利用成对深度学习特征分割弱可见环境微生物图像
计算机视觉与模式识别
2022-09-01 v1
摘要
环境微生物(EMs)通过监测和分解污染物，提供了一种高效、低成本且无公害的环境污染治理方法。这依赖于 EMs 能否被正确分割与识别。为增强对透明、含噪且低对比度的弱可见 EM 图像的分割，本研究提出一种成对深度学习特征网络(PDLF-Net)。利用 PDLFs 将每幅图像的成对深度学习特征拼接至基础模型 SegNet 的不同模块，使网络更聚焦于前景(EMs)。借助 Shi 和 Tomas 描述子，我们以每个描述子为中心利用 VGG-16 模型提取图像块上的深度特征。然后，基于德劳内三角剖分定理对特征进行配对以形成成对深度学习特征，从而学习描述子间的中间特性。实验中，PDLF-Net 在准确率、IoU、Dice、VOE、灵敏度、精确率与特异度上分别取得 89.24%、63.20%、77.27%、35.15%、89.72%、91.44% 与 89.30% 的优异分割结果。
引用
@article{arxiv.2208.14957,
title = {Segmentation of Weakly Visible Environmental Microorganism Images Using Pair-wise Deep Learning Features},
author = {Frank Kulwa and Chen Li and Marcin Grzegorzek and Md Mamunur Rahaman and Kimiaki Shirahama and Sergey Kosov},
journal= {arXiv preprint arXiv:2208.14957},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2102.12147