基于机器学习及多模态融合的图像分割模型研究与应用

发布时间：2023-04-22 03:20

　　随着大数据与人工智能技术应用的发展,图像分割已成为计算机视觉研究的主要方向,并成功应用于医学、安防等多个领域。以机器学习为基础发展出了一系列图像分割算法,并在理论和应用方向取得了很大的进展和突破性成功。但是,传统的图像分割方法集中于分析单模态图像,由于单模态信息有限,影响分割精度有限,且无法实现多场景环境下的信息融合,从而限制了图像分割的应用。本文从应用研究和算法研究出发,以红外热图像与脑部磁共振成像(Magnetic Resonance Imaging,MRI)作为研究对象,借助多模态融合及机器学习算法在特征表达上的优势,提出了三种改进型多模态融合图像分割算法,并应用于实际采集数据与现有公开数据集,取得良好的实验结果。本文主要从以下几个方面进行了研究:(1)提出了一种基于多模态特征融合的红外热图像太阳能板区域分割方法,实现红外热图像目标区域的精准分割。针对红外热图像干扰复杂造成误分割问题,首先提取对比度、熵和梯度特征图,再构建多模态特征融合图,最后进行区域填充实现目标区域的分割。将算法应用于实际采集的光伏太阳能板红外热图像中。结果表明,本义算法查准率高(0.9306)、查全率高(0....

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 机器学习及其在图像分割的研究现状
        1.2.2 红外热图像分割的研究现状及存在的问题
        1.2.3 脑肿瘤MRI影像分割的研究现状及存在的问题
    1.3 主要研究内容
    1.4 论文结构安排
第2章 图像分割算法理论基础
    2.1 基于传统机器学习的图像分割算法
        2.1.1 基于阈值的分割算法
        2.1.2 基于聚类的分割算法
    2.2 卷积神经网络
    2.3 基于卷积神经网络的图像分割方法
        2.3.1 全卷积神经网络模型
        2.3.2 U型网络模型
    2.4 本章小结
第3章 基于多模态特征融合的红外热图像分割
    3.1 问题描述
    3.2 实验数据集
    3.3 基于多模态特征融合的红外热图像分割算法
        3.3.1 算法流程
        3.3.2 特征图提取
        3.3.3 多模态特征融合
        3.3.4 预浸没与区域填充
    3.4 算法评价指标
    3.5 实验与结果分析
        3.5.1 实验内容
        3.5.2 实验平台
        3.5.3 实验结果及分析
    3.6 本章小结
第4章 基于3D ResU-Net的多模态融合MRI脑肿瘤病灶分割
    4.1 问题描述
    4.2 脑肿瘤自动分割系统
    4.3 实验数据集及预处理
        4.3.1 实验数据集
        4.3.2 数据预处理
    4.4 基于3D ResU-Net的多模态融合MRI脑肿瘤分割算法
        4.4.1 算法流程图
        4.4.2 残差网络
        4.4.3 基于3D ResU-Net的多模态融合算法
    4.5 算法评价指标
    4.6 实验与结果分析
        4.6.1 实验内容
        4.6.2 实验平台
        4.6.3 分割结果与分析
    4.7 本章小结
第5章 基于CycleGAN-MRI的多模态影像生成及分割
    5.1 问题描述
    5.2 基于CycleGAN-MRI的多模态影像生成与分割算法
    5.3 算法评价指标
    5.4 实验与结果分析
        5.4.1 实验平台
        5.4.2 实验内容
        5.4.3 实验结果及分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读学位期间的研究成果



本文编号：3796813