基于温度和发射率场的涂层损伤检测方法

在现代化国防和航空航天领域,目标表面涂覆具有热防护、电磁屏蔽、降低红外辐射等性能的材料,可有效保护目标,但其处于目标的表面,长期受到周围环境影响,易出现气泡、划痕、脱落等不同类型的损伤,造成涂层性能大幅度降低,无法有效保护目标。因此,需要定期对目标涂层进行检测和维护。通过研究涂层损伤与温度和发射率之间的关系,结合热辐射定律、比色测温技术、发射率测量方法,搭建一套红外热像仪的检测装置,提出一种基于涂层温度和发射率场的涂层损伤检测方法。将研制的检测装置应用于以铝为基底的氧化铝涂层,通过分析氧化铝的温度和发射率准确识别涂层内部和外部损伤,验证了基于温度和发射率场的涂层损伤检测方法的理论模型,以及检测装置的可行性与适用性。     

胸部CT图像中孤立性肺结节良恶性快速分类

目的：为突破医学影像诊断学依据医学征象进行定性诊断准确度不高的瓶颈,针对胸部CT图像中孤立性肺结节（SPN）定性诊断问题,寻求能够有效表示SPN病理特性的图像特征,实现快速准确地SPN良恶性计算机辅助诊断系统。方法：首先,采取交互式分割方法从胸部CT图像中提取出SPN;其次,直接计算SPN图像的多分辨率直方图得到768维空间信息特征样本集;然后,充分利用具有处理高维数据集优势的支持向量机（SVM）构造SPN良恶性分类器;最后,通过测试样本集对经训练后的SVM分类器进行测试以评价分类性能。结果：经214例病例实验结果表明：240个SPN图像的768维特征计算所用时间为4.83秒,SVM分类器训练测试所用时间为2.24秒,敏感性71.33%,特异性70%,准确度71.67%,接受者操作特性曲线(ROC)下面积(AUC) 0.7864。结论：该系统提取的高维图像空间信息特征能够有效表示SPN特性;没有考虑医学征象进行SPN定性诊断的准确度就达到了71.67%,同时分类速度比传统纹理算法提高了近50倍,为医学影像学解决SPN定性诊断问题提供了便捷、客观的辅助手段。     

支持向量机与区域增长相结合的CT图像并行分割

针对经典区域增长算法中生长规则确定的困难和单纯使用支持向量机分割速度慢的问题,提出了一种支持向量机与区域增长相结合的图像并行分割方法。首先,从已知分割结果的图像中选取一定数量的目标区域与非目标区域样本点作为支持向量机分类器的训练样本并训练支持向量机,然后利用训练好的支持向量机自动寻找种子点并进行区域增长,在区域增长过程中使用支持向量机分类器作为增长规则,最后,针对边缘和噪声像素点进行必要的后处理。测试实验获得了较好的分割效果和较快的分割速度且能实现自动分割,表明所提出的方法是可行有效的。     

CT图像中肿大淋巴结肺癌转移分类方法

为解决肺癌N分期中胸部CT难于对肿大淋巴结是否癌转移进行评价的问题,寻求能够有效表示淋巴结病理特性的图像特征,实现对肿大淋巴结癌转移快速准确地判别。该文采取交互式分割从CT图像中提取出肿大淋巴结;直接计算淋巴结的多分辨率直方图得到200维空间信息特征样本集;利用具有处理高维数据集优势的支持向量机(SVM)构造分类器;用测试集对经训练的SVM分类器进行测试以评价分类性能。经96例病例实验结果表明:100个淋巴结图像的200维特征计算用时1.91 s,SVM分类器训练测试用时1.36 s,敏感性76%,特异性64%,准确度70%,接受者操作特性曲线(ROC)下面积(AUC)0.6525。高维图像空间信息特征能够有效表示淋巴结特性;没有考虑医学征象进行肿大淋巴结癌转移定性诊断的准确度就达到了70%,同时分类速度比传统纹理算法提高了约10倍。