基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类

提出了一种基于图像技术实现白细胞分类的方法。首先,利用彩色图像的信息转换、距离变换和梯度矢量流活动轮廓(GVF Snake)等方法从血液细胞图像中提取出白细胞;然后,利用细胞核在图像中具有较高颜色饱和度的特点,结合数学形态学和GVF Snake方法从白细胞中精确地提取出细胞核。最后,根据细胞的形态、颜色及纹理特征用支持向量机(SVM)对白细胞进行分类。实验结果表明:在上述图像分割的基础上,基于支持向量机分类器的方法对白细胞进行分类,分类准确度能够达到89.6%。与其他传统的分割和分类的方法相比,本文提出的方法具有一定的优越性。     

二分粒度聚类和KELM的全景图像火焰识别研究

针对现有灭火机器人视觉系统的窄视野且检测结果受光照变化干扰的问题,提出了一种应用于大视角全景图像火焰识别且抗光照变化干扰的二分粒度聚类优化的核极限学习机方法.首先,对全景图像建立抗光照变化干扰的颜色模型;然后在该颜色模型下利用经过二分和粒度思想改进的K-means聚类算法分割疑似火焰区域与非火区域;最终提取疑似火焰区域的颜色分量等特征参数作为输入向量来训练核极限学习机(KELM)分类器以提取火焰区域.经仿真研究证明,该算法能快速准确识别全景火焰图像,对光照变化具有良好的鲁棒性,且通用性强.     

基于支持向量机的X射线焊缝缺陷检测

为提高对焊缝缺陷的检测精度,提出采用支持向量机(Support Vector Machine,SVM)分类的方法对X射线焊缝图像进行分割.选择训练样本图像的灰度、形态学梯度作为训练向量的特征分量对SVM进行训练,得到SVM分割模型后,将测试样本输入分割模型进行分割处理.以气孔缺陷为例,证明了该方法能实现焊缝气孔缺陷的准确分割,与其他分割方法相比,可提高缺陷检测的精度.     

火灾图像分割与目标识别方法研究

火灾现场环境复杂,获取的图像对比度较低,边缘模糊,使得火灾图像分割和火焰区域识别困难。为此,提出了一种基于色彩空间的火灾图像分割与多特征量融合的火灾图像识别方法。首先通过颜色特征找出可疑的火焰发生区域,然后通过色彩空间的H、S、I特征的线性组合对可疑区域进行分割,接着分析和提取可疑区域的火焰特征,输入提取的火焰颜色、纹理和形状特征,利用BP神经网络建立火灾识别模型,并以光、气焰和烛焰为干扰,通过神经网络的训练,最终分类和输出。仿真结果表明,火灾识别精度高,鲁棒性好。     

一种新的基于聚类的SVM迭代算法

提出了一种新的基于聚类的支持向量机迭代算法,该算法首先通过聚类方法从训练样本集中选择出最有可能成为支持向量的一组向量组成训练子集,再用迭代训练的方法迅速构建一个最优SVM分类器.实验证明,该算法使SVM训练时间大为缩短,在不影响正确率的前提下使算法的效率得到大幅度的提高.     

基于改进鲁棒多分类SVM的烟叶颜色分级分类方法研究

提出了一种基于改进鲁棒多分类SVM的烟叶颜色等级分类方法,将烟叶图像颜色转为HSV空间。该方法提取烟叶上、中、下三个区域一、二、三阶颜色矩作为分类特征,改进SVM分类器对各色组离群训练样本的约束,减少依赖,提高分类模型对样本分类的精确度。在改善SVM二分类器的基础上采用一对多的多分类策略,实现烟叶颜色6个等级的识别判断。试验结果表明,改进鲁棒性SVM方法下所训练模型对未来烟叶颜色等级的识别率比HL-SVM方法的识别率高6.29%。     

血及骨髓涂片中血细胞的自动检测和分割

为了开发血及骨髓涂片中血细胞自动分类及计算机辅助诊断系统,提出了一个基于自适应多尺度阈值和流域变换的彩色混合分割算法完成对有核血细胞(胞核和胞浆)的检测和分割。该方法有效地利用了图像中血细胞的颜色信息及细胞的一些先验知识,快速地完成对有核细胞的检出和粘连细胞的分离。结果显示胞核和胞浆的分割成功率分别为91.9%和88.4%。它必将提高对血细胞的自动分类性能。     

基于两阶段集成支持向量机的前列腺肿瘤识别

从核磁共振成像(MRI)对前列腺肿瘤的诊断人手,提出了一种基于两阶段集成支持向量机(SVM)的前列腺肿瘤辅助诊断方法.首先,提取MRI图像中的前列腺感兴趣区域(ROI)的统计特征、纹理特征和不变矩特征;然后,在不同的特征空间里,使用不同的核函数来扰动SVM参数并在不同的特征空间生成个体SVM,通过相对多数投票进行第一次集成;接着把第一次集成结果用相对多数投票进行第二次集成;最后,以前列腺患者的MRI图像为原始数据,采用两阶段融合集成SVM对前列腺肿瘤进行辅助诊断.实验显示,第一次集成分类准确率最高比单SVM提高了26.67％,第二次集成分类准确率比第一次集成SVM提高了3.33％,结果表明本文算法能够有效提高前列腺肿瘤的识别精度.     

自然环境下基于颜色聚类和颜色距离的死钩检测

针对目前火车死钩检测无法自动实现的问题,提出了一种自然环境下基于颜色聚类和颜色距离的死钩检测方法.根据死钩和车厢颜色的对应关系,使用CCD(charge-coupled device)相机获取现场车厢图像并提取前景区域和背景区域的颜色特征,通过分析该颜色信息的差异来判断车厢之间的连接是否为死钩.首先获取特定区域的颜色信息,然后采用FCM(fuzzy Cmean)聚类算法对颜色信息进行分类得到该区域的单一颜色特征,最后根据HLC(hue,lightness,hromatic)颜色空间和人类颜色视觉的相似关系,计算颜色特征对的NBS(national bureau of standards)颜色距离.利用翻车作业现场火车车厢图像进行检测,实验结果验证了该方法具有对颜色差异的高敏感性和识别的准确性,可以满足实际死钩检测的需要.     

白细胞图像的自动分割算法

根据白细胞核在其饱和度分量S和绿分量G中的分布特点,构造细胞变换图像,提取细胞核,实现白细胞的初步定位.对存在细胞粘连的细胞图像,利用细胞边缘的相位角变化来检测细胞粘连区域并除之,采用线性插值法拟合边缘曲线,得到封闭的白细胞边缘轮廓,最终提取白细胞.本算法可自动分割白细胞,具有很好的分割效果.