改进UNet++的杉木CT图像年轮分割

作者：刘帅; 葛浙东^*; 刘晓彤; 高宜生; 李阳; 李萌菲

来源：计算机工程与应用, 2023, 1-11.

• 杉木
• 横切面
• 年轮分割
• CT图像
• UNet++模型

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。

• 出版日期2023
• 单位山东建筑大学