基于数学形态学和HSI模型的彩色舌图像分割

从数学形态学的基本理论出发,利用数学形态学能描述图像形态特征的特点,结合ＨＩＳ模型,充分考虑图像的彩色信息,提出了基于数学形态学和ＨＩＳ模型的舌图像分割算法,实验结果表明,本算法具有较好的分割性能。     

基于多描述子分层特征学习的图像分类

为解决图像分类任务中词袋(Bag-of-Words)模型分类算法单一局部描述子信息缺失、特征量化误差较大、图像特征表现力不足等问题,提出一种基于多描述子分层特征学习的图像分类方法.结合尺度不变特征变换(SIFT)与形状核描述子(KDES-S)进行局部特征提取,并构建分层特征学习结构来减少编码过程中的量化误差,最后将图像特征分层归一化后进行线性组合并利用线性支持向量机(SVM)进行训练和分类.在Caltech-101、Caltech-256、Scene-15数据库上进行实验,结果表明:相比其他图像分类方法,本文方法在分类准确率上具有显著提升.     

利用图像孔密度值评价面包纹理结构的研究

应用计算机图像分析技术,在建立客观、定量描述面包纹理结构的方法方面进行了初步的探讨.实验结果表明,面包纹理结构感官得分与类间方差阈值分割算法所得分割图像的孔密度值之间的相关系数为0.93.图像孔密度值是区分面包纹理结构差异的一个特征参量.     

图像特征聚类优先级判定方法

由于图像多种特征的表述能力不同,所以它们在不同图像集上的聚类效果也不同.为确定在特定图像集上图像特征的聚类优先级,分析了3种全局特征颜色、纹理和形状的区分力,通过图像距离曲线说明了其区分力的不同,并通过检索结果验证了不同的区分力可导致检索结果的不同,进一步提出了由类紧致性和类分离性组成的判别指标——简化全局聚类质量.实验证明,区分性强的特征判别指标最好,该指标可用于确定图像聚类的优先级,从而决定聚类时选取图像特征的种类和图像特征选用的顺序.     

中医望诊图像信息标准量化与显示复现

针对中医望诊信息系统普遍存在数据不规范、显示效果差异大的问题,指出目前望诊图像数据采集与描述的误区,给出信息规范化的解决途径.认为6 500 K日光模拟光源可作为望诊信息系统的标准评价光源;提出采用色度空间作为数据描述的标准空间,通过基于成像模型的图像数据颜色修正方法实现原始图像数据向标准空间数据的转换,达到标准化数据描述的目的,由此形成了望诊图像采集与描述的标准化框架及评价方法,实验结果表明该框架可使不同望诊图像信息系统达到较高的数据一致性;最后,结合显示器颜色属性测试和修正方法,实现了显示图像的颜色复现.     

舌体图像分割技术的实验分析与改进

数字舌像图片的正确分割是中医舌诊自动化技术的关键。因为舌体特征的多样性,经典成熟的分割算法并不适用。首先对近5a来该领域已有工作,尤其是Snake算法的研究进展,分类用临床图片测评总结,讨论各类代表性算法的优缺点。最后在已有3个主流算法基础上通过改进提出了3个新算法,不同程度上提高了已有主流算法舌体分割的效果。     

昆虫图像特征研究

特征提取是昆虫图像研究的核心内容之一,已有的昆虫图像特征的研究主要集中在特征提取和特征筛选两个方面。在总结图像特征的基础上,对国内近年来关于昆虫图像特征的研究进行整理,发现随着图像处理技术的发展,昆虫图像特征的相关研究迅速增长,方法也呈多样化。总结了已有研究的成果,分析了目前研究中存在的问题,就如何更好地和昆虫学结合以及昆虫图像特征的应用等提出建议。     

基于多尺度特征的图像描述生成模型

针对现有基于深度学习图像描述生成模型,在图像特征编码阶段,由于编码器提取的图像特征较为单一,图像信息利用不充分,造成文字对图片内容描述得不够准确、语义较模糊的问题,在VGG19基础上,改进现有模型对图像特征的编码形式,通过提取和融合图像多尺度特征的方法,获取更丰富的图像信息。在MSCOCO数据集上进行训练和测试,实验结果表明,提出的模型能够生成更加准确、完整,更有意义的图像描述语句。     

一种新的测地线主动轮廓图像分割方法

测地线主动轮廓模型是一种重要的图像分割方法,它对噪声图的分割效果很大程度上依赖于图像平滑的质量.为了使图像平滑和图像分割有机的结合起来,文中首先利用方向曲率模值提出描述图像平滑度的泛函,推导出一种四阶偏微分方程(PDE)图像降噪模型,它能在有效降噪的同时,保持良好的图像特征.该方法处理结果为分段线性图像,且在目标边缘处梯度存在阶跃.利用降噪结果的这一特点作为图像特征的描述函数,文中提出一种新的测地线主动轮廓(new geodesic active contour)模型.实验表明,新模型轮廓提取能力强、收敛速度快.以文中的降噪模型进行预处理,对基于区域的主动轮廓模型分割效果也有较大的提高.     

指节纹图像感兴趣区域提取与特征识别算法

为降低特征提取的工作量同时提高识别的准确性,设计了一种指节纹图像感兴趣区域(ROI)提取方法。首先,对采集到的图像进行预处理操作,分离并旋转定位四指图像。其次,通过手指图像梯度分布关系,计算负梯度的极值,并统计图像中每一行的负梯度极值个数来确定近指节纹的ROI区域。最后,通过局部二值模式(LBP)直方图相似性来验证所提取的ROI区域的准确性。实验证明,在采用本文方法所建立的指节纹ROI数据库中,分类准确率达到了100%。     

基于内容的乳腺肿瘤超声图像分级检索

超声图像检索将在乳腺肿瘤良恶性的辅助诊断中起到重要作用,针对乳腺肿瘤超声图像提出了一种基于内容的分级检索方法。该方法研究了乳腺肿瘤在超声图像中表现的典型征象,从纹理、形状和边界3方面提取了提升小波熵、拟合椭圆重合率和2维极坐标边界描述子3个特征,进行3级检索。利用该方法对126幅有明确活检结果的乳腺肿瘤超声图像进行3级检索,检索结果的病理准确率为90.79%。实验表明,采用分级检索所用特征少,速度快,并能获得较好的检索结果,检索结果的病理准确率较高。     

基于MR图像的阿尔茨海默病和轻度认知障碍患者海马三维纹理分析

阿尔茨海默病(Alzheimer disease,AD)是老年痴呆症中最常见的类型,有研究表明,轻度认知障碍(mildcognitive impairment,MCI)可能是AD的前驱阶段.研究样本包括21例早期AD患者(AD组)、22例MCI患者(MCI组)及20例健康对照者(normal control,NC)的磁共振(magnetic resonance,MR)脑图像,采用灰度共生矩阵和游程长矩阵方法对图像中海马结构进行三维纹理分析,比较纹理特征——能量、熵、游程长不均匀度因子和灰度不均匀度因子在3组之间的差异,并分析这些纹理参数与临床广泛应用的简易智能状态检查量表评分之间的相关性,同时利用支持向量机方法对样本进行分类识别.研究结果显示,以上纹理参数在3组之间存在显著差异,且纹理参数与临床简易智能状态检查量表评分具有相关性,对AD组与NC组的分类正确率可达85.37%(敏感性和特异性分别为90.48%、80%).表明三维纹理分析反映出了早期AD及MCI患者海马结构的病理变化,有助于AD的早期诊断.     

多模态多维信息融合的鼻咽癌MR图像肿瘤深度分割方法

收集421名鼻咽癌患者头颈部水平位T1加权（T1W）、T2加权（T2W）以及T1增强（T1C）三种模态MR图像,并由2名经验丰富的临床医生对图像中的肿瘤区域进行勾画,将其中346位患者的多模态图像及其标签作为训练集,将剩余75位患者的多模态图像及其标签作为独立测试集;分别构建单模态多维信息融合、两模态多维信息融合以及多模态多维信息融合（MMMDF）的卷积神经网络（CNN）,并对模型进行训练和测试;使用Dice、豪斯多夫距离（HD）与面积差占比（PAD）评估3种模型的性能,结果表明,多模态多维融合模型的性能最优,两模态多维信息融合模型性能次之,单模态多维信息融合模型性能最差. 结果证明,多模态二维与三维特征融合的深度卷积网络能够准确有效地分割鼻咽癌MR图像中的肿瘤.     

基于尺度配准的航拍图像与卫星影像匹配方法

随着无人机航拍技术的普及,航拍图像在目标检测和跟踪的应用得到普遍研究,而航拍图像与卫星影像的匹配研究相对较少。由于成像机理和成像视角的不同,无人机航拍图像与卫星影像存在较大的尺度差异,现有的图像匹配方法难以实现航拍图像与卫星影像的有效匹配。为了解决这一问题,提出了一种实现具有大尺度差异的航拍图像与卫星影像匹配的方法。该方法通过卫星影像的经纬坐标信息和无人机航拍图像成像时刻的相机位姿信息,对无人机航拍图像进行方向和尺度的配准;然后利用航拍图像成像时刻的位置信息,对卫星影像进行粗匹配,得到包含航拍图像匹配区域在内的卫星影像子图；再利用神经网络提取配准后的航拍图像与卫星影像子图的卷积神经网络（convolutional neural networks,CNN）特征,并基于CNN特征实现航拍图像与卫星影像的精匹配。仿真实验结果表明,本文所提方法能够有效的实现大尺度差异的航拍图像与卫星影像匹配。通过将本文匹配方法与现有图像匹配算法匹配精度的对比分析,证明了本文匹配算法的有效性和优越性。     

多普勒雷达图像逆风区的自动监测识别

在多普勒雷达降水回波径向速度场中及时准确地发现逆风区,对灾害天气预报预警具有重要意义.根据逆风区在雷达径向速度图中的物理图像特征,采用数字图像处理和分析方法实现了逆风区自动监测识别.首先,以雷达图像色标为依据,采用阈值法分别获取正、负速度区域二值图像,再对2幅图像分别进行形态学运算,然后将上述4幅图像做交叉逻辑运算,得到逆风区监测识别结果和相关参数.通过在2005—2011年长沙雷达站47幅根据实况进行人工标注后的多普勒雷达径向速度图像上进行实验,表明该方法对逆风区可以进行快速准确识别,与人工标注结果比较准确率可达89%,满足实际应用需要.     

遥感影像云团和云影检测与去除

以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。 用1988年TM遥感影像对2002年ETM遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提 高遥感影像数据的可用性。结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方 法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特 征,达到提高遥感影像的可用性。     

云南老厂银铅矿床环形影象特征及成因

根据老厂环形影象特征、地质构造环境、断裂分布、矿床地质与地球化学特征、围岩蚀变及岩浆岩脉特征,推测环形影象为隐伏花岗岩体上侵、成矿热液上涌之产物。内环为隐伏岩体突起部位,也是已知矿体的赋存空间。老厂银铅矿床成因类型不是火山岩矿床,而是与隐伏花岗岩体有关的中温热浪矿床。     

基于Cycle-GAN和改进DPN网络的乳腺癌病理图像分类

针对病理图像染色不均匀及良恶性难以鉴别的问题,提出基于Cycle-GAN和改进的双路径网络（DPN）的算法框架. 利用Cycle-GAN进行颜色归一化处理,解决因病理图像染色不均匀导致的检测模型精度偏低问题,通过对图像进行重叠切片,基于DPN网络采用增加小卷积、反卷积和注意力机制,增强模型对病理图像纹理特征的分类能力. 在BreaKHis数据集上的实验结果表明,所提算法有效提高了乳腺癌病理图像良恶性分类的准确性.     

基于多尺度条件生成对抗网络血细胞图像分类检测方法

针对血细胞图像中白细胞样本较少和生成细胞图像细节不清晰,导致检测精度较低的问题,提出基于多尺度鉴别器的条件生成对抗网络. 该网络通过生成并添加大量逼真的白细胞图像到分类检测网络训练集的方式,实现对血细胞图像的生成和分类检测. 在现有条件生成对抗网络真假鉴别器中,引入多尺度卷积核、池化域并在通道上拼接,提升鉴别器对微观细节纹理特征和宏观几何特征的鉴别能力;引入梯度相似性损失函数,以提高生成细胞图像的亮度及边缘清晰度,提升图像的真实感. 实验证明,在图像生成阶段,增加多尺度鉴别器和梯度相似性损失函数提高了生成细胞图像的质量;在图像分类检测阶段,对比仅有真实数据训练的情况,增加细胞样本多样性使细胞分类检测的平均精度由90.4%提升至94.7%.     

基于改进遗传算法的超光谱图像特征选择方法

提出的特征选择新方法充分利用遗传算法并行搜索、全局寻优的优点，并结合超光谱图像特征选择的具体应用，选择表征类别可分性的判别标准作为评价函数计算个体适应度，通过交叉和变异操作实现个体进化．为加快算法收敛速度，提高遗传算法性能，在遗传算法中引入了两代竞争机制，获取最佳的分类特征组合．利用一幅200波段的AVIRIS超光谱图像进行的仿真实验结果表明，所提出的方法用于特征选择具有分类精度高，计算耗时少的优点．