共查询到18条相似文献,搜索用时 78 毫秒
1.
为了减少计算机分析乳腺肿瘤影像的数据量,提高肿瘤病灶计算机辅助探测和辅助诊断的精确度,降低假阳性和假阴性,乳腺肿瘤区域的提取是至关重要的。基于乳腺恶性肿瘤和有些良性乳腺瘤(如纤维性瘤)的边缘模糊不清和凹凸多变的特性,传统的边缘提取算子和阈值法分割乳腺肿瘤区域很困难,该文提出应用基于可变形模型的梯度矢量流的方法提取乳腺X光片肿瘤区域,用基于亥姆霍兹最小能量损耗原理的一种新的外部能量代替传统方法的外部能量,从而解决了传统方法的可变形轮廓线不能收敛于目标边缘凹陷处的问题,并取得了良好的效果,为进行乳腺X光片肿瘤区域的形状特征提取提供了前提。 相似文献
2.
3.
结合普通纸笔交互方式对纸张检测的实时性和鲁棒性的要求,提出了一种基于边缘检测的快速纸张检测方法。在边缘检测阶段,提出了跨层特征融合的快速纸张边缘检测方法。在HED主干网上添加线性瓶颈逆残差块和融入高效通道注意力的B-ECA块,大幅度减少了参数量,增加了显著特征的权重;分阶段融合各阶段各层特征,保留了更多的边缘特征;对高阶段特征上采样,并与低阶段特征进行跨层特征融合,解决了边缘模糊的问题。在自建的MPDS数据集上进行训练和测试,相较于HED方法,提出的纸张边缘检测方法在ODS和OIS指标上分别提高了8.1%和6.6%,检测速度由22.08 fps提高到了39.02 fps。在纸张提取阶段,提出了基于纸张结构约束的纸张提取方法。依次对纸张边缘进行基于非极大值抑制的边缘细化、直线检测与筛选、结构约束的纸张顶点提取,最终提取出只包含纸张的图像。实验结果表明,在各种复杂桌面环境及遮挡情况下,提出的纸张提取方法均可以快速、准确地提取完整的纸张图像,可以为普通纸笔交互方法提供交互基础。 相似文献
4.
当两类中的样本数量差别较大时,支持向量机的分类能力将会下降。该文提出了一种支持向量机新算法——DFP-PSVM,将有约束条件的二次规划问题转换为无约束二次规划问题,并通过优化计算来实现。为了克服传统的蛇形算法不能收敛于边缘凹陷处以及初始化过于敏感的缺点,采用基于可变形模型的梯度矢量流方法,提取了乳腺X光片中的肿瘤区域,分析了3个基于边缘的价矩。将其他肿瘤形状特征作为DFP-PSVM分类算法的特征输入,进行恶性肿瘤和良性肿瘤的计算机辅助诊断。实验表明,在小样本、两类样本数量“严重不均衡”的情况下,该算法有着较强的分类能力。 相似文献
5.
6.
针对立体图像匹配中的特征检测问题,提出了一种基于树结构的立体图像中边缘点、直线段、交点和凸多边形区域等特征的检测方案。该方法首先基于改进的Canny算子实现立体图像边缘的检测;基于立体图像的边缘梯度信息,文中提出一种分层并行式迭代式链码跟踪方法实现图像中直线段的检测:为提高检测速度并有利于凸多边形区域特征的检测,基于凸多边形区域的几何定义,通过提取直线段交点并采用树结构实现对已检测的相关直线段信息的遍历处理,最终得到树结构表示的凸多边形区域特征。实验证明,所提方法在结构化环境具有很好的检测精度和实时性。 相似文献
7.
一种遥感图像中建筑物的自动提取方法 总被引:1,自引:0,他引:1
目前,传统建筑物识别方法通常采用基于建筑物边缘线性特征的识别算法,这类方法具有简单高效的优点,但识别率较低。该文提出了一种综合利用建筑物的若干特征进行自动识别的方法。首先用Canny算子提取边缘。然后根据建筑物的空间分布特点和Hough变换特性。在Hough变换域进行建筑物边缘方向统计来筛选边缘线段,提取出潜在的目标边缘线段;接着该文提出了对建筑物的几何特征(例如矩形特征、角点特征和阴影特征等)和灰度特征进行识别的算法,将其识别结果做为判定建筑物目标的依据,最终准确地提取出建筑物。大量实验证明该方法相比较单一的线性特征检测方法,速度快、准确率高.具有较强的实际应用价值。 相似文献
8.
基于点特征的视觉SLAM算法由于在弱纹理环境中提取特征不足,不能产生可靠的相机运动估计。边缘特征相比于点特征具有更丰富的环境信息,然而,直接引入边缘特征,会影响系统的实时性。因此本文提出一种基于点边缘特征自适应融合的视觉SLAM定位算法。在前端,提出一种基于网格法评估点特征质量的方法,用于判断外部环境的纹理情况。在后端,自适应外部环境构建不同的视觉约束项以优化相机位姿。此外,引入距离变换算法,构建边缘特征的距离误差函数,提高迭代优化的速度。本文用最流行的公开数据集对提出的视觉SLAM算法进行评估,并与最先进的算法进行比较。实验结果表明,在弱纹理环境下,本文算法比最先进的ORBSLAM算法的平均定位精度提高了22.3%,在丰富纹理场景也取得了更优的定位精度。 相似文献
9.
颅脑核磁共振图像( MRI)的肿瘤图像由于自身对比度较低、肿瘤边缘模糊以及肿瘤形状复杂等因素,导致其难以被准确提取。为此,提出将归一化割算法和基于符号压力( SPF)函数的活动轮廓模型相结合,对颅脑MRI肿瘤进行提取的算法。利用基于SPF函数的活动轮廓模型,实现对归一化割算法提取肿瘤边缘的收敛,通过设置收敛的迭代次数和光滑系数完成对颅脑MRI肿瘤边缘的收敛速度和形状的控制,使最终曲线停止于真正的肿瘤边缘。仿真结果表明,该算法克服了肿瘤形状变化及对比度等因素对肿瘤提取的不利影响,能稳定而准确地提取颅脑MRI肿瘤。 相似文献
10.
基于图像特征与面向对象BP算法的边缘检测 总被引:4,自引:0,他引:4
提出了一种基于图像特征与面向对象BP神经网络的边缘检测方法。首先,在图像特征的选取上,充分考虑边缘和噪声的本质区别,构造具有较强抗噪能力的特征向量;然后用经人工处理的样本对BP网络进行训练,将训练后的网络用于图像的边缘检测。 相似文献
11.
为了克服边框匹配算法因边框匹配不准确而导致最优运动矢量的漏选,以及差错掩盖效果明显下降的问题,提出了一种新的基于外推运动矢量的自适应时域差错掩盖算法。首先,根据宏块运动矢量的时空相关性,从相邻宏块的运动矢量及其外推运动矢量中自适应地构造出一个有限的候选运动矢量集;然后,利用边框匹配算法从构造的候选运动矢量集中选取最佳运动矢量进行差错掩盖;最后,在H.264/AVC的参考模型JM12.2中编程实现该算法。大量仿真实验结果表明,本算法可以明显降低最优运动矢量的漏选,在解码端取得了较为满意的差错掩盖效果。 相似文献
12.
提出了一种新的基于边界向量的增量式支持向量机学习算法。该算法根据支持向量的几何分布特点,采用边界向量预选取方法,从增量样本中选取最有可能成为支持向量的样本形成边界向量集,在其上进行支持向量训练。通过对初始样本是否满足新增样本KKT条件的判断,解决非支持向量向支持向量的转化问题,有效地处理历史数据。针对UCI标准数据集上的仿真实验表明,基于边界向量的增量算法可以有效地减少训练样本数,积累历史信息,具有更高的分类速度和更好的推广能力。 相似文献
13.
最小二乘支持向量机采用最小二乘线性系统代替传统的支持向量即采用二次规划方法解决模式识别问题,能够有效地减少计算的复杂性。但最小二乘支持向量机失去了对支持向量的稀疏性。文中提出了一种基于边界近邻的最小二乘支持向量机,采用寻找边界近邻的方法对训练样本进行修剪,以减少了支持向量的数目。将边界近邻最小二乘支持向量机用来解决由1-a-r(one-against-rest)方法构造的支持向量机分类问题,有效地克服了用1-a-r(one-against-rest)方法构造的支持向量机分类器训练速度慢、计算资源需求比较大、存在拒分区域等缺点。实验结果表明,采用边界近邻最小二乘支持向量机分类器,识别精度和识别速度都得到了提高。 相似文献
14.
基于自适应边界向量提取的多尺度v-支持向量机建模 总被引:1,自引:0,他引:1
针对v-支持向量机(v-SVM)用于大规模、多峰样本建模时易出现训练速度慢和回归精度低的问题,提出基于边界向量提取的多尺度v-SVM建模方法.该方法采用一种自适应边界向量提取算法,从训练样本中预提取出包含全部支持向量的边界向量集,以缩减训练样本规模,并通过求解多尺度v-SVM二次规划问题获取全局最优回归模型,从多个尺度上对复杂分布样本进行逼近.仿真结果表明,基于边界向量提取的多尺度v-SVM比v-SVM具有更好的回归结果. 相似文献
15.
基于乘性规则的支持向量域分类器 总被引:18,自引:0,他引:18
该文提出了一种基于支持向量域描述(SVDD)的学习分类器.在两类样本分类中,该算法在训练时通过对1类样本的描述求取包含1类样本的球形边界.然后通过该边界对两类样本数据进行分类,并且在求取边界的优化问题中,采用乘性规则来直接求取Lagrange乘子,而不是用传统的二次优化方法.该文所获得的学习算法和支持向量机(SVM)与序列最小优化(SMO)算法相比,不仅降低了样本的采集代价,而且在优化速度上有了很大提高.通过CBCL人脸库的仿真实验.将该算法和SVM、SOM算法的实验结果进行对比,说明了该学习算法的有效性. 相似文献
16.
针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始样本作为训练集,减少训练集的数量,则可以在不影响分类精度和泛化性能的前提下显著缩短v-支持向量机的训练时间。仿真结果表明该算法的有效性。 相似文献
17.
针对最小二乘支持向量机缺乏稀疏性的问题,提出了一种基于边界样本的最小二乘支持向量机算法。该算法利用中心距离比来选取支持度较大的边界样本作为训练样本,从而减少了支持向量的数目,提高了算法的速度。最后将该算法在4个UCI数据集上进行实验,结果表明:在几乎不损失精度的情况下,可以得到稀疏解,且算法的识别速度有了一定的提高。 相似文献