检索结果-南通市图书馆

基于形态学重建和梯度分层修正的分水岭脑肿瘤分割

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2015年第8期32卷 2487-2491页

作者：刘岳王小鹏王金全于挥兰州交通大学电子与信息工程学院兰州730070

针对脑部核磁共振成像(magnetic resonance imaging,MRI)图像中因噪声、灰度不均匀及边界模糊不连续等造成肿瘤难以准确分割的问题,提出一种基于形态学重建和梯度分层多尺度修正的分水岭分割方法。首先对原始图像进行形态学混合开闭重... 详细信息

针对脑部核磁共振成像(magnetic resonance imaging,MRI)图像中因噪声、灰度不均匀及边界模糊不连续等造成肿瘤难以准确分割的问题,提出一种基于形态学重建和梯度分层多尺度修正的分水岭分割方法。首先对原始图像进行形态学混合开闭重建以平滑去噪,同时保留目标轮廓信息;然后根据梯度图像的三维地貌体积对其进行分层多尺度修正,自适应地确定修正所需的结构元素尺寸,对低梯度层级采用较大尺寸结构元素进行闭运算修正,消除产生过分割的非规则局部极小值,而对较高梯度层级则采用较小尺寸的结构元素,保持区域轮廓的位置不变;最后在修正基础上,运用标准分水岭变换实现图像分割。实验结果表明,该方法与标准分割的相似度指数和Jaccard指数均较高,且过分割率和欠分割率均较低,具有较好的分割效果。

关键词：脑肿瘤开闭重建结构元素梯度修正形态学分水岭

在线全文

学校读者我要写书评

暂无评论

提升联邦学习通信效率的研究

提升联邦学习通信效率的研究

作者：田金箫西南交通大学

学位级别：硕士

数据隐私保护相关法律的完善,使得许多企业很难直接收集用户的数据训练模型。联邦学习通过聚合客户端训练的模型,保证数据留在客户端本地,从而保护了用户隐私。为了得到一个高性能的全局模型,客户端和服务器需要多次通信,产生了巨大的... 详细信息

数据隐私保护相关法律的完善,使得许多企业很难直接收集用户的数据训练模型。联邦学习通过聚合客户端训练的模型,保证数据留在客户端本地,从而保护了用户隐私。为了得到一个高性能的全局模型,客户端和服务器需要多次通信,产生了巨大的通信成本。基于此问题,本文分别从减少联邦学习训练过程中的通信轮次和减少通信量两个角度研究了提升联邦学习通信效率的方法。针对减少联邦学习训练过程中的通信轮次,研究了范数归一化算法并对其进行了改进。原始的范数归一化算法通过放大全局模型更新范数加速收敛,然而由于客户端数据非独立同分布(Non Independent and Identically Distributed,Non-IID),聚合的全局模型更新方向与理想方向有一定偏差,在此方向放大更新范数不一定有效。基于此问题,本文引入了基于客户端梯度修正的联邦范数归一化(Federated Norm-Normalized with Client Gradient Modification,Fed NNCGM)算法和基于服务器梯度修正的联邦范数归一化(Federated Norm-Normalized with Server Gradient Modification,Fed NNSGM)算法进行改进,以此解决范数归一化算法中存在的问题。Fed NNCGM算法通过在客户端减少不同客户端更新方向之间的夹角来缓解Non-IID数据导致的巨大方向差异。Fed NNSGM算法通过在服务器考虑未参与训练的客户端梯度方向,修正了全局梯度的方向,避免梯度信息被遗忘,有效缓解Non-IID数据带来的影响。上述两个算法解决了范数归一化算法中存在的问题,有效提升了联邦学习通信效率。其次,提出了基于Fed NNSGM的Ada STC算法,可以同时减少联邦学习训练过程中的通信轮次和通信量。稀疏三元压缩(Sparse Ternary Compression,STC)算法在每一层都使用相同的稀疏率会使参数较少的层丢失更多信息,从而影响模型性能。针对该问题,提出了Ada STC算法,通过自适应调整每层的稀疏率,使参数较多的层传递参数量适当减少,参数较少的层传递参数量适当增多。此外,STC算法虽然能够有效减少联邦学习训练过程中的通信量,但是收敛精度和收敛速度只能达到与Fed Avg相似的程度。由于Fed NNSGM算法在收敛精度和收敛速度都取得了较好的效果,因此本文将Fed NNSGM算法与Ada STC算法相结合,不仅能够减少客户端与服务器传递的通信量,同时提高了模型收敛速度和收敛精度。通过在MINST和CIFAR-10数据集上的实验证明,基于Fed NNSGM的Ada STC算法在不同稀疏率下的收敛精度和收敛速度都要远远优于STC算法和Fed Avg算法。稀疏率为0.1时,基于Fed NNSGM的Ada STC算法可以达到与Fed NNSGM相似的收敛速度和收敛精度,同时减少了每轮传递的通信量,在提升联邦学习通信效率上具有极大的优势。

关键词：联邦学习通信效率非独立同分布数据梯度修正梯度压缩

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种参数化的形态学分水岭图像分割方法

铁道学报 2013年第1期35卷 66-70页

作者：王小鹏党建武王阳萍兰州交通大学电子与信息工程学院甘肃兰州730070

标准形态学分水岭分割能够产生封闭的图像目标区域轮廓,但存在过分割现象,通过对原始图像进行平滑滤波可以减轻或消除过分割,但容易使分割后的区域轮廓发生位置偏移。为此提出一种参数化的形态学分水岭图像分割方法,首先依据黏性液体淹... 详细信息

标准形态学分水岭分割能够产生封闭的图像目标区域轮廓,但存在过分割现象,通过对原始图像进行平滑滤波可以减轻或消除过分割,但容易使分割后的区域轮廓发生位置偏移。为此提出一种参数化的形态学分水岭图像分割方法,首先依据黏性液体淹没图像地貌的流溢特性,建立梯度级与结构元素大小之间的函数关系,并以此对梯度地貌进行参数化修正。对低梯度地貌采用较大尺寸结构元素进行闭运算,消除产生过分割的非规则局部极小值,而对较高梯度则采用较小尺寸结构元素进行闭运算,保持区域轮廓的位置不变;最后在修正梯度图像的基础上,运用标准分水岭变换实现图像分割。仿真实验表明,该方法能够有效消除过分割,而且具有较强的区域轮廓定位能力。

关键词：图像分割形态学分水岭黏性流体梯度修正结构元素

在线全文

学校读者我要写书评

暂无评论

高动态范围图像分层阶调映射改进算法

包装工程 2015年第7期36卷 108-112页

作者：王琪位春傲谢德红李蕊南京林业大学南京210037

目的针对高动态范围图像分层阶调映射算法中显著边缘处产生的光晕和阶调逆转问题,提出了一种分层阶调映射的改进算法。方法首先通过对图像分层后的基础层图像和细节层图像进行分析,确认导致光晕和阶调逆转的异常信号特征;然后依据其异... 详细信息

目的针对高动态范围图像分层阶调映射算法中显著边缘处产生的光晕和阶调逆转问题,提出了一种分层阶调映射的改进算法。方法首先通过对图像分层后的基础层图像和细节层图像进行分析,确认导致光晕和阶调逆转的异常信号特征;然后依据其异常信号特征,从细节层图像梯度的角度予以识别、修正,再在修正梯度的基础上,建立对应图像的正规化方程;最后利用共轭梯度算法求解正规化方程。结果抑制了细节层图像的异常信号,去除了映射结果图像中的光晕和阶调逆转。结论该算法不仅可以有效地抑制原分层映射算法中的光晕和阶调逆转现象,还可保有与原分层映射算法同等的细节再现能力。

关键词：高动态范围图像分层映射光晕阶调逆转梯度修正

在线全文

学校读者我要写书评

暂无评论

一种改进的分水岭图像分割算法

空军工程大学学报（自然科学版） 2010年第6期11卷 56-59,84页

作者：张晓燕刘振霞朱子健空军工程大学电讯工程学院陕西西安710077

针对分水岭图像分割算法普遍存在受噪声影响大和过分割的问题,提出了一种基于梯度修正和相邻区域边缘强度合并的改进分水岭图像分割算法。首先对图像采用形态学开闭重建滤波,消除噪声对图像的干扰;其次,使用多尺度算子计算形态梯度,充... 详细信息

针对分水岭图像分割算法普遍存在受噪声影响大和过分割的问题,提出了一种基于梯度修正和相邻区域边缘强度合并的改进分水岭图像分割算法。首先对图像采用形态学开闭重建滤波,消除噪声对图像的干扰;其次,使用多尺度算子计算形态梯度,充分利用大结构元素和小结构元素的各自优点,获得更准确的形态学梯度;再用粘性形态学运算对梯度图像修正,有效去除产生过分割的局部极小梯度值;分水岭变换后,定义出相邻区域的边缘强度值,并基于相邻区域边缘强度合并过分割区域,进一步消除图像过分割,改进分割效果。实验表明:该方法不仅能够有效地去除图像噪声干扰,而且能够消除过分割区域,同时还具有较强的区域轮廓定位能力,有效提高了图像分割效果。

关键词：分水岭开闭重建滤波梯度修正粘性形态学运算

在线全文

学校读者我要写书评

暂无评论

应用于化工动态过程的智能优化方法研究

应用于化工动态过程的智能优化方法研究

作者：田晶浙江大学

学位级别：硕士

随着工业生产过程中操作环境和条件控制的要求逐渐提升,工业优化中体现出强非线性、高纬度等特性。动态优化方法正是克服这些特性的有效手段,逐渐受到各行各业的关注和重视,已广泛应用于化工生产、航空制导、机械制造等多个领域。作为... 详细信息

随着工业生产过程中操作环境和条件控制的要求逐渐提升,工业优化中体现出强非线性、高纬度等特性。动态优化方法正是克服这些特性的有效手段,逐渐受到各行各业的关注和重视,已广泛应用于化工生产、航空制导、机械制造等多个领域。作为数值分析的经典计算方法之一,控制向量参数法将控制变量在时间区域内近似离散表示为参数化的基函数,从而将标准的无限维动态优化问题转换为有限维的受状态约束的数学规划问题。基于群智能的进化计算方法因其简单易于编程实现、可分布计算、全局搜索能力强且具有较强的健壮性等优点,成为优化领域新一轮的研究热点。本文主要研究基于控制向量参数化的启发式智能优化算法求解无约束和含约束的动态优化问题,以及在化工动态系统上的应用。论文的主要工作有:(1)在阐述动态系统模型的基础上,通过分析群智能算法的特性,提出以控制向量参数化为基础的群智能算法求解化工动态系统的基本算法结构。(2)根据上述算法结构,将三种基于群智能的进化算法(入侵杂草优化算法、花授粉算法以及萤火虫算法)分别与控制向量参数化方法结合,并应用于求解间歇反应器等化工实例,测试和分析结果表明三种启发式智能优化方法具有良好的收敛性能。(3)针对智能算法在处理强非线性化工动态优化问题时易陷入局部极值的缺点,通过分析入侵杂草算法和花授粉算法的收敛特性,基于依据种群状态动态改变参数的思想,提出方差自适应入侵杂草优化算法和概率自适应花授粉优化算法,化工生产测试实例表明改进的算法可以在整个迭代周期内有效平衡全局探索和局部开拓能力,寻优性能和结果精度有明显提升。(4)针对含有路径约束和终值约束的动态系统求解问题,提出两种结合控制向量参数化方法的智能约束优化算法。基于罚函数的自适应入侵杂草算法将状态约束作为附加项加入性能指标函数中,得到带有增广性能指标的无约束动态优化问题,依据多阶段配置函数,算法在搜索过程中动态改变惩罚因子的取值;基于梯度修正的自适应入侵杂草算法利用约束的梯度信息矫正不可行个体,使群体在寻优过程更大的可能趋向可行域中。含约束的化工测例结果表明两种约束算法在满足约束条件限制的情况下拥有较好的收敛性能。

关键词：动态优化群智能计算控制向量参数化约束优化梯度修正

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

肝部CT图像中肿瘤的分割方法研究

肝部CT图像中肿瘤的分割方法研究

作者：崔颖兰州交通大学

学位级别：硕士

肝癌是我国最常见的消化道肿癌之一,严重威胁着人类的生命和健康。如何有效地提高肝癌的诊断和治疗,进而最大限度地降低病死率,已成为医学临床应用所面临的一个急需解决的问题。医学图像处理为肿瘤的识别、诊断和治疗提供了一种快捷高... 详细信息

肝癌是我国最常见的消化道肿癌之一,严重威胁着人类的生命和健康。如何有效地提高肝癌的诊断和治疗,进而最大限度地降低病死率,已成为医学临床应用所面临的一个急需解决的问题。医学图像处理为肿瘤的识别、诊断和治疗提供了一种快捷高效精准的技术手段,而肿瘤的准确分割则是其中的关键步骤之一,不仅为肿瘤的早期放射治疗提供了重要依据,而且直接影响患者的治疗效果。因此,如何提高肝部CT图像中肿瘤的分割准确率得到了众多国内外研究者的重视。论文主要研究内容是肝部CT图像中肿瘤的分割方法。首先,对图像进行数学形态学梯度变换,增强图像的对比度;然后以此为基础,在特定邻域内建立结构元素半径与梯度级的函数关系对图像进行梯度修正,增强目标边缘聚合度并去除图像噪声及非规则细节引起的局部极小值,同时减小目标轮廓位置的偏移;最后根据图像梯度信息运用改进的水平集方法实现图像中单个或多个目标分割。主要研究内容体现在以下几个方面:(1)以形态学梯度图像为基础,建立均方差和与各像素梯度值的函数关系,确定不同像素点与其邻域内的灰度差异;同时建立均方差和与结构元素图谱的函数映射关系,定性地确定结构元素大小。(2)区别于传统闭运算,采用多尺度结构元素对梯度图像的不同灰度级邻域进行相应的黏性形态学逐点闭运算修正,平滑梯度图像,保持高梯度边缘轮廓的清晰度与其位置的准确性,并消除梯度图像中存在的局部极小值。(3)根据梯度修正后的图像特征,在分割目标与背景形成良好的梯度对比环境下,运用改进的水平集方法进行目标分割,能够有效抑制传统水平集方法在分割过程中存在的局限因素,并通过其曲线演化过程中的拓扑结构变化,实现图像中多目标轮廓检测。通过在MATLAB7.0平台下对临床医学肝部CT图像进行仿真实验验证,本文提出的方法有效解决了水平集分割算法因目标边缘模糊而导致的伪分割问题(精确度最高可达98.9%),并降低了传统水平集算法的计算复杂性(完全分割用时3.24秒),应用于低对比度及边缘模糊的医学图像分割具有较好的处理结果。

关键词：肝部肿瘤数学形态学梯度修正形态学梯度水平集

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非均匀光照文本图像的分割

非均匀光照文本图像的分割

作者：郑腾交湖南科技大学

学位级别：硕士

文本图像二值化是光学字符识别系统（OCR）的一项极为关键预处理环节，其效果的好坏直接影响系统的整体性能。而低质量文档因其光照分布整体不均，伴有局部阴影，或局部高亮等诸多因素，严重影响文本图像二值化效果。因而文本图像二值... 详细信息

文本图像二值化是光学字符识别系统（OCR）的一项极为关键预处理环节，其效果的好坏直接影响系统的整体性能。而低质量文档因其光照分布整体不均，伴有局部阴影，或局部高亮等诸多因素，严重影响文本图像二值化效果。因而文本图像二值化成了当前文档处理研究的热点和难点。本论文分析了文本图像质量下降的主要原因，重点对具有光照整体不均、阴影，高亮等现象的低质量文档图像二值化方法进行研究。本文研究了传统的基于分块思想的文档图像二值化方法，针对其子图像尺寸选取不足提出了一种尺寸自适应选取的的文档图像二值化方法。首先用算子检测字符笔画的边缘点;然后通过最邻近法对图像进行倾斜校正;最后计算出各文本行的高度，对于文本行用OSTU算法进行二值化，背景行全划分为背景。与传统的分块算法进行了对比实验，结果表明，本文提出的改进的基于分块的文本图像二值化算法不仅能够有效的分割出字符信息，而且产生的噪声更少。针对Niblack，Sauvola算法计算量相对较大，耗时的问题，提出基于Sauvola算法模型的改进算法，通过实验对比，由于改进算法消除标准差的计算量且在计算均值时采快速算法，从而大大减少分割时间，提高了分割效率，且分割的视觉效果和Sauvola算法相当。另针对光照不均影响提出了一种基于梯度修正的文本图像分割算法，采用拉普拉斯算子提取笔划的二阶边缘梯度值，然后进行自适应的修正梯度值，最后对修正后的图像采用全阈值分割算法。与传统基于光照不均的文本图像分割算法相比，该算法分割质量有很大提升，特别是针对字体小文本图像。另外阐述图像分割质量评价方法，并用OCR的性能分析从客观上评价各分割算法的质量及对字符识别的影响。最后将各算法应用到局部阴影及高亮的文本图像，对比及分析各算法在这两个问题上的优势及不足。

关键词：文本图像二值化分块图像局部阈值梯度修正分割质量评价

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

乳腺肿瘤图像的分割与分类算法研究

乳腺肿瘤图像的分割与分类算法研究

作者：肖月太原理工大学

学位级别：硕士

乳腺癌是严重威胁女性健康的恶性肿瘤之一,及早地发现与诊断对乳腺癌的防治有着至关重要的作用。随着医学图像处理技术的发展与应用,利用自动分析方法对乳腺肿瘤图像进行定量分析和分割识别已成为现代医疗诊断的一种重要辅助手段。计算... 详细信息

乳腺癌是严重威胁女性健康的恶性肿瘤之一,及早地发现与诊断对乳腺癌的防治有着至关重要的作用。随着医学图像处理技术的发展与应用,利用自动分析方法对乳腺肿瘤图像进行定量分析和分割识别已成为现代医疗诊断的一种重要辅助手段。计算机辅助诊断弥补了人工检测中存在的误差大、效率低等缺点,为医学专家提供了更为直观和精确的判断依据,对相关疾病的研究具有重要的应用价值。本文主要从乳腺肿瘤图像的分割与分类两方面展开深入研究。通常由于检测系统或人为操作的影响,采集的肿瘤图像中会出现噪声斑点、细胞与背景对比度低等问题,使得肿瘤图像在分割与分类过程中的准确率降低。因此,为提高对乳腺肿瘤的诊断效率,本文分别从以下两个方面来展开工作,主要研究内容如下:（1）提出了一种基于改进分水岭模型的乳腺肿瘤图像分割算法。算法采用Canny算子获取加权梯度图,然后结合形态学对梯度图像滤波重建,并采用区域化的思想确定局部极小值以构建标记图像,最后使用标记图像修改梯度图并求出分割结果。实验结果显示:文中提出的改进分水岭模型较经典分水岭算法的交并比值和分割精确度分别提高了31.86%和21.88%;与形态学改进的分水岭算法相比,其值分别提高了18.21%和11.36%。（2）建立了基于PCA-SVM混合模型的乳腺肿瘤图像分类算法。该模型采用PCA方法对输入SVM中的原始数据集进行特征降维,以解决高维度数据开销大的问题,之后利用改进的网格搜索算法结合交叉验证对分类器中的参数进行寻优以确定最优参数。最后将乳腺肿瘤数据集输入混合分类器进行测试分析,验证PCA-SVM混合模型的实用性。实验结果表明:本文提出的基于PCA-SVM的混合模型对乳腺肿瘤细胞的平均分类准确率达到了97.86%,较LVQ神经网络、BP神经网络和决策树分别提高了9.80%、18.32%和10.76%。

关键词：乳腺肿瘤分水岭算法梯度修正主成分分析法支持向量机