Detection of Diabetic Anomalies in Retinal Images using Morphological Cascading Decision Tree
Kasetsart University（泰国农业大学）；National Electronics and Computer Technology Centre（泰国国家电子与计算机技术中心）；Tokyo Institute of Technology（东京工业大学）
本研究旨在建立一个有效的糖尿病视网膜病变筛查系统。糖尿病视网膜病变是导致失明的主要原因。糖尿病视网膜病变的严重程度可通过一些特征来识别，如血管面积、渗出物、出血和微动脉瘤。为了对疾病进行分级，筛查系统必须有效地检测这些特征。在本文中，我们提出了一种简单而快速的方法来检测糖尿病视网膜病变。我们对灰度图像进行预处理，并在图像中找到所有标记的连通分量（斑点），无论它是出血，渗出物，血管，视盘还是其他任何东西。然后，我们应用一些约束条件，如紧凑性，斑点的面积，强度和对比度的候选连接组件负责糖尿病视网膜病变的筛选。我们通过一些后处理来获得最终结果。将结果与地面实况进行比较。性能是通过找到召回（敏感性）来衡量的。我们拍摄了10张尺寸为500 * 752的图像。平均召回率为90.03%。
2020-01-07 cs.CV eess.IV
A Joint Morphological Profiles and Patch Tensor Change Detection for Hyperspectral Imagery
School of Information and Electronics, Beijing Institute of Technology（北京理工大学信息与电子学院）
多时相高光谱图像可以用来检测变化信息，逐渐引起了研究者的关注。然而，传统的变化检测算法没有深入挖掘空间和光谱变化特征的相关性，导致检测精度不高。为了更好地挖掘变化特征的光谱和空间信息，提出了一种联合形态学和块张量变化检测（JMPT）方法。首先，采用基于块的张量策略，利用空间结构的相似性，将不重叠的局部块图像整形为新的张量立方体，然后采用三阶Tucker分解和图像重建策略，获得更鲁棒的多时相高光谱数据集.同时，多形态轮廓，包括最大树和最小树被用来提取不同的属性的多时相图像。最后，这些结果被融合到一般的最终变化检测图。在两个真实高光谱数据集上的实验表明，该检测器具有更好的检测性能。
2022-01-20 cs.CV stat.ME
Dual Structure-Aware Image Filterings for Semi-supervised Medical Image Segmentation
Wuhan University（武汉大学）；National Engineering Research Center for Multimedia Software（国家多媒体软件工程技术研究中心）；Institute of Artificial Intelligence（人工智能研究所）
提出双重结构感知图像滤波（DSAIF），利用Max-tree和Min-tree表示移除无兄弟节点的拓扑等价节点以保留关键结构，降低相互监督网络在未标记图像上的错误预测共识，缓解确认偏差，显著提升半监督医学图像分割性能。
2024-03-27 cs.CV
Amoeba Techniques for Shape and Texture Analysis
University for Health Sciences, Medical Informatics and Technology (UMIT)（健康科学、医学信息与技术大学（UMIT））
形态变形虫是图像自适应结构元素的形态和其他局部图像滤波器介绍Lerallut等人。他们的建设是基于结合空间距离与对比度信息到一个图像相关的度量。变形虫滤波器显示出有趣的相似之处，图像滤波方法的基础上偏微分方程（PDE），这可以证实的渐近等价的结果。在计算变形虫时，生成的图结构包含有关局部图像纹理的信息。本文回顾和总结了作者和他的合著者的工作形态变形虫，特别是他们的关系PDE过滤器和纹理分析。它提出了一些扩展，并指出了未来的研究方向。
2015-06-10 cs.CV
CoverBLIP: accelerated and scalable iterative matched-filtering for Magnetic Resonance Fingerprint reconstruction
The University of Bath（巴斯大学）；Philips Research China（飞利浦中国研究院）；Heriot-Watt University（赫瑞-瓦特大学）；The University of Edinburgh（爱丁堡大学）
当前流行的磁共振指纹（MRF）恢复方法由于多参数定量MRI应用中指纹字典的大小和复杂性的增加而受到匹配滤波步骤的繁重计算的影响。我们通过将字典原子排列成覆盖树结构的形式来解决这个缺点，并采用相应的快速近似最近邻搜索来加速匹配过滤。对于属于光滑低维流形的数据集，覆盖树提供了搜索复杂度对数的数据种群。有了这个动机，我们提出了一个迭代重建算法，名为CoverBLIP，以解决大尺寸的MRF问题，其中的指纹字典，即Bloch响应的离散流形，编码几个内在的NMR参数。我们研究了该算法的不同形式的收敛性，我们表明，提供了一个概念的嵌入，不精确和非凸迭代的CoverBLIP线性收敛到一个接近全局的解决方案，使用精确的蛮力搜索具有相同的精度顺序。我们对合成和真实世界数据集以及使用不同采样策略的进一步检查表明，总搜索计算减少了2到3个数量级。覆盖树是强大的对维数的诅咒，因此CoverBLIP提供了一个概念的可扩展性-在时间精度性能的一致增益-搜索高维原子可能不容易预处理（即降维），由于出现在新兴的多参数MRF字典的非线性程度的增加。
2018-10-03 cs.CV
Multi-Kernel Filtering for Nonstationary Noise: An Extension of Bilateral Filtering Using Image Context
Northwest University（西北大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Korea University（高丽大学）
双边滤波（BF）是最经典的去噪滤波器之一，然而，手动初始化的滤波核阻碍了它对具有不同特征的图像的自适应性。为了处理图像变化（即，非平稳噪声），本文提出了一种多核滤波器（MKF），该滤波器能够自动地根据图像的特定特征调整滤波核。MKF的设计灵感来自人类视觉的自适应机制，充分利用视觉环境中的信息。更具体地说，为了模拟视觉上下文及其自适应功能，我们构建了图像上下文，在此基础上，我们模拟了上下文对过滤内核的影响。我们首先设计了一个层次聚类算法，生成一个由大到小的相干图像块组成的层次，组织成一个聚类树，从而获得多尺度的图像表示。叶簇和对应的前驱簇用于生成能够迎合图像变化的多个范围核中的一个。首先，我们设计了一个层次聚类框架，生成一个由大到小的相干图像块组成的层次聚类树，从而获得多尺度的图像表示，即，图像上下文。接下来，使用叶簇来生成多个内核中的一个，并且使用两个对应的前驱簇来微调所采用的内核。最终，BF中的单个空间不变核变为多个空间变化核。我们在两个公共数据集BSD300和BrainWeb上评估了MKF，这两个数据集分别添加了积分变化噪声和空间变化噪声。大量的实验表明，MKF优于最先进的过滤器w.r.t.都意味着绝对误差和结构相似性。
2019-12-23 cs.CV
Tooth Instance Segmentation on Panoramic Dental Radiographs Using U-Nets and Morphological Processing
Yeditepe University（耶迪特佩大学）
全景X光图像中牙齿的自动分割是牙科图像分析的一个重要研究课题。在这项研究中，我们提出了一个后处理阶段，以获得一个分割图中的图像中的对象是分开的，并将这种技术应用于牙齿实例分割与U-Net网络。后处理包括灰度形态学和滤波操作，这些操作在二值化之前应用于网络的S形输出。在整个牙齿分割中获得95.4 - 0.3%的骰子重叠分数。提出的后处理阶段减少的平均误差的齿数为6.15%，而没有后处理的误差为26.81%。据我们所知，分割和牙齿计数的性能在文献中是最高的。此外，这是通过使用相对较小的训练数据集来实现的，该训练数据集由105张图像组成。虽然本文的研究目的是对牙齿实例进行分割，但所提出的方法也适用于其他领域的类似问题，如细胞实例的分离
2022-03-31 cs.CV cs.LG eess.IV
Classification of remote sensing images using attribute profiles and feature profiles from different trees: a comparative study
Gebze Technical University（盖布泽技术大学）
本文的动机是进行比较研究的遥感图像分类使用形态属性剖面（AP）和特征剖面（FP）产生的不同类型的树结构。在过去的几年里，AP一直是对图像的空间和上下文信息进行建模的最有效的方法之一。最近，已经提出了一种称为FP的AP的新扩展，其在形成输出轮廓时用一些统计和几何特征代替像素灰度。FP已被证明是更有效的比标准的AP时，从组件树（最大树和最小树）生成。在这项工作中，我们调查他们的性能上的包含树（树的形状）和分区树（阿尔法树和欧米茄树）。全色和高光谱图像的实验结果再次证实了FP的效率相比，AP。
2018-06-18 cs.CV
Morphological classification of astronomical images with limited labelling
Moscow State University（莫斯科国立大学）；Space Research Institute of RAS（俄罗斯科学院空间研究所）
形态学分类对于简单的参数化来说是一项复杂的任务，但对于星系演化领域的研究却非常重要。未来的星系巡天（如EUCLID）将收集超过一个$10^9$星系的数据。为了获得形态学信息，人们需要参与标记星系图像，这需要大量的资金或大量的志愿者。提出了一种基于对抗自动编码器（AAE）模型的主动学习的半监督星系形态分类方法。对于二元分类问题（Galaxy Zoo 2决策树的顶级问题），我们在测试部分仅使用86万个标记动作就实现了93.1%的准确率，该模型可以轻松地扩展到任何数量的图像。我们最好的模型与额外的标记实现了95.5%的准确性。据我们所知，这是第一次AAE半监督学习模型用于天文学。
2021-04-27 astro-ph.GA cs.CV cs.LG
Rotation Invariant Descriptors for Galaxy Morphological Classification
Fresno State University（弗雷斯诺州立大学）
多方位目标的检测是一个困难的模式识别问题。在本文中，我们提出了不同的家庭的描述符的星系形态分类的性能进行评估。我们研究了基于一维矩和傅里叶变换的Hu矩、Flusser矩、Zernike矩、Fourier-Mellin矩和环投影技术的性能。我们考虑两个主要的数据集的性能评估。第一个数据集是基于来自11种类型的星系的代表性模板的人工数据集，这些星系单独或组合使用不同的变换（噪声，平滑）进行评估。该评价是基于图像检索性能来估计这种类型的图像的旋转不变描述符的鲁棒性。第二个数据集由从Galaxy Zoo 2项目中提取的真实图像组成。椭圆星系和旋涡星系的二元分类是通过形态滤波和拉普拉斯金字塔等预处理步骤实现的。对于二进制分类，我们比较了不同的功能与支持向量机（SVM），极端学习机，和不同类型的线性判别分析技术。结果支持的结论是，所提出的椭圆星系和螺旋星系的二元分类框架提供了ROC曲线下面积达到99.54%，证明了该方法的鲁棒性，以帮助天文学家研究星系。
2019-08-20 astro-ph.GA cs.CV
Individual Tree Detection and Crown Delineation with 3D Information from Multi-view Satellite Images
The Ohio State University（俄亥俄州立大学）
单树检测和树冠描绘在森林清查管理中至关重要，基于遥感的森林调查主要通过卫星图像进行。然而，这些调查大多数只使用二维光谱信息，通常没有足够的线索ITDD。为了充分利用卫星图像，我们提出了一种ITDD方法，使用正射影像和数字表面模型（DSM）来自多视图卫星数据。我们的算法利用顶帽形态学操作有效地提取局部最大值从DSM作为树梢，然后将它们馈送到修改的超像素分割，该分割结合了用于树冠描绘的2D和3D信息。在后续步骤中，我们的方法通过植物异速生长方程将冠层的生物学特征结合起来，以伪造潜在的离群值。在三个代表性区域上对手动标记的树图进行的实验已经证明了有希望的结果-最好的整体检测准确率可以达到89%。
2021-07-01 cs.CV
Unsupervised Machine Learning for Detecting and Locating Human-Made Objects in 3D Point Cloud
Purdue University（普渡大学）
本文提出结合OSR地面滤波、基于MPF Hessian矩阵的LIE与GMM聚类的无监督方法，实现三维LiDAR点云中树木与人造物体的检测和定位。
2024-10-25 cs.CV cs.LG stat.ML
Morphology-Aware Multimodal Representation Learning for Insect Phylogenetic Reconstruction
Rural Development Academy, Zhejiang University（浙江大学农村发展学院）
提出形态感知多模态对齐框架，结合标本图像与形态描述，通过视觉Transformer微调和对比学习对齐图像-文本，学习连续性状用于贝叶斯系统发育重建，在Rove-Tree-11数据集上提升拓扑一致性。
2026-06-23 cs.CV
New characterizations of minimum spanning trees and of saliency maps based on quasi-flat zones
PUC Minas（米纳斯吉拉斯天主教大学）；Université Paris-Est（巴黎东大学）；ESIEE Paris（巴黎高等电子工程师学院）；CNRS（法国国家科学研究中心）
我们研究了三种表示层次的分区：树状图（直接表示），显着图，最小生成树。我们提供了一个新的双射显着性地图和层次结构的基础上，在图像处理和表征显着性地图和最小生成树作为解决方案的约束最小化问题的约束是准平坦区保存。在实践中，这些结果形成了一个新的分层方法的工具包，人们可以选择最方便的表示。他们还邀请我们处理非图像数据的形态层次。
2015-05-27 cs.CV cs.DS
An Integrated Image Filter for Enhancing Change Detection Results
College of Information Sciences and Technology, Donghua University（东华大学信息科学与技术学院）；Engineering Research Center of Digitized Textile & Fashion Technology, Ministry of Education, Donghua University（东华大学数字化纺织服装技术教育部工程研究中心）
变化检测是计算机视觉中的一项基本任务。尽管已经取得了重大进展，但由于无处不在的噪声和干扰，大多数变化检测方法在具有挑战性的场景中无法很好地工作。目前，旨在增强二进制变化检测结果的后处理方法（例如MRF和CRF）仍然不能满足对特殊场景的通用性、对不同类型检测方法的适用性、准确性和实时性的要求。受图像滤波的性质的启发，从像素观察中分离噪声并恢复补丁的真实结构，我们考虑利用图像滤波器来增强检测掩模。在本文中，我们提出了一个集成的滤波器，它包括一个加权的局部引导图像滤波器和一个加权的时空树滤波器。时空树滤波器利用相邻视频帧的全局时空信息，同时引导滤波器执行像素的局部窗口滤波，用于增强粗略变化检测掩模。本文的主要贡献有三：（1）该滤波器充分利用连续帧中同一目标的信息，通过时空最小生成树的计算来改进当前的检测模板，（2）该滤波器兼有局部滤波和全局滤波的优点，不仅具有良好的边缘保持性能，而且能够处理纹理丰富的前景区域;和（iii）与一些流行的增强方法（MRF和CRF）不同，这些方法需要每个像素的先验背景概率或后验前景概率来改进粗略检测掩模，我们的方法是一种通用的增强滤波器，可以在许多不同类型的变化检测方法之后应用，并且特别适合于视频序列。
2019-07-02 cs.CV
Robust semi-automatic vessel tracing in the human retinal image by an instance segmentation neural network
Johns Hopkins University（约翰斯·霍普金斯大学）
提出基于实例分割神经网络（InSegNN）的人眼视网膜图像半自动血管追踪方法，通过时间学习等三种策略提升鲁棒性，实现追踪单个血管树并保留层级信息，SBD较文献提升50%且优于U-net。
2024-02-15 cs.AI cs.CV eess.IV
Morphological Image Analysis and Feature Extraction for Reasoning with AI-based Defect Detection and Classification Models
Loughborough University（拉夫堡大学）；Railston & Co. Ltd.（雷尔斯顿有限公司）
针对工业AI缺陷检测模型缺乏透明推理的问题，提出AI-Reasoner框架，通过提取缺陷形态学特征、结合决策树推理并输出多形式解释与优化策略，经366张缺陷图测试可有效解释IE Mask R-CNN的预测，助力工业缺陷分析场景的AI模型性能提升。
2023-10-10 cs.AI cs.CV
Survival Modeling from Whole Slide Images via Patch-Level Graph Clustering and Mixture Density Experts
本文提出包含分位数块过滤、图正则化块聚类、分层特征聚合、专家引导混合密度模型四阶段的模块化框架，直接从全切片病理图像预测癌症特异性生存，在三个TCGA队列上取得优于现有最优方法的预测性能。
2025-11-19 cs.CV
Component Tree Loss Function: Definition and Optimization
LIGM（加斯帕尔·蒙日信息学实验室）；Univ Gustave Eiffel（古斯塔夫·埃菲尔大学）；CNRS（法国国家科学研究中心）；ESIEE Paris（巴黎高等电子工程师学院）
在这篇文章中，我们提出了一种方法来设计损失函数的基础上的组件树，可以优化的梯度下降算法，因此，可与最近的机器学习方法，如神经网络。我们展示了如何与这种分层图像表示的节点相关联的海拔高度可以区分相对于图像像素值。该特征用于设计通用的损失函数，其可以基于诸如消光值的各种属性来选择或丢弃图像最大值。仿真和实际图像滤波的可能性，所提出的方法被证明。
2021-01-20 cs.CV cs.LG eess.IV
Hybrid Medical Image Classification Using Association Rule Mining with Decision Tree Algorithm
在所提出的方法中，图像挖掘的主要焦点是与CT扫描脑图像中的脑肿瘤的分类有关。该系统的主要步骤包括：预处理、特征提取、关联规则挖掘和混合分类器。预处理步骤已完成使用中值滤波过程和边缘特征已提取使用Canny边缘检测技术。本文提出了两种混合方式的图像挖掘方法。利用挖掘关联规则的频繁模式树（FP-Tree）算法从CT扫描图像中提取频繁模式。本文采用决策树方法对医学图像进行分类。该系统增强了分类过程，使其更加准确。与传统的图像挖掘方法相比，该混合方法提高了算法的效率。在脑图像预诊断数据库上的实验结果表明，该方法的灵敏度和准确度分别为97%和95%。医生可以利用该精确的决策树分类阶段将脑图像分类为正常、良性和恶性，以进行有效的医学诊断。
2010-01-20 cs.CV
Evaluating the point cloud of individual trees generated from images based on Neural Radiance fields (NeRF) method
Fuzhou University（福州大学）；National Engineering Research Center of Geospatial Information Technology（国家地理空间信息技术工程研究中心）；Key Lab of Spatial Data Mining and Information Sharing of Ministry of Education（空间数据挖掘与信息共享教育部重点实验室）；The Academy of Digital China (Fujian)（数字中国研究院（福建））
该研究使用 NeRF 由多源树木图像重建单木点云，并与摄影测量和激光扫描点云比较，验证其在树冠重建、成功率和效率上的优势及精度局限。
2023-12-06 cs.CV
The Phantom of the Elytra -- Phylogenetic Trait Extraction from Images of Rove Beetles Using Deep Learning -- Is the Mask Enough?
University of Copenhagen（哥本哈根大学）；Natural History Museum of Denmark（丹麦自然历史博物馆）
本文比较了完整分割、二值掩码和傅里叶描述子三种形态表征在隐翅虫系统发育性状提取中的效果，发现基于掩码的 ResNet50 模型表现最佳，强调了选择合适形态表征的重要性。
2025-02-06 cs.CV
Deep Spatiotemporal Clutter Filtering of Transthoracic Echocardiographic Images: Leveraging Contextual Attention and Residual Learning
Cardiovascular Imaging and Dynamics, Department of Cardiovascular Sciences, KU Leuven（心血管影像与动力学，心血管科学系，KU莱顿大学）；Life and Health Sciences Research Institute (ICVS), School of Medicine, University of Minho（生命与健康科学研究所（ICVS），医学院，蒙德兹大学）；Ai–School of Technology, IPCA（2Ai技术学院，IPCA）；Department of Cardiac Technology, College of Applied Medical Sciences, Imam Abdulrahman Bin Faisal University（心脏技术系，应用医学科学学院，伊玛目阿卜杜勒拉赫曼·本·法伊兹大学）
本研究提出了一种深度卷积自编码器网络，利用上下文注意力与残差学习技术，实现心胸超声图像中回波杂波的高效滤除。
2025-12-07 cs.CV eess.IV
VesselGPT: Autoregressive Modeling of Vascular Geometry
Consejo Nacional de Investigaciones Científicas y Técnicas（阿根廷国家科学与技术研究院）；Universidad Nacional del Sur（国立南方大学）；Universidad Torcuato Di Tella（托克托迪塔拉大学）
针对解剖树几何表示难题，提出基于VQ-VAE和GPT-2的自回归血管生成方法，实现高保真重建并保留形态细节，为首个自回归血管生成工作。
2025-06-23 cs.CV cs.LG eess.IV
