基于惯性矩的图像融合算法

惯性矩作为图像纹理分析的特征量,能有效反映图像的清晰度,据此提出一种新的图像融合算法;该方法首先将源图像分割若干块,并从水平、垂直、+45°、-45°4个方向分别计算出各图像块区域的惯性矩,然后根据惯性矩和清晰度间的关系,对图像作融合处理;融合图像质量除信息熵、对比度等常用方法外,还采用结构相似度法进行客观评价;实验对比结果表明,基于惯性矩法得到的图像清晰度、对比度等均有提高,明显优于传统图像融合算法。     

基于GLCM特征的改进FCM的SAR图像分割方法

为了克服了较大窗口提取图像边缘处特征值的不足,提出一种基于GLCM特征矩阵的动态滑动窗口算法.针对模糊C均值算法中,聚类中心不容易确定,聚类容易陷入局部最优解的问题,将粒子群优化算法(PSO)引入到聚类算法中,实现全局搜索.应用改进的模糊C均值算法完成了基于SAR纹理特征的图像分割,克服了传统聚类算法仅依赖灰度值进行分割的局限性,也一定程度上克服了斑噪声对SAR图像分割的影响.实验结果表明,该方法应用于SAR图像分割时,取得了很好的分割效果.     

基于图像灰度识别的煤泥水絮凝沉降速率快速检测方法

目前矿物组成等影响煤泥水絮凝沉降效果的重要参数缺乏有效的在线检测手段,而浓缩池溢流浊度和界面又存在滞后性问题,限制了选煤厂煤泥水智能加药的发展。针对该问题,提出了基于图像灰度识别的煤泥水絮凝沉降速率快速检测方法。利用CCD相机在线采集煤泥水沉降过程图像,并通过均值滤波法进行降噪,计算图像的平均灰度和平均灰度变化率,利用沉降速率与平均灰度变化率的关系得到沉降速率。通过絮凝沉降实验提取图像的灰度、能量、对比度、方差和相关度等特征值,进行分析验证。分析结果表明：(1) 5种图像特征中,平均灰度的变化符合煤泥水批次沉降过程中沉降速率的变化规律,即存在缓冲区、线性区和稳定区,且变化特征可以在30 s内获得。(2)平均灰度变化率与沉降速率存在较好的线性相关性,煤泥水质量浓度为20 g/L时,不同絮凝剂添加量下图像平均灰度变化率与沉降速率的线性相关系数达0.977 2;煤泥水质量浓度5～25 g/L、絮凝剂添加量为0.1～0.2 kg/t条件下,图像平均灰度变化率与沉降速率的线性相关系数为0.944 1。(3)平均灰度变化率可以在较大范围内适应煤泥水絮凝沉降状态的变化,可用于快速检测煤泥水絮凝沉降速...     

基于BP网络和图像处理的煤矸石的动态识别

为提高煤矸石的自动识别和分选效率,选用基于BP网络和纹理识别煤矸石的方法。为了模拟煤和矸石在线识别,选取粘连在一起的煤和矸石作为样本,经过图像预处理及图像灰度和纹理特征分析后,选取灰度均值、灰度共生矩阵最大值、二阶矩、惯性矩、相关性、熵为有效特征。采用BP网络来完成图像的自动识别过程,选取上述六个参数作为神经网络的输入层,对网络进行训练,实验表明该方法具有较高的识别率。     

基于Gabor变换和灰度梯度共生矩阵的超声无损测温研究

提出了一种基于Gabor变换和灰度梯度共生矩阵(CMGG)的超声无损测温方法.通过高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,实时获取辐照前后的超声图像,对其做数字减影和Gabor滤波,提取归一化后灰度梯度共生矩阵的二阶参数梯度平均、混合熵和逆差矩作为温度的表征参数.实验结果表明:Gabor滤波后的灰度-梯度共生矩阵的二阶参数梯度平均、混合熵和逆差矩与温度的相关系数分别达到0.9804、0.9854和-0.9644,优于传统的灰度均值法和实值Gabor系数法.Gabor滤波后的灰度-梯度共生矩阵的二阶参数混合熵在37℃~55℃能较好地反映温度变化信息,梯度平均则在55℃~85 ℃有更好的测温效果.     

肺腺癌CT影像分子分型研究进展

研究表明在明确驱动基因后进行特异性靶向治疗,肺癌患者的中位生存期显著延长。而除高通量测序技术和荧光原位杂交等分子生物学技术外,影像基因组学的出现,也为肺腺癌分子分型预测提供了一种无创的新方法。本文对肺腺癌计算机断层扫描(computed tomography, CT)影像分子分型的研究进展进行综述。首先,介绍肺腺癌分子分型的研究背景及肺腺癌主要的基因突变类型;然后,重点介绍两种主要的研究方法,即CT语义特征与肺腺癌分子亚型的相关性分析和基于机器学习的肺腺癌分子分型预测模型;最后,总结了该领域现阶段面临的主要问题,并对未来的研究方向做出展望。肺腺癌CT影像分子分型研究已经取得了一定成果,但仍存在很多问题。相关性分析与基于影像组学的预测模型研究由于样本各异且受过多人为干预,导致研究结果差异大,甚至有部分文献得到的结论截然相反。而基于深度学习的预测模型研究采用端到端的神经网络模型,人为参与极少,降低了研究难度,但尚处于起步阶段,构建的模型大多相对简单,远不能达到临床应用标准。今后的研究应聚焦于结合多种医学图像构建肺腺癌分子分型的大样本深度学习预测模型,同时结合临床信息、语义特征及影像组学特征...     

多特征-谱聚类的SAR图像溢油分割

经典的K聚类算法,并不适合实现任意形状的聚类,而且有容易陷入局部最小值的不足.提出基于多个纹理特征的谱聚类算法,该方法用灰度共生矩阵(GLCM)提取合成孔径雷达 (SAR)图像的多个特征值,构建谱聚类的特征矩阵,并依据规范切准则,用K均值聚类的方法对拉普拉斯矩阵的第二小的特征值对应的特征向量进行聚类,实现基于SAR图像的溢油的分割.新方法与传统的K聚类方法比较,可以减少相干斑噪声对分割结果的影响,较好的保持图像边缘.仿真结果显示,该算法对于相干斑噪声影响较大的图像具有较强的鲁棒性.     

基于纹理分析的去噪声方法研究

中巴资源一号卫星高分辨率CCD相机接收的图像数据,灰度值偏低,对比度较差,且存在明显的条带噪声;当图像被增强时,这种条带更加突出,严重影响了图像的质量以及清晰度,不利于数据的应用。从与以往不同角度出发,提出了基于纹理分析的去条带方法。即将图像上具有特定特征的噪声信息看作是某种对应的纹理特征,在基于纹理特征滤波法去噪声基础上,再用灰度共生矩阵法进一步进行直方图平滑,以消除局部噪声。同时将此方法与基于统计的均值调节法进行对比分析。     

灰度图像最大熵分割方法的改进

传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。     

棉花红螨病害叶部图像特征提取研究

目前在棉花生产中辨别病害主要以目测为主,主观判断占据主导。为了实现棉花红螨病害及时、可靠的诊断,基于计算机图像处理技术对病害叶部图像特征进行提取研究。首先利用直方图法提取叶片图像G/R和色调H的均值与方差作为颜色特征,其次由灰度共生矩阵法提取叶片灰度图像的熵和惯性矩作为纹理特征。实验表明,以上特征值能较好区分棉花红螨病害叶片和正常叶片。该方法用于棉花红螨病害的诊断,将会大大提高病害识别的准确率,对棉花红螨病害的有效治理有重要意义。