發(fā)布時間：2023-04-22 03:20

　　隨著大數(shù)據(jù)與人工智能技術(shù)應(yīng)用的發(fā)展,圖像分割已成為計算機視覺研究的主要方向,并成功應(yīng)用于醫(yī)學(xué)、安防等多個領(lǐng)域。以機器學(xué)習(xí)為基礎(chǔ)發(fā)展出了一系列圖像分割算法,并在理論和應(yīng)用方向取得了很大的進展和突破性成功。但是,傳統(tǒng)的圖像分割方法集中于分析單模態(tài)圖像,由于單模態(tài)信息有限,影響分割精度有限,且無法實現(xiàn)多場景環(huán)境下的信息融合,從而限制了圖像分割的應(yīng)用。本文從應(yīng)用研究和算法研究出發(fā),以紅外熱圖像與腦部磁共振成像(Magnetic Resonance Imaging,MRI)作為研究對象,借助多模態(tài)融合及機器學(xué)習(xí)算法在特征表達上的優(yōu)勢,提出了三種改進型多模態(tài)融合圖像分割算法,并應(yīng)用于實際采集數(shù)據(jù)與現(xiàn)有公開數(shù)據(jù)集,取得良好的實驗結(jié)果。本文主要從以下幾個方面進行了研究:(1)提出了一種基于多模態(tài)特征融合的紅外熱圖像太陽能板區(qū)域分割方法,實現(xiàn)紅外熱圖像目標區(qū)域的精準分割。針對紅外熱圖像干擾復(fù)雜造成誤分割問題,首先提取對比度、熵和梯度特征圖,再構(gòu)建多模態(tài)特征融合圖,最后進行區(qū)域填充實現(xiàn)目標區(qū)域的分割。將算法應(yīng)用于實際采集的光伏太陽能板紅外熱圖像中。結(jié)果表明,本義算法查準率高(0.9306)、查全率高(0....

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 機器學(xué)習(xí)及其在圖像分割的研究現(xiàn)狀
        1.2.2 紅外熱圖像分割的研究現(xiàn)狀及存在的問題
        1.2.3 腦腫瘤MRI影像分割的研究現(xiàn)狀及存在的問題
    1.3 主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第2章 圖像分割算法理論基礎(chǔ)
    2.1 基于傳統(tǒng)機器學(xué)習(xí)的圖像分割算法
        2.1.1 基于閾值的分割算法
        2.1.2 基于聚類的分割算法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分割方法
        2.3.1 全卷積神經(jīng)網(wǎng)絡(luò)模型
        2.3.2 U型網(wǎng)絡(luò)模型
    2.4 本章小結(jié)
第3章 基于多模態(tài)特征融合的紅外熱圖像分割
    3.1 問題描述
    3.2 實驗數(shù)據(jù)集
    3.3 基于多模態(tài)特征融合的紅外熱圖像分割算法
        3.3.1 算法流程
        3.3.2 特征圖提取
        3.3.3 多模態(tài)特征融合
        3.3.4 預(yù)浸沒與區(qū)域填充
    3.4 算法評價指標
    3.5 實驗與結(jié)果分析
        3.5.1 實驗內(nèi)容
        3.5.2 實驗平臺
        3.5.3 實驗結(jié)果及分析
    3.6 本章小結(jié)
第4章 基于3D ResU-Net的多模態(tài)融合MRI腦腫瘤病灶分割
    4.1 問題描述
    4.2 腦腫瘤自動分割系統(tǒng)
    4.3 實驗數(shù)據(jù)集及預(yù)處理
        4.3.1 實驗數(shù)據(jù)集
        4.3.2 數(shù)據(jù)預(yù)處理
    4.4 基于3D ResU-Net的多模態(tài)融合MRI腦腫瘤分割算法
        4.4.1 算法流程圖
        4.4.2 殘差網(wǎng)絡(luò)
        4.4.3 基于3D ResU-Net的多模態(tài)融合算法
    4.5 算法評價指標
    4.6 實驗與結(jié)果分析
        4.6.1 實驗內(nèi)容
        4.6.2 實驗平臺
        4.6.3 分割結(jié)果與分析
    4.7 本章小結(jié)
第5章 基于CycleGAN-MRI的多模態(tài)影像生成及分割
    5.1 問題描述
    5.2 基于CycleGAN-MRI的多模態(tài)影像生成與分割算法
    5.3 算法評價指標
    5.4 實驗與結(jié)果分析
        5.4.1 實驗平臺
        5.4.2 實驗內(nèi)容
        5.4.3 實驗結(jié)果及分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果



本文編號：3796813