改进UNet++的杉木CT图像年轮分割

S781.1%TP391.4; 为解决裂纹、虫孔和节子等缺陷影响下的年轮准确分割问题.以医疗CT为实验设备,重构125张杉木横切面CT图像为研究对象,经裁切、旋转、翻转等预处理实现数据扩充,提出改进UNet++模型用于年轮分割.改进UNet++模型采用增加卷积块、下采样层、跳跃连接和上采样层的方式,将学习深度增加至6层,以BCEWithLogitsLoss和ReLU分别作为损失函数和激活函数,RMSProp作为优化函数,对杉木横切面CT图像进行年轮分割,并对年轮分割性能进行评价.结果显示:改进UNet++模型对于杉木横切面CT图像的年轮分割的像素准确率为97.81%,骰子系数为98.89%,交...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 5; pp. 232 - 239
Main Authors 刘帅, 葛浙东, 刘晓彤, 高宜生, 李阳, 李萌菲
Format Journal Article
LanguageChinese
Published 山东建筑大学 信息与电气工程学院,济南 250101%山东建筑大学 建筑城规学院,济南 250101 01.03.2024
Subjects
transverse section
年轮分割
UNet++ model
杉木
CT image
UNet++模型
CT图像
Chinese fir
tree rings segmentation
横切面
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2210-0212

Cover

More Information
Summary:S781.1%TP391.4; 为解决裂纹、虫孔和节子等缺陷影响下的年轮准确分割问题.以医疗CT为实验设备,重构125张杉木横切面CT图像为研究对象,经裁切、旋转、翻转等预处理实现数据扩充,提出改进UNet++模型用于年轮分割.改进UNet++模型采用增加卷积块、下采样层、跳跃连接和上采样层的方式,将学习深度增加至6层,以BCEWithLogitsLoss和ReLU分别作为损失函数和激活函数,RMSProp作为优化函数,对杉木横切面CT图像进行年轮分割,并对年轮分割性能进行评价.结果显示:改进UNet++模型对于杉木横切面CT图像的年轮分割的像素准确率为97.81%,骰子系数为98.89%,交并比为95.29%,平均交并比为84.75%,充分提取杉木年轮特征,分割效果最好.与U-Net模型和UNet++模型相比,改进UNet++模型在多数年轮被裂纹和虫孔切割,无法形成完整圆形闭合曲线的条件下,使分割的年轮具有很好的完整性和连续性,消除分割过程中的断裂和噪声现象;年轮分割结果不受裂纹、节子、虫孔等缺陷影响,结构非常清晰,有效解决多种缺陷干扰下的虫孔误分割和密集年轮欠分割等问题.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2210-0212