乳腺X线影像中微钙化点检测新方法

提出利用贡献矩阵对图像预处理,利用二维主成分分析方法提取区域特征。先检测感兴趣区域,再检测微钙化点,并提出质量可分级的支持向量机作为分类器,最后利用顺序滤波法对钙化点的检测结果进行修正。实验结果表明,该算法有效地降低了假阳性。     

基于统计量模板的半调图像特征提取与分类

为了实现误差分散半调图像的分类,提出了基于统计量模板的半调图像特征提取与分类方法。利用像素对的概念和统计量模板的特征描述方法,提出了基于分块的特征提取算法。提出了类特征矩阵概念;通过建立误差目标函数和利用梯度下降法来求取最优类特征矩阵,以描述半调图像的类别;探讨了最优类特征矩阵的特性。实验中,与其他类似方法进行了分类性能比较,探讨了参数对分类性能的影响,分析了特征提取算法的时间复杂度。大量实验比较和分析表明,提出的方法是有效的。     

基于视觉显著性的图像特征提取算法

针对现有特征提取算法中存在运算速度慢、误匹配率高、特征点数量冗杂等问题,提出了一种基于视觉显著性特性的图像特征提取算法。首先,分解彩色图像为HSV矩阵,并改进二维局部熵方法,根据人眼视觉特性,计算出图像的对比度、饱和度、相对亮度和轮廓的信息密度;其次,对归一化后的对比度、饱和度、亮度和轮廓矩阵进行变异系数线性组合,构成图像显著性矩阵;然后,通过非极大值抑制、图像指标均匀化筛选以及剔除小面积区域来进一步分离背景,优化感兴趣区域（ROI）;最后,对图像ROI进行分割,再利用改进的尺度不变特征变换（SIFT）算法提取特征。实验结果表明：在显著性区域提取方面,相较于基于定向快速旋转（ORB）和最小凸包的ROI检测算法,所提算法的SP值减小了约15%;在特征提取方面,相较于改进Harris-SIFT算子的快速图像配准算法和信息熵加权的方向梯度直方图（HOG）特征提取算法,所提算法用时分别减少了24%和44%,特征点正确匹配率分别提高了4.8%和3.1%,提取出的特征点数量分别增加了195%和93%。     

基于图像颜色直方图及纹理特征提取的兴趣点凸包检索方法

提出了一种基于图像颜色直方图及纹理特征提取的兴趣点凸包检索方法。首先利用Harris角点检测器检测图像的兴趣点,然后利用正负划分性算法求取兴趣点集合的凸包,确定图像的感兴趣区域,最后计算感兴趣区域的颜色直方图和灰度共生矩阵作为图像特征进行图像检索。在图像检索过程中,保证了图像旋转、平移、尺度不变性。通过对10类1000幅图像进行检索,实验表明该方法与其它基于兴趣点凸包的检索方法相比,提高了图像检索的平均查准率和查全率,可以更准确地查找到用户所需图像。     

基于DCT融合2DPCA与DLDA的人脸识别

传统的基于主成分分析的人脸识别需要将图像矩阵转化为向量,特征提取需要花费大最时间.二维主成分分析直接利用图像矩阵,特征提取速度快,但特征数量大,影响分类速度.因此,提出了一种基于离散余弦变换(DCT)的二维主成分分析(2DPCA)和直接线性判决分析(DLDA)结合的人脸识别方法.算法首先用DCT对人脸图像进行压缩并重建,然后利用2DPCA和DLDA对人脸图像进行特征提取.最后选用最近邻分类器进行分类.在ORL人脸库上的测试结果表明,与DLDA或2DPCA算法相比,算法具有更高的识别率.     

基于SIFT的岩石薄片图像拼接

为了解决传统的基于尺度不变特征变换(SIFT)算法的图像拼接方法无法使用SIFT特征匹配算法对岩石薄片图像中的空白区域图像进行特征提取,进而影响整个岩石薄片图像拼接的问题,在尺度不变特征变换匹配算法的基础上,提出了一种将岩石薄片图像的行列中心位置作为拼接基准点的图像拼接方法。该方法改进了特征点的提取方式、变换矩阵的计算顺序以及矩阵优化的顺序,并利用相邻图像之间的位置关系估计出空白区域图像的变换矩阵,实现了整个岩石薄片图像的拼接。实验结果表明,该方法可以较好地完成岩石薄片图像中空白图像的拼接,能够较为完整地保留整个岩石薄片的纹理信息,具有一定的实际应用价值。     

基于支持向量机的乳腺钙化点检测算法

针对乳腺X线图像微钙化点检测假阳性高的问题,提出一种微钙化点检测算法.算法首先以小波与Top-hat算子相结合的方法进行钙化点粗检测,然后以支持向量机(SVM:Support Vector Machine)为工具对粗检测结果进行真钙化点与假钙化点分类.对开放乳腺图像数据库MIAS的仿真实验表明,算法的检出率超过98%,错检率不足4%,达到理想的检测效果.     

基于不变矩相似度的快速图像拼接

针对图像拼接中普遍存在的效率低和误匹配等问题,提出了一种基于不变矩相似度的快速拼接方法。首先利用不变矩相似度准则,预估输入图像的重叠区域,然后采用SIFT算法进行特征点检测和匹配,减少了不必要的特征提取和误匹配。利用稳健的RANSAC算法实现特征点提纯并计算单应性矩阵。最后,针对带运动目标的动态场景融合后易出现鬼影的现象,提出一种改进的分段线性加权融合算法以消除拼接鬼影。     

基于矩阵模式的人脸表情识别

提出了一种基于矩阵模式的人脸表情识别方法。该算法直接将人脸表情图像矩阵作为矩阵模式,并结合传统PCA和FLDA进行表情特征提取,称之为MatPCA和MatFLDA。与2DPCA等不同,该算法既利用图像矩阵中的行向量间的信息,也充分利用列向量间的信息,尽可能地保留了原始的表情信息。基于JAFFE和CED-WYU（1.0）两个表情数据库的识别结果表明,基于矩阵模式的特征提取方法能有效地提高识别率并节省计算时间。     

基于SURF特征贡献度矩阵的图像ROI选取与检索方法

传统的基于全局特征的图像检索方法中需要对整幅图像特征提取,计算复杂度大,且容易导致语义歧义.针对这一问题,提出一种基于SURF特征贡献度矩阵的ROI选取和图像检索方法.首先采用SURF算子提取图像局部特征,然后依据特征点的Hessian矩阵计算其贡献度矩阵,并将其应用到ROI检测中;在此基础上,融合并归一化ROI的颜色、纹理以及形状等底层特征,利用非线性高斯距离函数进行相似度匹配,实现图像检索.实验结果表明,与已有算法相比,该算法提取的ROI与人类视觉意图一致性高,检索效果较好.