过分割

摘要： 语义分割的场景图像易受不同光照强度以及类别多样性的影响,尤其是在复杂的图像分割任务中,由于不同物体间的像素值差异过大或过小,造成分割图像的纹理和几何特征缺失,即产生欠分割、过分割现象。针对上述问题,利用深度卷积神经网络,研究基于全局卷积神经网络的复杂图像语义分割方法。首先,提出多尺度残差空间金字塔池化模块,在网络中获取到更加稠密和完备的图像低层特征[1];其次,网络考虑全局信息,提出基于注意力机制的解码器模块,有效捕获图像像素的纹理特征、颜色特征和上下文信息,从而得到完整的分割结果。该方法在Camvid数据集上分割精确度达68.5%(MIoU)且在Cityscapes数据集上分割精度达78.3%。

摘要： 针对目前采用分水岭变换实现的图像分割容易出现过分割,导致图像分割边缘不明显现象,使得分割之后图像边缘失真.论文提出了一种结合拉普拉斯滤波和区域分离与聚合的改进分水岭变换图像分割方法.仿真结果表明,与传统的分水岭图像分割方法相比,该方法分割出的图像能有效抑制图像的过分割现象.

摘要： 语义分割的场景图像易受不同光照强度以及类别多样性的影响,尤其是在复杂的图像分割任务中,由于不同物体间的像素值差异过大或过小,造成分割图像的纹理和几何特征缺失,即产生欠分割、过分割现象.针对上述问题,利用深度卷积神经网络,研究基于全局卷积神经网络的复杂图像语义分割方法.首先,提出多尺度残差空间金字塔池化模块,在网络中获取到更加稠密和完备的图像低层特征[1];其次,网络考虑全局信息,提出基于注意力机制的解码器模块,有效捕获图像像素的纹理特征、颜色特征和上下文信息,从而得到完整的分割结果.该方法在Camvid数据集上分割精确度达68.5％(MIoU)且在Cityscapes数据集上分割精度达78.3％.

摘要： 在多目标图像分割中,经常会出现由于目标图像粘连度分布不均而影响图像分割精度的情况.通过研究标记分水岭算法,提出一种结合形态学运算和距离变换的改进的分水岭分割方法.该算法在处理粘连程度高的目标图像时,能够将粘连图像精确地分割出来.实验结果表明,将该算法应用到农产品的混合水果和医药领域药盒的无序分拣中,能够高效地解决粘连图像过分割的问题,且分割效率很高.

摘要： 为提高无监督图像分割准确性,提出一种新的基于深度超像素的超图谱分割方法.首先,通过多种过分割方法得到超像素,以迭代的方式两两求交集表示为深度超像素,作为超图的顶点.其次,根据超像素和深度超像素之间的关联性构建超边,形成超图模型.最后,通过对超图拉普拉斯矩阵进行谱分解将超像素聚成不同的类,从而得到图像的分割结果.相较于经典方法,新方法在伯克利分割图像库上产生更好的分割结果,验证了该方法的有效性.

摘要： 针对高分辨率遥感影像中传统超像素分割方法存在过分割和边缘分割一致性的问题,选取五景高分辨率遥感影像,提出了一种融合光谱差异的空间约束模糊聚类的熵率超像素分割方法.首先,采用熵率超像素进行过分割,生成超像素过分割区域;然后,分析影像地物的空间信息,对比区域相似性;最后,采用空间约束模糊聚类和光谱差异进行区域合并,获取最终分割影像.定性和定量分析结果表明,该方法改善了过分割问题,能有效提高分割精度,使得分割影像的地物边缘一致性较优.

摘要： 针对遥感影像纹理信息丰富的特点,以及传统分水岭变换用于遥感影像分割容易出现过分割的问题,提出了一种基于巴氏系数和灰度共生矩阵的区域合并方法改进分水岭算法的分割结果.首先,利用数学形态学的方法提取原始影像的梯度图像,并且从梯度图像中获取标记;其次,在标记的梯度图像上进行分水岭变换,得到初始分割图像;最后,利用所提出的结合巴氏系数和灰度共生矩阵的区域合并方法对过分割区域进行合并,得到最终分割结果.实验结果表明,该算法既能得到连通,封闭的分割轮廓,还能有效解决分水岭分割算法的过分割问题,得到了较为准确的分割结果.

摘要： 基于图结构模型的图像分割可以快速有效的获得很好的分割效果，然而对于不同场景图像，常需要选取适当的分割参数，以得到有效的分割结果。针对PRC快速图像分割算法所造成的过分割和误分割刚题，提出了一种柔性参数估计算法，旨在解决不同场景图像的图结构模型分割参数的设定问题，该算法有效改善了图结构模型过分割和误分割的缺陷。实验结果表明，该算法的分割效果更符合真实分割结果，体现了算法的适用性和有效性。

摘要： 分水岭算法作为形态学中的经典算法,其对微弱边缘具有良好的响应,能够分割出图像中的噪声、物体表面细微的灰度变化,但是恰恰是这些特点使得分水岭算法产生过度分割的现象.针对这个问题本文提出一种基于改进分水岭算法的快速抠图算法。首先,算法对传统分水岭分割算法进行改进,提出利用扫描线填充的方法来去除过分割现象.其次,本文提出在算法中加入阈值并对阈值进行限制,从而减小改进后的分水岭算法复杂度,达到快速获取图像前景区域的目的.文章最后给出了算法的实验结果.

摘要： 应用一种改进的分水岭算法对集装箱检测图像进行分割,并针对其中的过分割问题,提出基于Dynamics的合并准则,边分割边合并.利用LCIS的实际图像进行分割实验,得到满意的结果.

摘要： 研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.

摘要： 研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.

摘要： 研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.

摘要： 研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.

摘要： 研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.

摘要： 研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.

摘要： 提供了用于用户定位和网络业务密度估计的校准、预处理和分割的实施方式。所述实施方式包括从网络部件给多个用户设备(user equipment，UE)发送参与报告定位数据的请求。从至少一些所述UE接收包括无锁定报告的用于定位数据的报告。所述无锁定报告指示所述UE中的室内UE。所述网络通过从所述定位数据中消除提高了总噪声信号比的数据来预处理所述定位数据。然后，使用区分不同建筑物的模型来处理所述定位数据。这包括根据无线电地图将所述定位数据中的无线电特性与覆盖范围的非均匀网格中的对应的直方条相关联。所述非均匀网格被预定成使所述无线电特性之间的独特性最大化。使用所述无锁定报告数据将所述室内UE与对应的建筑物相关联。

摘要： 通过使用分布有多个分布式对象(1)的区域(2)的概览图像(200)来检查多个分布式对象(1)的方法，其中，借助于关于概览图像(200)的像素(201)的强度值(202)在预定阈值(208)的近侧或远侧对强度值(202)进行分类(202a，202b)，将概览图像(200)转换(110)为二值图像(210)；针对小于对象(1)的结构(219)清理(120)二值图像(210)，使得产生清理后的图像(220)；并且使清理后的图像(220)在形态上闭合(130)，使得产生二值对象掩模(230)，该二值对象掩模(230)指示区域(2)中的哪些位置属于对象(1)以及区域(2)中的哪些位置属于无对象。一种计算机程序产品，其包括具有指令的机器可读程序，当该程序在计算机上执行时，所述指令使计算机和与该计算机连接的任何测量设备执行根据本发明的方法。

摘要： 本发明公开一种通过分块阈值进行图像分割的方法，包括:将待处理图像分割成多个图像块；利用otsu法计算每个图像块阈值以及类间灰度差,利用该类间灰度差将有前景的图像块与只有背景的图像块分开；对每个图像块分别采用otsu法进行二值化；对所述二值化的图像进行分割。本发明采用通过待处理图像分割成多个图像块，然后用otsu法计算每个图像块阈值以及类间灰度差,利用该类间灰度差将有前景的图像块与只有背景的图像块分开，之后再对对每个图像块分别采用otsu法进行二值化再分割，能实现对图像的较好的分割，防止光照或反光对图像分割所造成的影响。

摘要： 满文部件切分的过分割区域合并方法，属于文字切分领域，为了解决提高满文切分精度的问题，要点是：(1)若第1个切分区域过分割，则与第2个切分区域合并；否则转步骤(2)；(2)若倒数第2个切分区域过分割，则与最后一个切分区域合并；否则转步骤(3)；(3)若过分割区域既不是第1个，也不是倒数第2个，则分别计算其相邻的上、下2个切分区域的高度h_up和h_lw，如果h_up＜h_lw，则与上一个切分区域合并；如果h_up＞h_lw，则合并到下一个切分区域；否则转步骤(4)；效果是对过分割区域予以合并，极大降低了过切分现象发生的可能。

摘要： 本发明公开了一种结合邻域信息与距离权重的非参贝叶斯过分割方法，该方法包括如下步骤：首先采集待测区域的全色遥感影像或灰度图像，进行局部直方图特征提取，获得以每个像素(i)为中心，以一定尺寸的窗口提取的直方图(hi)作为特征；然后根据所述直方图特征运用采样的方式进行图像聚类，获得过分割体；其中所述直方图的横轴为该图像中所有像素的像素值组成的序列；纵轴为一定尺寸的窗口中各个像素值出现的次数；最后运用采样的方式，对所述全色影像进行图像聚类，获得全色影像过分割体，包括：运用采用第一公式，计算参数向量θ

摘要： 本发明公开了一种基于色彩相似性的数字图像过分割边缘移除方法。该方法主要利用色彩相似性来消除JSEG分割算法所产生的过分割区域边缘。该方法首先对JSEG分割结果的分割线信息进行统计分析；其次，利用“三点消线”的边缘移除算法得到初步消线结果，最后，利用“线带消线”的边缘移除算法得到最后的消线结果。实验表明，该方法可以有效地对过分割区域边缘进行移除进而提高对数字图像的分割精度，极大地改善了对数字图像的分割效果。

摘要： 本发明涉及一种基于点云过分割与面片生长的植株点云单叶片分割方法，包括：对植物点云数据进行预处理。根据点云中每个点的空间特征对滤波后的植物点云数据进行基于3D面片的过分割。基于面片的区域生长，根据面片的邻接关系和面片之间的共面特性进行区域生长，生长后的多个面片将拼接为一个大的空间结构，如果其覆盖的点数超过一定数量则被认为是一个分割出的单片叶片。与现有技术相比，本发明可以有效地对多种稠密的三维植物点云进行单个叶片分割，适用于双目立体视觉成像系统以及Kinect v2变结构光传感器获取的三维植物点云，具有适普性高、分割精准度高等优点。

摘要： 一种基于边缘感知的快速图像过分割方法，第一步随机初始化基于卷积神经网络的特征提取器；第二步将处于RGBXY空间的图像输入特征提取器，输出重建图像和高维空间特征图，并将高维空间特征图与输入图像拼接，形成新特征图；第三步，将新特征图输入一个可微分的基于k‑means的聚类算法，得到像素点与其周围超像素的概率分配矩阵；第四步计算目标函数，并通过链式求导法则更新特征提取器的参数；重复第二步至第四步至指定次数使得特征提取器的参数收敛，最终使用分配矩阵对图像进行过分割；本发明提出一种限制搜索域的聚类方法，并结合卷积神经网络实现了快速的图像过分割方法。

摘要： 一种基于GPU的各向异性视频过分割方法，涉及视频处理技术领域。1)加载视频到显存中，计算视频的光流场；2)给定种子点的初始位置，根据光流场计算种子点的各向异性矩阵，加载信息到显存中；3)根据泛洪并行框架，每个像素都以一系列的步长查询周围的种子点信息，并更新距离自己最近的种子点，所有像素点都记录最近种子点，得到视频分割结果；4)将种子点的位置更新到当前簇的中心，然后重新计算种子点在新位置的各向异性矩阵；5)重复步骤3)和4)，直到分割结果趋于稳定或达到指定的迭代次数。利用视频的运动场更精确持久地捕捉物体的运动，各向异性超体素可以在GPU上并行实现，提高处理效率，视频分割准确率高，处理速度快。

摘要： 本发明公开了一种结合邻域信息与距离权重的非参贝叶斯过分割方法，该方法包括如下步骤：首先采集待测区域的全色遥感影像或灰度图像，进行局部直方图特征提取，获得以每个像素(i)为中心，以一定尺寸的窗口提取的直方图(hi)作为特征；然后根据所述直方图特征运用采样的方式进行图像聚类，获得过分割体；其中所述直方图的横轴为该图像中所有像素的像素值组成的序列；纵轴为一定尺寸的窗口中各个像素值出现的次数；最后运用采样的方式，对所述全色影像进行图像聚类，获得全色影像过分割体，包括：运用采用第一公式，计算参数向量θ