图像分割是图像分析中最关键的任务之一。 阈值确定无疑是最受欢迎的细分方法之一。 在阈值方法中，最小交叉熵阈值（MCET）由于其简单性和阈值的测量精度而被广泛采用。 尽管在二级阈值化的情况下MCET是有效的，但是当涉及多级阈值以穷举搜索多个阈值时，MCET会遇到昂贵的计算。 提出了一种基于遗传算法的改进方案，用于多级MCET中固定阈值的选择。 该方案使用递归编程技术来降低多层MCET中目标函数的计算复杂性。 然后，提出了一种遗传算法来搜索几个接近最优的多级阈值。 根据经验，通过穷举搜索，我们的方案获得的多个阈值与最佳阈值非常接近。 在各种图像上对该方法进行了评价，实验结果表明了该方法在真实图像上的有效性和可行性。

音频分割技术

Robust Range Image Segmentation Based on Coplanarity of Superpixels

An improved FCM medical image segmentation algorithm based on MMTD

A novel image segmentation method combined Otsu and improved PSO

Segment-tree based cost aggregation for stereo matching with enhanced segmentation

Semantic segmentation based on fusion of features and classifiers

变更点：CRAN上变更点包的开发版本的位置

肋骨挑战赛 评估脚本。 “主”分支是当前用于在线评估的评估代码，包括检测，分类和细分指标。 “旧版”分支用于2020年10月4日之前的MICCAI 2020正式挑战评估，其中可用的评估指标较少。 内容 RibFrac-Challenge/ requirements.txt Required packages for evaluation ribfrac/ evaluation.py Functions for model evaluation nii_dataset.py The dataset class for .nii reading 设定 安装所需的软件包 在命令行中运行以下命令以安装所需的软件包。 首先创建一个特定的Anaconda环境并激活它： conda create -n ribfrac python=3.7 conda activate ribfrac 然后使用pip安装所需的软件包： pip install -r requir

hand_segmentation hand_segmentation hand_segmentation