对目前三维激光雷达点云目标分割算法实时性和准确性不高的问题,提出一种基于深度图的点云目标快速分割方法。将点云数据表示为深度图,建立深度图与点云数据的映射关系。利用激光雷达扫描线的角度阈值去除地面点云数据,结合深度图和自适应参数改进的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对非地面点云进行聚类分割。实验结果表明该方法相对于传统聚类算法在时间效率上有很大的提升,且能较好地降低欠分割错误率,分割准确度提升10%,达到了85.02%。