- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
用于视网膜SD-OCT扫描中视网膜层和液体病理自动提取与表征的深层结构张量图搜索框架
摘要： 黄斑病变是一组影响黄斑区的视网膜疾病，若不及时治疗会导致严重视力损害。过去已有多种计算机辅助诊断方法被提出用于自动检测黄斑疾病。但据我们所知，目前尚无文献提供针对健康与病变黄斑病理的端到端分析解决方案。本文提出一种与设备无关的深度卷积神经网络结合结构张量图搜索的分割框架（CNN-STGS），用于视网膜层与液体病理的提取表征及三维视网膜分析。该框架首先从光学相干断层扫描（OCT）图像中提取九个视网膜层，随后结合深度CNN模型自动分割囊样与浆液性病理区域，最后实现自主三维视网膜分析。我们在公开数据集（包含439名受试者总计42,281次扫描的杜克大学数据集，以及51名受试者4,260次OCT扫描的武装部队眼科研究所数据集——这些数据通过不同OCT设备采集）上验证了CNN-STGS框架。通过标记注释验证表明，该框架在多项指标上显著优于现有方案：对视网膜液体的分割平均Dice系数达0.906，在病变视网膜OCT扫描中识别囊样与浆液性液体的准确率达98.75%。
关键词： 卷积神经网络（CNN）、光学相干断层扫描（OCT）、黄斑病变、眼科学、图搜索
更新于2025-09-23 15:23:52
-
SCN：用于RGB-D图像语义分割的可切换上下文网络
摘要： 上下文表征已广泛应用于提升语义图像分割效果。深度数据的出现为构建更具判别力的上下文表征提供了额外信息。深度数据能保留场景中物体的几何关系，而这种关系通常难以从RGB图像中推断。尽管深度卷积神经网络(CNN)在解决语义分割问题上已取得成功，但我们面临如何利用深度数据中有价值的上下文信息来优化CNN训练以提升分割精度的问题。本文提出一种新型可切换上下文网络(SCN)来实现RGB-D图像的语义分割。深度数据用于识别存在于多个图像区域中的物体，该网络通过分析各图像区域信息来识别不同特征，再通过切换网络分支进行选择性利用?；诖油枷窆逃薪峁怪刑崛〉哪谌?，我们能够生成同时感知图像结构和物体关系的有效上下文表征，从而实现语义分割网络更连贯的学习。实验证明，我们的SCN在两个公开数据集上均优于现有最优方法。
关键词： 上下文表示、卷积神经网络（CNN）、RGB-D图像、语义分割
更新于2025-09-23 15:23:52
-
一种具有多尺度卷积和多样化度量的CNN用于高光谱图像分类
摘要： 近期，研究人员已证实多层深度方法在提取高层特征及提升高光谱图像分类性能方面具有强大能力。然而传统深度模型的普遍问题是：由于训练样本数量有限（尤其针对类内方差大而类间方差小的图像），所学深度模型可能并非最优解。本文提出新型多尺度卷积神经网络（MS-CNNs），通过从高光谱图像中提取深层多尺度特征来解决该问题。此外，深度度量通常与MS-CNNs配合使用以增强高光谱图像的表征能力，但常规度量学习会使所学模型中的度量参数趋于相似——这种相似性会导致明显的模型冗余，从而对深度度量的描述能力产生负面影响。传统上可采用行列式点过程（DPP）先验来促使所学因子相互排斥以实现多样化。本文结合MS-CNNs与基于DPP的多样性促进深度度量优势，开发出具有多尺度卷积和多样化度量的CNN，以获取高光谱图像分类的判别性特征。通过在四个真实高光谱图像数据集上的实验，验证了所提方法的有效性与适用性。实验结果表明：相较于原始深度模型，本方法在不同高光谱图像数据集上（无论是光谱特征还是光谱-空间特征）均能取得相当甚至更优的分类性能。
关键词： 深度度量学习，行列式点过程（DPP），图像分类，多尺度特征，卷积神经网络（CNN），高光谱图像
更新于2025-09-23 15:23:52
-
遥感图像目标检测中的尺度自适应提议网络
摘要： 航拍图像中的目标检测在许多应用中具有广泛用途。近年来，快速区域卷积神经网络在自然图像目标检测方面展现出显著改进?？悸堑揭８型枷裰心勘甑某叽绾头植继卣鳎诓捎酶眉际跚靶瓒郧蛱嵋橥?RPN)进行改进。本文提出一种尺度自适应提议网络(SAPNet)以提高遥感图像多目标检测的精度。该网络由设计用于生成多尺度目标提议的多层RPN构成，并包含采用融合特征层以优化多目标检测的最终检测子网络。对比实验结果表明，所提出的SAPNet显著提升了多目标检测的准确性。
关键词： 区域提议网络（RPN）、多目标检测、遥感图像、卷积神经网络（CNN）
更新于2025-09-23 15:22:29
-
基于跨域卷积神经网络的高光谱图像光谱-空间特征高效提取与分类
摘要： 近年来，众多遥感应用高度依赖高光谱图像（HSI）。作为基础性问题，HSI分类日益受到关注，已成为遥感领域的热门课题。我们实现了一种采用dropout和正则化策略的卷积神经网络（CNN），以解决有限训练样本导致的过拟合问题。尽管大量文献证实融合光谱与空间上下文是有效的HSI分类方法，但尺度问题尚未得到充分挖掘。本文提出一种高效的光谱-空间HSI深度特征提取与分类方法，能充分利用引导滤波获取的多尺度空间特征。该方法是首次尝试为光谱和多尺度空间特征学习CNN。实验结果表明，相比同类方法，在印度松树、帕维亚大学和萨利纳斯等数据集上，本方法可将分类精度提升3%。
关键词： 卷积神经网络（CNN）、高光谱图像（HSI）分类、引导滤波、光谱-空间融合
更新于2025-09-23 15:22:29
-
一种基于更新的卷积神经网络框架在大面积遥感图像目标检测中的应用示例
摘要： 本信函探讨了大范围遥感图像中目标精确检测的问题。尽管许多基于卷积神经网络（CNN）的目标检测模型在小图像块上能实现高精度，但由于复杂背景和多样地物类型导致大量漏检与误检，在大范围图像中表现欠佳。为应对这一挑战，本信函提出一种基于样本更新的大范围遥感图像目标检测CNN框架（SUCNN）。该框架包含两个阶段：第一阶段使用训练数据集训练基础模型——单发多框检测器；第二阶段通过生成人工复合样本更新训练集，并利用更新后的数据集对第一阶段模型参数进行微调以获得第二阶段模型。最终采用大范围遥感图像测试集对一、二阶段模型进行评估。对比实验表明，所提SUCNN框架在大范围遥感图像目标检测中具有显著有效性与优越性。
关键词： 大面积遥感图像、样本更新、目标检测、卷积神经网络（CNN）
更新于2025-09-23 15:22:29
-
基于多目标卷积神经网络模型与决策融合的高光谱海岸湿地分类
摘要： 沿海湿地地物类型存在光谱混叠现象，导致类别混淆。本文提出一种面向沿海湿地高光谱图像的多目标卷积神经网络（CNN）决策融合分类方法。该方法采用基于模糊隶属度规则的决策融合技术处理单目标CNN分类结果，从而获得更高的分类精度。实验结果表明，该方法对水体、滩涂、芦苇及其他植被等六类地物具有良好效果?；谀：ナ舳鹊木霾呷诤戏掷喾椒ㄗ芴寰却?2.11%，较单目标特征波段CNN方法和支持向量机方法分别提高3.33%和6.24%。该多目标CNN决策融合分类方法继承了CNN单目标特征波段的特性，在存在类别混淆的挑战性条件下仍是一种实用的图像分类方案。
关键词： 决策融合、卷积神经网络（CNN）、高光谱图像、分类
更新于2025-09-23 15:22:29
-
基于混合卷积网络的高分辨率可见光遥感图像道路分割
摘要： 道路分割在智能交通系统和城市规划等诸多应用中具有重要作用。针对可见光遥感影像已提出多种道路分割方法，尤其是基于卷积神经网络的流行方案。然而，由于高分辨率可见光遥感影像中存在复杂背景和多尺度道路，实现高精度道路分割仍是具有挑战性的问题。为解决该问题，本文提出一种融合多个子网络的混合卷积网络（HCN）。该网络包含全卷积网络、改进U-Net和VGG子网络，分别获取粗粒度、中粒度和细粒度的道路分割图；并采用浅层卷积子网络融合这些多粒度分割图以实现最终道路分割。得益于多粒度分割策略，本HCN在处理多尺度道路和复杂背景时展现出优异效果。通过计算像素精度、平均精度、平均区域交并比（IU）和频率加权IU四项测试指标，在两个测试数据集上评估所提HCN。与五种前沿道路分割方法相比，本HCN具有更高的分割精度。
关键词： 高分辨率可见光遥感影像，卷积神经网络（CNN），道路分割
更新于2025-09-23 15:21:21
-
[IEEE NAECON 2019 - 美国电气电子工程师学会国家航空航天与电子会议 - 美国俄亥俄州代顿市（2019年7月15日-19日）] 2019年IEEE国家航空航天与电子会议(NAECON) - 基于卷积神经网络和红外断层扫描的激光粉末床熔融原位过程监测
摘要： 增材制造（AM）是航空电子、生物医学、汽车和制造业等多个领域不断发展的技术方向。过去15年间，金属打印的激光粉末床熔融（LPBF）技术呈现出显著增长态势。由于该工艺生产的许多零部件（如生物医学植入物）属于高风险产品，其质量成为行业关注重点。为此，我们设计了一台配备原位传感器的LPBF设备来监控制造过程。通过图像处理与机器学习算法，能够高效分析海量数据并评估零部件质量，验证特定内部几何结构及制造缺陷。本研究采用计算机辅助设计（CAD）构建的含多尺寸（0.75-3.5毫米）特征几何体（正方形、圆形、三角形）的多层试件，基于选择性激光熔化（SLM）设备的红外（IR）图像进行特征检测。通过图像去噪预处理，结合主成分分析（PCA）进一步降噪，再运用卷积神经网络（CNN）识别特征并判定异常类别（该类别数据源自CAD图像构建的数据集）。经此自动化流程，共检测、分类并验证了300个几何元素与制造文件的匹配性。此外，系统还检测并保存了若干制造异常供终端用户核查。
关键词： 激光粉末床熔融（LPBF）、主成分分析（PCA）、红外图像（IR）、卷积神经网络（CNN）、增材制造（AM）、计算机辅助设计（CAD）
更新于2025-09-23 15:21:01
-
[IEEE 2018年第25届国际图像处理会议(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理会议(ICIP) - 基于三维视觉显著性的盲网格视觉质量评估卷积神经网络
摘要： 在这项工作中，我们提出了一种卷积神经网络（CNN）框架，用于在无参考条件下评估三维网格的感知视觉质量。该CNN架构以根据显著性水平精心选取的小图像块作为输入。具体而言，首先计算三维网格的视觉显著性，然后从三维网格及其对应的三维显著性图生成二维投影视图。随后将这些视图分割成小图像块，并通过显著性滤波器筛选出最具相关性的图像块。我们在两个MVQ评估数据库上进行了实验，结果表明训练后的CNN在与人类判断的相关性方面取得了良好效果。
关键词： 盲网格视觉质量评估，卷积神经网络（CNN），网格视觉显著性
更新于2025-09-23 15:21:01