图割

摘要： 从监控视频中提取车道,在城市规划、道路安全等方面发挥着重要作用。受限于大样本集训练,深度学习方法对未经训练的数据提取精度不高。Graph-Cut(图割)算法具有较好的车道分割效果,但需手动指定车道和背景区域。针对上述问题,设计了无须手工干预的车道提取实验方案:(1)利用YOLOv5检测视频中的车辆,得到它们在每帧的坐标信息;(2)将坐标信息拟合成运动轨迹,用来初始化图割算法;(3)基于图割算法指定车道和背景区域,实现车道区域的自动提取。多场景实验结果表明,该方案可有效地自动提取出场景中的车道区域。

摘要： 腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难,该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域,然后利用图像像素级和区域级特征,分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型,并将其融入图割能量函数,进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验,并与现有多种自动分割方法进行了比较。结果表明,提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤,能提取更精确的肿瘤边界,尤其对于对比度低、边界模糊的肿瘤具有明显优势。

摘要： 针对水位测量中由于水尺污渍和倾斜的影响,造成观读数据极易出错的问题,提出了一种基于改进的超像素与图割算法的智能视觉水位识别算法.对水尺图像进行预处理的基础上,为校正水尺图像的角度倾斜,提出了金字塔结构Hough变换的角度倾斜校正算法,将水尺图像进行2抽取,得到不同分辨率的金字塔结构图像,对从低到高分辨率图像应用Hough变换,逐步缩小搜素倾斜角度范围,得到水尺的精确倾斜角度并进行校正;其次,为解决因水尺污渍而影响读数的问题,将中值滤波思想融入超像素种子点定位中,通过改进的超像素算法在滤去污渍噪声的同时对校正后的水尺图像进行预分割;在图割算法中构建邻域像素相似度的能量函数边界项,应用改进的图割算法实现水尺图像的可靠分割,确定水尺头部区域和测量区域;最后,分别对水尺头部和测量区域进行识别,得到准确的水位数据.实验结果表明,对比实际的测试结果,所提算法识别出的水位数据准确性高,具有较高的应用价值.

摘要： 为精确提取浮选泡沫表面的崩塌、新合成气泡,减少噪声和光照影响,提出一种结合非下采样Shearlet变换(NSST)域显著性检测及图割的泡沫红外图像分割方法.对泡沫红外图像进行NSST多尺度分解,采用GBVS算法对低频子带图像进行显著性检测,通过马尔科夫链特征差异计算显著性值,对各个高频方向子带进行噪声系数去除和边缘、弱边缘系数非线性增强.对处理后的多尺度高频子带、低频子带图像进行NSST重构,通过低频子带图像的显著性检测结果构建显著性约束项,采用高斯拟合函数构建气泡亮度约束项,然后构造图割能量函数,最后利用最大流/最小割算法对目标区域进行分割.实验结果表明:该方法受光照影响小,一定程度上解决了过分割和欠分割问题.正常浮选检测准确率为91.8％,欠浮选为87.1％,过浮选为88.9％,分割精度较现有方法有明显提高,能有效提取出崩塌或新合成的气泡,表现出良好的抗噪性,且在不同工况下均表现出良好的鲁棒性.

摘要： 为了从心脏MR图像中分割出左心室,提出了一种基于U-Net网络的图割后处理算法.先训练U-Net网络分割网络得到概率图,接着采用图割算法进行后处理.为了减少图割算法运行时间,采用图像形态学操作去除无需后处理区域,只保留分割结果的边缘区域进行图割优化.采用Dice系数和召回率这两种评价指标,在Sunnybrook数据集上的实验结果表明,该算法结果的边缘更接近标准分割结果,且具有较高的Dice系数、召回率和时间效率.

摘要： 针对雾图成像时变化的场景光及去雾过程中不同雾相关信息在处理上的差异性,提出了通道注意网络和模糊划分熵图割的单幅图像去雾算法。以考虑变化场景光的大气散射物理成像模型为基础,首先使用通道注意的编码解码网络来估计透射率,并在编码器最后及解码器起始处添加通道注意模块,以便为编码器提取的不同雾相关特征图分配不同的权重,准确地计算透射率;然后利用所提出的模糊划分熵图割算法将透射率划分为不同场景光覆盖下的近景、中景、远景,此分割策略将考虑空间相关性的图割算法与模糊划分熵的阈值分割算法相结合,解决了单一阈值分割算法产生的区域误分问题;最后估计场景光和大气光,得到去雾图像。实验结果表明,算法在合成雾图及真实雾图上均有较好的去雾效果。与已有的去雾算法相比,本文算法在峰值信噪比及结构相似性上均有提升,单张图像的平均处理时间为3.9 s。

摘要： 联盟结构生成是分布式人工智能的重要研究内容,一般仅依据智能体效用生成任意数量的联盟,这导致最优联盟结构生成的计算复杂度NP难.实际上,信任是合作的基础,信任关系对最终效用有直接的影响,应该综合考虑信任和效用关系.针对以上问题,该文扩展效用约束为信任和效用约束,用信任和效用二元组表示,以此作为联盟结构生成的依据.借鉴图割的s-t-cut算法,研究了基于信任和效用关系的联盟结构生成,在保证智能体个体理性和联盟稳定(无块)的前提下,使用信任和效用关系对网络进行切割,从而形成联盟.由此,该文提出了两种多项式时间的精确算法:信任关系约束下的MT-s-t-cut算法和信任效用关系约束下的MTU-s-t-cut算法,这两种算法均能够在多项式时间内得到最优联盟结构.仿真实验验证了信任关系影响所形成的联盟结构,社会整体效用随智能体数量的增加而增加,并且算法的运行时间远小于动态规划法(DP)和ODP-IP算法.

摘要： 为了提高H.264压缩域视频对象分割时的鲁棒性和准确性,提出了一种基于简单线性迭代聚类(SLIC)和图割优化的马尔科夫随机场(MRF)运动对象分割算法.算法直接利用从摄像机产生的H.264压缩码流中提取的运动矢量.首先对运动矢量场进行预处理,然后构建基于改进的SLIC分割的马尔科夫模型能量函数,最后利用图割法求解能量函数进而分割出运动对象.在公开的数据集上进行实验表明,与近年来经典压缩域视频对象分割算法相比,上述算法在复杂背景下可以有效提高分割的准确率和F度量,运算速度平均提高约1.85倍.与先进的像素域分割方法相比,运算速度提高了5倍,算法适用于实时性要求较高的视频监控场合,可有效减少数据存储和处理的内存需求.

摘要： 本发明公开了一种基于大图切割的矢量数据瓦片裁图加速方法，其包括以下步骤：步骤1）打开矢量地图，获取矢量地图操作对象；步骤2）设置瓦片裁图参数；步骤3）设置大图像素大小；步骤4）计算每个瓦片级别中大图的行列号区间；步骤5）计算大图对应的矢量数据空间范围；步骤6）根据大图对应的空间范围检索、提取矢量数据，并绘制生成大图图像；步骤7）将大图图像快速切割为多个瓦片图像，保存到存储设备中；步骤8）循环生成所有大图图像并进行切割，最终完成所有瓦片的裁图工作。本发明能够减少瓦片裁图过程中矢量数据的检索次数，有效地加速瓦片裁图过程，为大规模矢量数据的实时瓦片裁图提供支持。

摘要： 本发明涉及图像处理以及多媒体技术领域，尤其是一种融合显著图与深度图的缝切割重定向方法。包括：利用GBVS算法获取图像显著图；结合图像梯度图与提出的通过SIFT匹配方法获取图像深度图构建更精确的重要度图；根据重要度图的能量分布，获取能量较低位置的切割缝，记录每条缝的位置与运动过程，对原始图像进行处理，得到最终的重定向结果。本发明同时考虑了图像的显著图和深度图，能够最大程度的保留图像的显著部分，并且改善原有缝切割方法中的扭曲及失真问题。

摘要： 本发明涉及一种一种在FPGA中将大图切割为几幅小图并同时显示的方法，其特征在于：具体包括以下步骤：（1）FPGA对DDR进行初始化；（2）将切割的小图像分组；（3）FPGA内部例化一个逻辑单元；（4）将大图的每一个像素的值写入DDR；（5）将每组数据依次读出并存入一级缓存；（6）将第一级缓存内的数据取出并计数；（7）每组内图像按在此行中占据的序号来分开并存到第二级缓存内；（8）各通道图像的显示接口取图像数据并显示。使用本发明对从外部存储器返回的数据包里数据进行计数，可以精确地得到分割后的各个小图像；并降低了FPGA对外部存储器访问的频率；还利于FPGA对于高频时钟域的时序收敛。

摘要： 本发明公开了一种基于大图切割的矢量数据瓦片裁图加速方法，其包括以下步骤：步骤1）打开矢量地图，获取矢量地图操作对象；步骤2）设置瓦片裁图参数；步骤3）设置大图像素大小；步骤4）计算每个瓦片级别中大图的行列号区间；步骤5）计算大图对应的矢量数据空间范围；步骤6）根据大图对应的空间范围检索、提取矢量数据，并绘制生成大图图像；步骤7）将大图图像快速切割为多个瓦片图像，保存到存储设备中；步骤8）循环生成所有大图图像并进行切割，最终完成所有瓦片的裁图工作。本发明能够减少瓦片裁图过程中矢量数据的检索次数，有效地加速瓦片裁图过程，为大规模矢量数据的实时瓦片裁图提供支持。

摘要： 本发明提供了一种安全求解图的近似最小归一化割的方法，包括根据图生成相应的度矩阵，邻接矩阵以及拉普拉斯矩阵；生成一系列的初等变换矩阵；将关于图的原始矩阵加密并发送给云服务器；云服务器对接收的矩阵进行谱分解，并返回结果给用户；用户验证返回结果的正确性。验证通过，则进行解密，恢复出原始的结果；执行K‑means算法得到图的近似最小归一化割。本发明在保护隐私和确保结果的可验证性的情况下，能够有效求解图的近似最小归一化割问题。

摘要： 本发明涉及零件排样切割领域，特别是一种对二维不规则零件排样图的切割路径规划方法及系统。所述切割路径规划方法包括如下内容：A.根据待切割零件图形得到排样图；B.识别排样图中各顶点，将顶点分为奇度数点和偶度数点；C.当所述奇度数点的个数为零时，求出排样图中经过各个顶点的欧拉回路；D.当所述奇度数点的个数不为零时，将所有的奇度数点两两相连得到奇度连线集；E.按照步骤D的内容进行重复迭代操作，直至排样图中季度数点的个数为零时，得到排样图对应的优化切割路径。所述切割路径规划方法可以得到切割单个或多个不规则零件的最短切割路径，使得不规则零件的切割操作节省时间和成本，切割效率更高。

摘要： 本发明公开了一种基于图割优化的深度图帧率提升方法，首先，对于每个编码单元树，具体执行运动估计和补偿的块大小和搜索范围是根据纹理图中对应块的运动信息决定的；其次，每个块的运动搜索不是相对独立的，而是考虑了块间运动矢量场的平滑，将一个编码单元树中所有块的运动搜索当作一个能量最小化过程。其中，平滑项是相邻块运动矢量的差，而数据项是用来评价被插入深度图质量的合成视点失真；最后，这个能量最小化过程转化为一个标签最优分配过程，用图割优化算法来解决。本发明适用于3D视频编码效率的优化、深度视频的容错和增强。

摘要： 本发明公开了一种基于图割优化的深度图帧率提升方法，首先，对于每个编码单元树，具体执行运动估计和补偿的块大小和搜索范围是根据纹理图中对应块的运动信息决定的；其次，每个块的运动搜索不是相对独立的，而是考虑了块间运动矢量场的平滑，将一个编码单元树中所有块的运动搜索当作一个能量最小化过程。其中，平滑项是相邻块运动矢量的差，而数据项是用来评价被插入深度图质量的合成视点失真；最后，这个能量最小化过程转化为一个标签最优分配过程，用图割优化算法来解决。本发明适用于3D视频编码效率的优化、深度视频的容错和增强。

摘要： 本发明公开了一种基于图割与后处理的建筑物激光脚点自动提取方法，该方法包括：使用渐进三角网加密滤波算法对机载激光雷达点云数据进行处理，得到地面点与非地面点；使用主成分分析法计算非地面点的曲率特征以及法向量方差特征，并使用逻辑函数对特征进行归一化处理；使用非地面点云与归一化曲率特征以及法向量方差特征构建无向权重图，并根据最小割原理对权重图进行分割，得到初始建筑物；使用高程约束、限制性区域增长、最大夹角约束与一致性约束对初提取结果进行后处理，得到精确的建筑物。本发明以数据驱动方式对采集到的建筑物区域的机载LiDAR点云数据进行处理，提取建筑物，便于后续基于建筑物的各种应用。

摘要： 本申请提出了一种内存友好的三维模型曲面重建图割算法，针对多视立体图场景下的三维曲面重建中的图割步骤进行算法优化，使用优化过后的Excesses IBFS(EIBFS)算法进行曲面重建，能够有效降低曲面重建步骤中内存消耗最大的图割步骤的内存消耗量，实现了一种鲁棒性较好的、内存友好的曲面重建图割算法。