基于MRI高通量分析的颞叶癫痫识别

颞叶癫痫是一种常见的癫痫类疾病,基于磁共振成像(MRI)图像的颞叶癫痫识别可以避免正电子发射计算机断层成像(PET)对人体的辐射伤害。本文提出了一种基于MRI高通量分析的颞叶癫痫识别算法:对于脑部MRI图像,先利用SPM12平台将MRI图像配准到标准脑图集,在同一坐标系下再按照AAL分区提取海马区作为感兴趣区域;然后对提取的感兴趣区域进行高通量分析,提取540个图像特征;最后用Bagging分类方法进行分类,区分正常人与颞叶癫痫患者。实验用30例(10例病人、20例正常人)MRI图像进行算法验证。结果表明:该算法能有效对颞叶癫痫患者与正常人进行分类,分类准确率达到100%。因此,本文提出的基于提取海马区进行高通量分析再用Bagging进行分类判决的方法能有效地在MRI图像上识别出颞叶癫痫。     

无人机侦察图像压缩

为了减少图像数据的存储空间并高质量恢复侦察目标区域,提出了一种基于感兴趣区域分割压缩重构的新方法。首先,利用侦察目标具有规则性的特点,识别提取出感兴趣区域。然后,采用基于区域的分割算法将原图像分割成感兴趣区域(ROI)和背景区域(BG)。最后,选用基于小波变换的压缩方法,采用多级树集合分裂算法(SPIHT)嵌入式编码对分割开的ROI和BG用不同的编码比特率进行编码压缩。仿真试验证明,在同样环境下,采用本文提出的算法,感兴趣区的压缩效果比较好,恢复后图像更符合人眼视觉特性。和其他算法的处理结果比较,本文算法的图像峰值信噪比有所提高,很好地解决了高压缩比和目标图像质量之间的矛盾。     

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.     

肺结节自动检测算法研究

本文研究一种用于自动检测CT图像中肺结节的计算机辅助检测(CAD)算法.该算法首先从CT图像中分割出肺部区域,然后利用基于图像灰度分布的阈值方法提取出包含肺结节和血管的感兴趣区域(ROIs).在研究区分肺结节和血管的特征之后,利用基于规则的判别方法将感兴趣区域进行分类并提取出肺结节.运用本算法对232幅CT序列图像进行实验,实验结果表明运用该算法具有高达85%的检出率.     

OpenCV在保险杠型号识别中的应用

针对保险杠生产加工中人工分类限制了自动化作业的问题,提出一种基于开源计算机视觉库(OpenCV)的保险杠识别方法。通过对比基于阈值和基于区域的图像分割效果,确立了均值聚类作为图像分割的最优算法。为避免感兴趣区域包含环境噪音,提出了叠加法和簇中心法两种感兴趣区域提取方法。分别使用形状识别的三种匹配度计算公式对特征轮廓的几何不变矩进行匹配计算,根据计算结果提出了差异化计算方法,增强了识别方案的鲁棒性。     

基于SURF算子的快速手背静脉识别

提出基于加速鲁棒性特征(speeded-up robustfeatures,SURF)的手背静脉识别算法.首先对手背静脉图像进行预处理,提取手背静脉感兴趣区域(ROI),然后提取手背静脉的局部SURF特征,基于欧式距离实现测试样本和注册样本特征点的匹配,并剔除错误匹配对,最后计算匹配率作为待识别样本和注册样本之间的相似度测试实现身份识别.利用TJU手背静脉图像数据库对算法性能进行测试,在认证模式下等错率为0.07%,平均识别时间0.153 s.实验结果证明该算法可以快速有效地实现手背静脉识别.     

基于卷积神经网络的数码仪表识别方法

为了在复杂多变的环境中实现对数码仪表正负号和小数点的实时识别,提出了一种基于卷积神经网络的数码仪表识别方法。先采用模板匹配方法对目标图像提取感兴趣区域,并对感兴趣区域进行分割,然后对分割的单字符区域采用卷积神经网络进行0~9数字、正负号的识别,再对分割的小数点区域采用MOSSE算法进行小数点识别,最后根据单字符、正负号和小数点的识别结果获取读数。实验结果表明,该方法能够在复杂的环境下准确且稳定地识别数码仪表读数。     

基于视觉显著性的木板实时分类方法研究

木板分类是木制家具制作的重要环节,现有的木板分类算法仅从纹理特征方面进行分类,且运用的纹理分析方法与实际人眼分类标准具有一定的差异性,如局部二值模式法(LBP)、灰度共生矩阵法(GLCM)等方法。从人眼仿生角度出发,将视觉显著性融入基于木板表面综合特征的分类算法中,提出一种基于木板视觉显著性的分类方法。采用高精度线阵相机搭建机器视觉系统进行木板图像的实时采集,通过动态阈值分割、特征筛选、形态学处理等方法识别图像中的木板区域,提取基于视觉显著性的木板纹理区域占空比,木板纹理区域与背景区域的对比度等特征,构建多层神经网络进行分类识别。利用从木材加工厂实时采集的1 156张木板图片进行分类实验,实验证明基于视觉显著性输入特征的多层神经网络可以完成木板分类任务,且具有94.17%的分类准确率。     

基于深度网络迁移学习的致痫区脑电识别

致痫区脑电识别能够为癫痫外科手术提供重要的参考价值。提出了一种基于深度网络迁移学习的致痫区脑电识别算法。首先利用连续小波变换(CWT)对脑电信号进行时频分析,获得脑电信号时频图;然后迁移学习AlexNet网络模型,调整网络结构使之适应于致痫区脑电识别,将模型第7层全连接层输出作为脑电信号时频图的特征表示,最后利用支持向量机(SVM)、BP神经网络、长短期记忆网络(LSTM)、基于稀疏表达分类算法(SRC)、线性判别分析(LDA)等分类算法进行特征分类。基于开源脑电数据集采用十折交叉验证的方法对算法进行了验证,比较6种分类器的效果,得到SVM算法的平均特异性为88.81%,灵敏度为88.07%,准确率为88.44%,证明了该方法识别致痫区脑电信号的有效性。     

基于DWT和PCA及LDA的人耳识别

根据主成分分析(PCA)和线性判别分析(LDA)在人耳识别过程中存在识别率不高的问题,提出一种基于离散小波变换(DWT)和PCA及LDA的人耳识别算法。将人耳图像进行二维DWT,选择包含图像大部分信息的低频子带,先利用PCA再利用LDA提取最优样本映射空间,最后利用最近邻法则进行人耳图像的分类。实验结果表明,该方法识别效果优于基于PCA及LDA的方法。     

基于直方图数据拟合的PCB板嵌孔识别研究

快速精准地识别PCB板上感兴趣区域的位置,是图像处理过程中衡量算法有效性的重要指标。在图像处理的前期,通过分析同一背景条件下灰度曲线的变化趋势,确定光照不均匀对于PCB板感兴趣区域的影响,提出了运用同态滤波处理降低图像灰度变化的动态范围,从而加强感兴趣区域中目标和背景的对比度。基于现阶段相关PCB板的识别分割算法,针对研究对象PCB板实际感兴趣区域的灰度分布,探讨了全局阈值分割方法的优势。在此基础上,为了更精确的图像分割效果,提出了一种基于灰度直方图数据拟合的阈值分割方法。根据不同的阈值分割算法对图像进行处理,通过比较分析,结果表明本文提出的算法能够更加快速精确地分割出图像的感兴趣区域。     

基于HALCON的水果识别算法研究

采用基于机器视觉的方法,研究具有不同特征的水果的自动分类识别方法。首先通过对相机采集到的图像进行颜色空间转换、图像增强、图像分割等一系列算法的预处理,提取水果区域从而获得准确的颜色模型和纹理特征,再利用基于MVTec HALCON软件平台的SBI(Sample Based Identification)分类器算法,根据水果的颜色和纹理进行训练和识别。实验结果表明,基于样本的识别方法对经过处理后的水果图像识别具有较强的适应能力,并且具有良好的鲁棒性,总体识别率可达98.5%。     

数字X光医学影像压缩技术

针对数字X光影像仪(CR)影像的特点以及CR成像与成像板(IP)密切关系,提出一种基于图像阈值分割,并对分割的不同区域采用不同压缩方法的数字X光(CR)医学影像压缩技术.首先分割出暗背景区,进行中值滤波,然后行程编码,再根据IP板与X光曝光剂量的关系,将感兴趣区12bit像素降低量化级别降低为9.3bit来降低数据量,并采用嵌入式小波变换方法实现近无损压缩.实验结果表明,在高压缩比条件下,感兴趣区仍具有较高的峰值信噪比(PSNR),保征了感兴趣区的图像质量,具有良好的视觉效果.     

非均匀磁共振压缩成像的交替方向乘子法

为了缩短磁共振成像的扫描时间、提高成像质量,提出一种在压缩感知框架下的非均匀磁共振压缩图像交替方向乘子算法。该方法联合考虑磁共振成像(MRI)图像在变换域和梯度域下的稀疏性,并使用非均匀傅里叶变换实现插值处理,在此基础上构建出MRI图像重构模型,然后采用交替方向乘子法求解该模型。该算法引入辅助变量,将原始模型中的优化问题分解为更容易求解的子优化问题,再使用交替方向最小化方法分别求解。通过一个乐高积木和一个老鼠心脏的径向MRI压缩成像实验来验证算法的有效性。实验中利用磁共振图像从5%到30%(步进为1%)的欠采样数据进行图像重建,并采用重构图像与原始图像的结构相似度评价重构图像质量,结果显示基于该方法的压缩成像算法重构图像质量显著优于基于回溯线搜索的共轭梯度法的重构图像。同时,以峰值信噪比作为图像质量的评价指标对两种算法下的老鼠心脏重构图像进行比较,依然得到相同的结论。     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

基于图像处理的光纤预警系统模式识别

针对相位敏感光时域反射计(Φ-OTDR)光纤预警系统对一维信号进行模式识别产生的误报和较低的识别效率,提出基于形态学方法提取时空二维信号特征,并利用相关向量机(RVM)分类器对事件进行分类识别的方法。首先,将Φ-OTDR采集到的时空二维信号当作图像,根据信号在图像上的特征采用图像处理的方法对不同入侵事件信号进行阈值分割。然后,基于本文提出的特征提取方法,利用不同事件区域在幅值、面积、形状以及区域间隔上的差别提取不同信号特征。最后,利用相关向量机分类器对不同事件信号进行识别并采用"一对一"的多分类策略。对3种管道安全事件进行了实验。实验结果表明,本文提出方法的识别精度能够达到97.8%,而算法时间不到1s。与传统模式识别方法相比,提出的算法大幅度地改善了系统性能,且简便易行,能够满足Φ-OTDR光纤预警系统在线实时监测的要求。     

基于多尺度水平集的MR图像海马区分割方法

针对MR图像中海马区存在灰度不均匀性,基于区域动态轮廓的C-V模型只利用区域信息无法获得准确的海马区分割问题,结合多尺度边缘约束的演化思想和图像区域的全局信息,提出了一种结合边缘和区域信息的多尺度水平集MR(magnetic resonance)图像海马区分割方法.首先,在C-V模型的基础上采用内部约束能量项,消除水平集的重初始化,提高分割速度;其次,改进水平集函数中外部能量项的图像区域全局信息,解决由于灰度不均匀所引起的分割不准确问题;最后,在水平集函数的外部能量项中加入基于多尺度图像边缘的梯度信息,作为边缘约束停止项,使分割效果达到优化.实验结果表明,该算法对存在灰度不均匀性的图像海马区分割速度快、准确率高.     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

直线道路识别实用性的优化分析

为了提高车道识别的实时性与鲁棒性,提出了一种车道识别优化方法。通过建立强鲁棒性的车道模型,对传统的道路图像边缘算法优化处理:图像预处理中充分考虑实用性,采用了加权平均法实现灰度化、中值滤波法降噪处理以及自适应Otsu法二值化分割图像、Canny算法实现边缘检测;基于模型利用极角极径法提取图像的感兴趣区域,改进Hough算法实现有效车道线的识别。最后实验证明,通过与传统方法比较,该算法极大提高了车道识别的效率并且增强了可靠性。