检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于分层分割的科研领域文本信息挖掘

情报学报 2015年第1期34卷 85-91页

作者：王鹏赵逢禹陈章上海理工大学光电信息与计算机工程学院

本文提出了一种分层分割的文本处理方法，根据科研文献的良构信息，将科研文献构建成分层信息模型，对于模型中不同节点，给出了相应的信息提取方法。对正文节点内容，提出一种间隔相似度计算方法进行文本分割，根据分割的结果进行主题... 详细信息

本文提出了一种分层分割的文本处理方法，根据科研文献的良构信息，将科研文献构建成分层信息模型，对于模型中不同节点，给出了相应的信息提取方法。对正文节点内容，提出一种间隔相似度计算方法进行文本分割，根据分割的结果进行主题词提取并根据提取结果进行科研文献相似性分析与文本挖掘。实验结果表明，科研文献分层信息模型的加权相似度适用于科研热点内容发现，分层分割能够实现科研文献不同节点内容对比分析与科研内容的挖掘。

关键词：分层分割文本分割相似度计算热点内容发现

在线全文

学校读者我要写书评

暂无评论

网络的分层分割与扁平化趋势

电信科学 2000年第6期16卷 1-5页

作者：韦乐平信息产业部电信研究院北京100083

本文介绍现代网络结构和功能的分析和建模的一种重要方法———网络的分层和分割 ,并以传送网为例讲述了其特点和应用。其后介绍了分层分割方法在各种业务网和支撑网中的应用并探讨了信息网的分层分割结构模型 ,最后论述了下一代电信网... 详细信息

本文介绍现代网络结构和功能的分析和建模的一种重要方法———网络的分层和分割 ,并以传送网为例讲述了其特点和应用。其后介绍了分层分割方法在各种业务网和支撑网中的应用并探讨了信息网的分层分割结构模型 ,最后论述了下一代电信网功能结构的扁平化趋势。

关键词：网络结构分层分割扁平化通信网

高郁闭度人工林无人机激光雷达单木分割方法优化

在线全文

学校读者我要写书评

暂无评论

林业科学 2022年第9期58卷 48-59页

作者：朱泊东罗洪斌金京岳彩荣西南林业大学林学院昆明650224

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为... 详细信息

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为提高单木分割总体精度提供新策略。【方法】利用无人机激光雷达数据,采用分水岭算法、基于点云的局部最大值聚类算法和基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法对高郁闭度思茅松人工林进行单木分割,并分析分水岭算法中4种CHM空间分辨率和3种DSM插值方法对单木分割效果的影响,与无人机高分辨率影像单木树冠目视解译结果进行比较,以探测率r、准确率p和F得分为指标对单木分割精度进行验证和评价。【结果】在幼龄林中,冠层起伏率较大,分水岭算法对单层林的分割效果优于基于点云的局部最大值聚类算法;在中龄林和近熟林中,冠层起伏率较小,分水岭算法易将思茅松树枝识别为树冠,基于点云的局部最大值聚类算法的分割效果优于分水岭算法;基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法充分考虑不同龄组的林分结构差异,精度最高(F=0.75),优于分水岭算法(F=0.71)和基于点云的局部最大值聚类算法(F=0.68);在分水岭算法中,当分辨率为0.5 m×0.5 m时采用反距离权重法(IDW)插值得到的CHM单木分割精度最高(r=0.70,p=0.94,F=0.81)。【结论】林分结构存在差异,单一单木分割方法效果欠佳,通过提取样地冠层起伏率确定分水岭算法和基于点云的局部最大值聚类算法单木分割适用的林分条件,可拓宽单一单木分割方法在不同林分条件下的优势,提升单木分割精度。

关键词： LiDAR 单木分割分水岭算法基于点云的局部最大值聚类算法分层分割

基于层密集块U型网络的视网膜OCT图像分层分割算法研究

在线全文

学校读者我要写书评

暂无评论

基于层密集块U型网络的视网膜OCT图像分层分割算法研究

作者：谭泰铭佛山科学技术学院

学位级别：硕士

光学相干断层成像（OCT）是一种非接触式的无损的生物组织三维成像技术,其组织成像分辨率可以达到微米级别,具有明显的高分辨率成像优势。由于视网膜是人体很重要且敏感的薄层组织,因此具有高分辨率、安全可靠且无需注入造影剂的OCT成... 详细信息

光学相干断层成像（OCT）是一种非接触式的无损的生物组织三维成像技术,其组织成像分辨率可以达到微米级别,具有明显的高分辨率成像优势。由于视网膜是人体很重要且敏感的薄层组织,因此具有高分辨率、安全可靠且无需注入造影剂的OCT成像技术非常适用于视网膜成像,目前已经成为眼科临床医学上最常用的视网膜疾病诊断成像技术之一。人眼视网膜相关疾病如糖尿病视网膜病变往往会伴随视网膜组织形态的变化,因此对视网膜OCT图像进行形态学处理如分层分割能为眼科视网膜疾病诊断提供定位和厚度等重要的数据信息,是OCT眼科图像处理和分析的关键技术之一。然而,传统手动的视网膜OCT图像分层分割任务繁琐且单调乏味,因此学者们致力于开发自动的计算机分层分割方法。目前基于主动轮廓、最短路径搜索、图论及深度学习等图像处理技术对视网膜OCT图像进行分层分割最为常见,在正常视网膜图像上取得了较好的分割性能,但是在病变的视网膜OCT图像上表现一般,仍需进一步开发具有更好分割性能的算法。为了增强OCT图像分层分割方法的抗噪声、抗模糊干扰能力和提高分层分割精度,本文提出了一种带有层密集块的U型神经网络（LDU）方法,结合简化的最短路径搜索方法对视网膜OCT图像三条层边界进行精确的分层分割。该方法是在U-Net方法的基础上引入图像特征信息重用的层密集块,提取出更有效的图像多尺度特征,从而提高视网膜OCT图像的分层分割精度。使用杜克大学两层视网膜数据集进行训练和验证,结果发现LDU方法与其他两个流行的分割方法在正常眼视网膜OCT图像测试集上的无符号层边界表面平均分割误差分别为0.41±0.61像素、0.50±0.65像素和0.78±0.83像素,在老年性黄斑变性（AMD）病眼测试数据集上分别为1.03±0.72像素、2.17±0.84像素和2.39±1.30像素。实验结果表明LDU可提升人眼特别是AMD病眼视网膜OCT图像分层分割的性能。为了实现视网膜OCT图像多层边界线的自动分割,本文进一步提出了一种基于LDU和卷积神经网络（CNN）的双网络结构全拓扑层边界自动分层分割方法（LDC＿Net）。该方法是基于深度学习的端到端的分层分割方法,自动化程度更高,学习能力更强,可以自动提取连续的、光滑的、准确的视网膜OCT图像多层边界。LDC＿Net网络结构由分类c＿LDU网络和边界回归r＿CNN两部分组成,c＿LDU网络通过学习视网膜OCT图像的纹理信息特征和位置信息特征完成对像素的类别概率预测,r＿CNN网络通过像素分类概率图自动学习层边界的位置信息,完成层边界的位置预测,最后通过边界提取块和拓扑块完成多层边界的分割任务。本方法在霍普金斯大学八层视网膜OCT图像数据集上进行训练和测试,与其他三种流行分割方法进行比较,结果显示LDC＿Net中取得最好的无符号层边界表面平均分割误差（0.81±0.90像素）,相对于第二名方法性能提升了44.8%。同时LDC＿Net方法在层边界分割均方根误差上同样取得最好的成绩（0.64±0.63像素）,比第二名提高了0.32±0.59像素。实验结果表明,LDC＿Net可以实现视网膜OCT图像的八层自动分割任务,并且分割性能显著,可以获得连续、光滑的视网膜层边界。综上,本文从提升现有视网膜OCT图像分层分割性能方面展开课题研究,逐步提出了两种基于密集块U型网络的视网膜OCT图像分层分割方法。特别是第二种方法完成了基于全神经网络的端到端的视网膜OCT图像分层分割任务,获得较好的层分割结果,可以为眼科医生的疾病诊断提供更加准确的定量化信息,有潜力成为临床医学辅助诊断的新方法。

关键词：视网膜光学相干断层图像图像处理深度学习层密集块分层分割

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度图像优化分层分割的3D场景流估计

南昌航空大学学报（自然科学版） 2018年第2期32卷 17-25页

作者：葛利跃朱令令张聪炫陈震南昌航空大学测试与光电工程学院南昌330063 江西省图像处理与模式识别重点实验室(南昌航空大学) 南昌330063

针对现有基于RGBD数据的3D场景流估计方法,在复杂背景、弱刚性运动以及运动遮挡等情况下计算精度与鲁棒性较低的缺点,提出一种基于深度图像优化分层分割的3D场景流估计方法。首先,利用连续图像序列帧间光流信息对场景深度图像进行优化... 详细信息

针对现有基于RGBD数据的3D场景流估计方法,在复杂背景、弱刚性运动以及运动遮挡等情况下计算精度与鲁棒性较低的缺点,提出一种基于深度图像优化分层分割的3D场景流估计方法。首先,利用连续图像序列帧间光流信息对场景深度图像进行优化分层分割,提取图像中运动目标与背景的深度信息。然后,根据深度图像分层结果,利用坐标下降法并结合图像分层技术计算RGBD序列3D场景流。最后,分别采用RGBD、Middlebury以及SRSF等测试图像集对方法的深度图像分层和场景流估计的准确性与可靠性进行综合对比试验。实验结果表明:所提方法针对复杂场景、弱刚性运动以及运动遮挡等类型图像具有较高的场景流估计精度与鲁棒性。

关键词：场景流深度图像 RGB图像序列分层分割

基于降采样归一化割的多尺度分层分割方法研究

在线全文

学校读者我要写书评

暂无评论

软件导刊 2015年第8期14卷 190-193页

作者：童昊浩吴克伟合肥工业大学计算机与信息学院安徽合肥230009

图像分割作为计算机视觉的中层任务,常建立在目标轮廓特征的基础上,但是局部轮廓检测器的结果难以保证其产生封闭轮廓。为获得完整的分割区域,归一化割方法提供一种将局部轮廓结果转化为图像分割结果的处理途径。传统的归一化割方法由... 详细信息

图像分割作为计算机视觉的中层任务,常建立在目标轮廓特征的基础上,但是局部轮廓检测器的结果难以保证其产生封闭轮廓。为获得完整的分割区域,归一化割方法提供一种将局部轮廓结果转化为图像分割结果的处理途径。传统的归一化割方法由于长特征向量的聚类导致计算耗时长、内存占用多。在轮廓特征的基础上,考虑轮廓的全局推断,提出一种归一化割的改进方法——降采样归一化割,以减少图像分割过程中的计算耗时。通过多尺度空间下的层级校准,准确定位多个尺度下的区域边界进行区域合并,从而得到更准确的多层分割图。

关键词：分层分割降采样归一化割尺度空间层级校准区域合并

高郁闭度人工林无人机激光雷达单木分割方法研究

在线全文

学校读者我要写书评

暂无评论

高郁闭度人工林无人机激光雷达单木分割方法研究

作者：朱泊东西南林业大学

学位级别：硕士

单木是构成森林的最小单元。单木在林分中的空间结构和生化参数是森林资源调查中的重要因子。森林参数获取精确与否取决于单木分割是否准确。传统调查主要以人工为主,而激光雷达(LiDAR)作为一种快速获取目标地物三维空间信息的主动遥感... 详细信息

单木是构成森林的最小单元。单木在林分中的空间结构和生化参数是森林资源调查中的重要因子。森林参数获取精确与否取决于单木分割是否准确。传统调查主要以人工为主,而激光雷达(LiDAR)作为一种快速获取目标地物三维空间信息的主动遥感技术,随着技术的进步,LiDAR(Light Detection and Ranging)数据的获取成本不断降低,在林业领域的应用和研究也日益增多,尤其是林分尺度和单木尺度的森林垂直结构探测具有显著优势。当前,单木分割方法按数据源可分为两类,一类是基于栅格化冠层高度模型的CHM(Canopy Height Model)单木法;另一类是直接基于归一化后的点云数据进行分割的NPC(Normalized Point Cloud)单木法。但现有基于CHM和NPC的单木分割方法在高郁闭度林分条件下存在单木提取困难、总体精度较低等问题。为此,本研究使用无人机激光雷达数据,以云南省普洱市思茅区北部的万掌山林场为研究区,林场内主要以思茅松人工纯林为主,利用无人机激光雷达数据分别采用分水岭算法、基于点云的局部最大值聚类算法、基于层堆叠种子点的点云分割法以及本文提出的基于分层策略的单木分割优化方法对高郁闭度思茅松人工林进行单木分割。同时,为探究分水岭分割中最优空间插值方法和栅格分辨率大小,对分水岭算法在4种CHM空间分辨率和3种空间插值方法下对单木分割结果的影响进行分析。以无人机高分辨率影像为基准结合地面调查数据对单木树冠进行目视解译并以此作为验证,以探测率r、准确率p和F得分作为评价指标。研究表明:(1)在高郁闭度条件下,龄组差异对单木分割精度有一定影响。分水岭算法、基于点云的局部最大值聚类算法以及基于层堆叠种子点的点云分割法在高郁闭度思茅松人工林的各个龄组中分割精度有较大差异,但基于相同数据源的NPC单木法中基于层堆叠种子点的点云分割方法与基于点云的局部最大值聚类算法分割精度差异不大,基于点云的局部最大值聚类算法的分割精度略高。在幼龄林这种单层林中,CHM单木法中的分水岭算法分割精度优于NPC单木法中的基于点云的局部最大值聚类算法和基于层堆叠种子点的点云分割法;在中龄林中,3种分割方法的分割精度无显著差异;而在近熟林中这种垂直结构复杂的林分中,NPC单木法中的基于点云的局部最大值聚类算法和基于层堆叠种子点的点云分割法的分割结果与CHM单木法中的分水岭算法有显著差异,且精度高于分水岭算法。(2)由于林分结构的差异,单一的单木分割方法结果欠佳,以龄组作为分层指标,将分水岭算法和基于点云的局部最大值聚类算法相结合的分层分割方法相较于其他3种单一分割方法精度最高(F=0.73),优于分水岭算法(F=0.71)、基于点云的局部最大值聚类算法(F=0.70)和基于层堆叠种子点的点云分割法(F=0.68);结果表明分层分割法能拓宽单一分割方法在不同林分条件下的适用范围,进而提升单木分割精度。(3)但在实际应用中龄组信息往往获取难度较大。而本文提出的基于冠层起伏率和高度变异系数的分层分割法的优点在于不依赖先验知识,通过对归一化点云数据提取高度变量中的冠层起伏率和高度变异系数作为分层参数来代替龄组信息来确定两种算法各自的适用范围,将分水岭算法和基于点云的局部最大值聚类算法相结合,基于冠层起伏率和高度变异系数结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法充分考虑了不同龄组的林分结构差异,避免通过森林资源二类调查等数据来获取大范围龄组数据所需要考虑时效性和边界范围准确性等问题,同时也避免以龄组作为分层参数时同一龄组内部常存在林分疏密差异性较大的情况,进而导致分层效果不佳从而影响总体分割精度的问题。分层分割方法的精度优于单一分割方法在复杂林分中的分割精度,相较于基于龄组的分层分割方法在精度上有了一定的提高,其中基于高度变异系数的分层分割方法(F=0.76)和基于冠层起伏率的分层分割法(F=0.75)。(4)不同插值方法生成的CHM及其不同分辨率对分割精度有一定的影响,当CHM分辨率为0.5 m×0.5 m时,分水岭算法的分割精度最高,且三种空间插值方法中反距离权重法(IDW)分割精度最高(F=0.81),优于克里金插值法(F=0.80)和不规则三角网插值法(F=0.77)。

关键词： LiDAR 单木分割分水岭算法基于点云的局部最大值聚类算法层堆叠分层分割

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种显著性目标完整性检测方法

小型微型计算机系统 2016年第9期37卷 2079-2083页

作者：林华锋李静梁大川周培云南京航空航天大学计算机科学与技术学院南京211106

针对显著性检测方法存在的目标检测不完整的现象,提出一种显著性目标完整性检测方法,可同时考虑目标检测的完整性与显著性.首先,采用分层分割方法获取目标的轮廓生成预处理灰度图.然后,采用自适应阈值分割方法处理基于聚类的显著图,获... 详细信息

针对显著性检测方法存在的目标检测不完整的现象,提出一种显著性目标完整性检测方法,可同时考虑目标检测的完整性与显著性.首先,采用分层分割方法获取目标的轮廓生成预处理灰度图.然后,采用自适应阈值分割方法处理基于聚类的显著图,获取超显著性图与超显著性像素点.最后,根据预处理灰度图目标含有超显著性像素点的比例,生成完整后处理灰度图.对超显著性图和完整后处理图进行加权融合,获取最终的完整显著性图.标准数据集上实验仿真结果表明,该方法具有更高的精度与召回率,优于现有的显著性检测方法.

关键词：显著性目标检测协同显著性分层分割聚类

在线全文

学校读者我要写书评

暂无评论

一种基于视觉感知的复合医学图像分割算法

郑州大学学报（理学版） 2011年第1期43卷 57-61页

作者：刘再涛魏本征柳澄山东中医药大学理工学院山东济南250355 山东省医学影像研究所山东济南250021

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割... 详细信息

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.

关键词：医学图像分割视觉感知 Fuzzy-ART模型分层分割