核最小二乘算法检测红外点目标(英文)

对于背景呈非线性变化的复杂图像,用背景预测的方法对红外点目标进行检测时,传统的线性最小二乘法(Least Squares,LS)的效果比较差.文章使用核方法(Kernel Methods,KMs)推导了最小二乘法的非线性版本:核最小二乘算法(Kernel Least Squares,KLS);进一步推导出了更适合动态系统时序预测的指数加权形式的核最小二乘算法(Kemel Exponential wleighted Least Squares,KEWLS).提出了一种基于核方法的红外点目标检测算法,先用KEWLS非线性回归算法预测红外图像背景,再通过自适应门限检测残差图像中的目标,非线性函数回归和红外序列图像检测实验表明核方法较大地改进了算法的非线性函数估计与红外背景预测能力.     

基于各向异性扩散滤波与非局部先验的PET图像重建算法

针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用模糊支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值:然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明,本文提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.     

基于改进半因果支持域的镁熔液第一气泡检测

为精准识别镁熔液含氢量检测中镁熔液复杂表面背景下的第一气泡,在基于图像处理的镁熔液第一气泡检测算法的基础上提出了一种基于改进半因果支持域的实时检测算法.该算法首先采用改进半因果支持域模型对4帧原始图像进行估计得到背景预测图像,其次使用原始图像减去背景预测图像得到残差图像;而后利用隔帧差分算法并结合双层流水线算法获取阈值分割后的二值图像;最后对二值图像进行逻辑与运算和形态学开运算,获取真实的第一气泡目标,并在相同实验条件下将该算法对单帧图像的预处理效果、序列图像的检测性能与基于改进背景预测和流水线算法进行比较.仿真结果表明:该算法可达到实时检测的要求,且在单帧图像预处理方面对复杂背景的抑制效果更好,预处理时间减少6.2%,同时在序列图像检测方面,算法的抗干扰能力更强,检测到的目标点更易观察,检测总时间减少17.3%.     

一种基于图像特征提取的浮选回收率预测算法

针对矿物浮选过程中的一类回收率预测问题,提出了一种基于泡沫图像特征提取的预测算法.该算法采用最小二乘支持向量机(LSSVM)建立预测模型,通过施密特正交化对核矩阵进行简约,利用核偏最小二乘方法(KPLS)进行LSSVM参数辨识,以此构造具有稀疏性的LSSVM,有效地减小了算法的计算复杂度.为检验模型泛化及预测能力,为多个泡沫特征信息引入预测模型,采用泡沫图像特征提取方法提取泡沫颜色、速度、尺寸、承载量及破碎率特征.实验结果表明,该预测算法对浮选回收率具有良好预测效果.     

基于最小二乘准则的模糊估计和图像复原

在计算光学显微成像技术中,点扩展函数往往是未知的,且不易获取,从而给图像复原带来很大困难。基于最小二乘准则和最优化理论,提出了利用变尺度法的三维点扩展函数参数估计算法;针对传统EM算法存在复原效果细节丢失严重等问题,提出最小二乘共轭梯度三维图像复原算法。算法在点扩展函数参数估计和求解真实图像之间进行交替迭代,从而得到图像的最优估计。实验表明,新算法在较短时间内,能够较准确地估计出点扩展函数参数,并得到较好的复原结果。     

摄像机旋转运动下的快速目标检测算法

论文提出了一种摄像机旋转运动下的快速目标检测算法。首先为图像的全局运动建立旋转参数模型,然后基于运动预测在相邻帧之间建立SIFT特征点对,利用RANSAC去除外点的影响,结合最小二乘法求解全局运动参数进行运动补偿,基于残差图像的更新策略实时更新特征点集,以适应背景的变化,最后使用帧差法获得运动目标。该算法不仅保持了SIFT本身的优越性能,而且极大地提高了检测速度。实验结果表明该算法可以实时准确的检测出运动目标。     

小样本数据的支持向量机回归模型参数及预测区间研究

支持向量机是由统计学习理论发展起来的机器学习算法,它从结构风险最小化的角度保证了模型的最大泛化能力.文中运用支持向量机进行小样本数据回归分析研究.首先利用推广性的界理论指导支持向量机回归模型参数的选取,以保证模型具有最大的推广能力;其次,运用基于正态分布和基于t分布的两种区间预测方法进行了预测值的区间估计;最后,利用模拟序列和真实的航空发动机油样光谱分析数据作为实验数据,建立了支持向量机回归分析模型,并与最小二乘法进行了比较.结果表明,所提出的支持向量机模型参数选取和区间估计方法适用于小样本数据的回归分析,具有较高的预测精度.     

基于最小二乘法的多频涡流检测信号参数分析

多频涡流检测技术是一种广泛应用的电磁无损检测技术.在检测过程中,微弱多频涡流信号的分析是检测系统的关键.本文提出了一种基于最小二乘法的涡流检测微弱信号参数分析方法.依据最小二乘法的求解原理,以双频涡流信号分析为例,建立了涡流信号参数分析数学模型,估计出各频率成分的时域特征参数,为涡流检测信号应用提供了依据,并对该算法进行了仿真和检测实验验证.实验结果表明:该方法效果良好,硬件成本低,具有较高的灵敏度,满足多频涡流检测信号参数分析的需要.     

基于 Kalman滤波理论的运动目标检测新方法

该丈研究了基于Kalman滤波理论的渐消记忆最小二乘法在图像背景重建中的应用,并将它应用在复杂背景的图像序列中,实现对运动目标的自动检测.首先用渐消记忆最小二乘法对复杂背景进行预测和更新,然后把当前帧与预测的背景模板做差分运算,最后采用自适应阈值分割技术实现对目标的自动分割.文中通过对序列图像的仿真,讨论了最小二乘法的存在问题,改进及适用情况,干扰的消除.试验结果表明,该方法具有很强的实用性.     

带旋转的三面互检法

按传统三面互检法评价平面度偏差,结果只能由评价平晶在两条相互垂直的直径线上的测量数值得到,其评价方法与平晶的真实面形偏差存在差异.本文介绍的基于光电探测技术、激光干涉技术、图像处理技术的带旋转三面互检法可以解出平面上N条直径线上的点的面形偏差,可以提高测量准确度.     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法。该算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数。通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。     

非均匀背景下的红外图像曲面拟合分割

红外图像往往存在着背景不一致的特点,因此在分割时无法有效地提取出目标。本文针对这一问题提出了一种基于曲面拟合的图像分割方法,以分割非均匀背景下的红外目标。这种方法首先对背景进行光顺限制的曲面拟合,再通过设置一个偏移量来形成阈值曲面。通过研究发现,曲面拟合时的偏离项和光顺项的权重系数比是由图像背景的双拉普拉斯变换以及噪声均方差共同决定的,从而在估计噪声均方差的基础上实现了对权重系数的自适应选取。从仿真结果可以看出,本文提出的曲面拟合分割法在背景去除和目标提取上要优于传统的Ostu法和局部阈值法。     

基于自动种子区域生长的超声B图像缺陷分割方法

提出一种基于自动种子区域生长的超声图像缺陷分割方法。首先使用最大类间方差（Otsu）分割法对超声B图像进行一次预分割;其次寻到绝对背景区,并且在此区域内自动设置种子起始点;然后利用区域生长法将缺陷从背景中分割;最后通过数字形态学降噪法来进一步提高缺陷的识别度。实验结果表明:该方法不仅能准确地分割出缺陷,且具有较好的缺陷边界信息,提高了对超声B图像的处理效率,有效地抑制了大部分图像噪声。     

基于最小一乘的虚拟阵元波束形成仿真研究

水下多波束成像系统成像质量的关键主要在于波束形成的质量。在信号频率一定时,常规相移波束形成只有通过增加基阵的孔径来得到更窄的波束,但是在有限的应用条件下,这种方法又受到实际工程的限制。因此,提出一种基于最小一乘估计的虚拟阵元波束形成方法。在低信噪比的情况下,利用最小一乘估计的稳健性可以得到更加准确的估计信号,从而在不增加基阵尺寸的情况下获得更窄和抗干扰性更强的波束,提高阵增益和声呐图像的角度分辨率。通过Matlab仿真并与其他方法比较验证,证明了上述方法的优越性。     

Properties of sparse penalties on inferring gene regulatory networks from time‐course gene expression data

Genes regulate each other and form a gene regulatory network (GRN) to realise biological functions. Elucidating GRN from experimental data remains a challenging problem in systems biology. Numerous techniques have been developed and sparse linear regression methods become a promising approach to infer accurate GRNs. However, most linear methods are either based on steady‐state gene expression data or their statistical properties are not analysed. Here, two sparse penalties, adaptive least absolute shrinkage and selection operator and smoothly clipped absolute deviation, are proposed to infer GRNs from time‐course gene expression data based on an auto‐regressive model and their Oracle properties are proved under mild conditions. The effectiveness of those methods is demonstrated by applications to in silico and real biological data.Inspec keywords: genetics, autoregressive processesOther keywords: sparse penalties, gene regulatory networks, time‐course gene expression data, GRN, biological functions, systems biology, sparse linear regression methods, steady‐state gene expression data, adaptive least absolute shrinkage, selection operator, smoothly clipped absolute deviation, autoregressive model, Oracle properties     

基于直线检测的条码图像几何校正研究

CCD相机采集的图像会产生一定程度的几何变形,需要进行几何校正。常用的图像几何校正方法不适合条码图像的校正,因此,结合已有的边缘检测算法和直线提取算法,提出了基于直线检测的条码图像的几何校正算法。基于直线检测的条码图像校正方法是在已除去背景的图像中,寻找目标的条形码边缘对应的直线,以此确定其偏移角度,并进行扭转校正。实验结果表明,有偏转角度的条码图像运用了所提方法校正后,都得到了有效的几何校正。     

一种高通量dPCR荧光图像自适应增强算法

目的 为了改善荧光图像背景光照不均匀和对比度低的问题,提出一种荧光图像自适应亮度校正和低对比度增强算法。方法 根据光照成像原理,利用引导滤波提取出荧光图像的光照分量,通过改进的二维Gamma函数动态校正背景光照,利用Top-hat变换分离出校正后的前景和背景,对前景进行自适应直方图均衡化,以实现荧光图像自适应增强的目的。结果 对比传统算法,文中算法处理后的图像背景光照均匀,对比度增强效果明显,其中标准差平均提高了9.4倍,平均梯度平均提高了1.2倍,信息熵平均提高了0.2倍。结论 文中算法可以改善高通量dPCR荧光图像背景光照不均匀性,提高图像对比度,突出图像中隐藏的细节,对其他荧光图像处理也具有参考价值。     

一种视频序列的背景提取算法

针对传统背景提取算法的不足,提出一种新的视频序列背景提取方法。根据高斯分布建模图像每个像素位置背景,判断观测值是否和背景匹配,据此决定采用递推更新背景或是批处理更新背景。若高斯分布模型判断观测值和背景模型匹配,则更新高斯模型参数,并使用最小二乘法递推更新背景;对连续判断不匹配背景的像素则采取批处理方法更新背景。实验表明,和其它背景提取算法相比,该算法提取的背景效果好,能有效去除噪声和消除前景的运动模糊。     

中值滤波的视频背景更新

视频流的一个小时间段的图像序列的中值滤波,可以在动态目标不是特别密集的情况下获得较好的实时更新的背景图像.本文重点针对视频动态目标检测中的背景实时更新问题,采用中值滤波方法,进行了比较深入的研究,并就如何选取图像序列进行中值滤波进行了详细的比较计算,建立了中值滤波的理论模型.研究表明,如果图像序列时间段过短,背景中就会有比较大的目标阴影,如果图像序列时间段过长,则不能反映实时背景,在目标检测中会有较大误差.根据理论模型选取时间段适当的几帧图像进行中值滤波,就可以较好地兼顾背景实时性提取和消除目标阴影的目的.