唐卡图像分类知识库的初步设计与构建

唐卡图像构图形式复杂,其要表现的是由其构图元素所代表的深层内容,而对这些内容的解释需要专业的唐卡知识.本文主要针对在计算机中对唐卡图像接内容自动分类问题实际需要,以之前对唐卡的数字化研究为基础,通过唐卡构图分析,知识获取、表示,最后设计和构建了唐卡图像知识库,实现了唐卡图像既定目标的自动推理分类功能,为今后唐卡的智能化处理做了尝试性探索.     

基于频率谱变化量的唐卡图像特征提取与表示

提出了一种在频域空间内用频率谱变化量来表示图像轮廓特征的方法,并在宗教类唐卡图像的头饰分类中得到了成功的应用。标注图像的头饰区域,应用基本全局门限和用户观察直方图选择阈值相结合的方法分割标注区域;将图像中的像素点转换成直角坐标系下的坐标点,并提取典型轮廓点;通过傅里叶变换将典型轮廓点转换到频域空间,应用频率谱值较小的那部分的变化量作为轮廓特征,提取轮廓内部的颜色特征。实验证明,应用所提取的头饰特征可以有效地对唐卡图像进行分类。     

基于头饰特征的唐卡标注和检索

通过提取唐卡头饰特征实现自动分类的主要步骤有:通过人机交互选择头饰区域,采用迭代与基于RGB的算法分割,预处理分割结果,获取头饰的初始分割图;提取初始分割图的欧拉数特征以分出头冠;提取初始分割图外轮廓的傅里叶描述子特征,根据特征值到各自聚类中心的距离来分类发髻和僧帽。唐卡头饰自动分类的实现,提高了分类效率,满足了头饰自动语义标注和语义检索的需要。根据应用需求,设计的唐卡检索系统不仅可以实现基于文本、内容和语义的检索,还提高了检索的精确度。     

唐卡图像关键区域对象概念的语义相似度计算

唐卡图像中关键区域对象的概念所表达内涵具有一定的相似性,进行定量计算和分析,对研究唐卡图像高层语义检索具有重要意义。针对该问题,引入形式概念分析,提出一种唐卡图像关键区域概念语义相似度的计算方法。首先提取唐卡图像中关键区域对象的概念和一系列的语义关键词作为形式背景来构造概念格,通过概念格计算概念间的语义相似度,实验结果表明,本文方法计算结果与人工判断结果相吻合,具有可行性和有效性。     

唐卡褪色区域分割

采用数字化技术修复唐卡需先对唐卡破损区域进行分割,针对唐卡褪色区域的特点,提出一种分割算法.首先对破损图像的灰度图进行二值化和分块处理,并对处理后的2种图像进行与操作得到分割结果1;再对分割结果1中白色区域覆盖的灰度图利用最大类间分割法和基于数学形态学的分割法进行分割,得到分割结果2和分割结果3;合并分割结果2,3得到分割结果4;从分割结果1～4中选择分割效果最佳的图像,去除小面积破损区域和伪破损区域得到最终的分割结果.实验结果表明,该算法对唐卡褪色区域的分割效果较好,具有一定的鲁棒性.     

基于圆形区域定位的肖像类唐卡图像头饰分割算法

针对肖像类唐卡图像头光区域呈圆形的特点,将圆检测算法应用到肖像类唐卡图像头光区域的定位中,并在此基础之上提出了一种自动分割头饰的算法。该算法首先利用圆检测算法定位出头光所在的大概位置;然后利用头光颜色的空间分布特征、头饰外轮廓以及边缘检测结果实现头饰分割。实验结果表明,该算法在肖像类唐卡图像头饰的分割中具有头饰定位准确的特点,并且主尊比例和头饰大小的变化不会影响分割效果。     

一种基于贝叶斯和神经网络的医学图像组合分类方法

医学图像分类是当前医学图像自动诊断和模式识别领域的一个新的研究热点,其任务是从给定的医学图像训练样本中提取能反映图像内容的特征,并根据这些特征进行图像分类,实现医学图像中病变组织的自动识别,以保证临床医学诊断更客观、准确和科学.通过对医学图像分类中的一些关键问题分析和研究,提出一种基于贝叶斯和神经网络的医学图像组合分类方法,并据此构造出医学图像组合分类器.这种组合分类器能够充分发挥各个分类器的优点,获得较好的图像分类结果.     

基于脉冲神经网络与移动GPU计算的图像分类算法研究与实现

计算机视觉旨在通过计算机模拟人的视觉系统,让计算机学会"看",是人工智能、神经科学研究的一个热点。作为计算机视觉的经典任务,图像分类吸引了越来越多的研究,尤其是基于神经网络的算法在各种分类任务上表现优异。然而,传统浅层人工神经网络特征学习能力不强、生物可解释性不足,而深层神经网络存在过拟合、高功耗的缺点,因此在低功耗环境下具有生物可解释性的图像分类算法研究仍然是一个具有挑战性的任务。为了解决上述问题,结合脉冲神经网络,设计并实现了一种基于Jetson TK1和脉冲神经网络的图像分类算法。研究的主要创新点有:(1)设计了深度脉冲卷积神经网络算法,用于图像分类;(2)实现了基于CUDA改进的脉冲神经网络模型,并部署在Jetson TK1开发环境上。     

图像分类识别方法研究

图像分类识别是用计算机对图像进行一系列操作来识别不同的图像,包括图像预处理、图像的分割、图像的特征提取,最后是图像的分类。图像分类识别方法多来源于模式识别,近年来随着计算机技术发展和分类算法提出,图像分类识别方法越来越多。该文分析的分类算法是在模式识别基础上进行图像分类识别,首先介绍图像分类识别国内外研究现状,然后分析几种分类识别算法的优点和缺陷,便于更好地深入研究图像的分类算法。     

唐卡领域本体构建研究

为实现唐卡数字资源的共享和重用,建立用计算机语言来表达的唐卡领域知识系统,从现有的本体相关理论出发,使用本体的形式化定义形式,对唐卡的概念进行语义形式化描述,利用七步法构建了唐卡领域的核心本体,对唐卡分类、唐卡知识库构建、唐卡信息智能检索等方面的进一步研究具有重要意义。     

形态学与RCF相结合的唐卡图像边缘检测算法

唐卡图像的内容丰富,纹理信息复杂。边缘检测在唐卡图像分析研究中具有非常重要的意义,因为唐卡图像轮廓含有大量的图像数据信息。数学形态学方法提取的边缘光滑连续,但是对复杂的边缘检测时会存在模糊不清晰的现象~([1])。卷积神经网络(CNN)可以提取很多高层的、多尺度的信息~([2])。为此提出的边缘检测方法,用优化的数学形态学算法提取原图像边缘;利用训练的RCF网络模型~([3])提取原图像的边缘。根据小波变换的分解与重构原理将以上方法得出的图像边缘融合,从而得到更加完整光滑的图像边缘。实验表明,融合后的图像边缘更加清晰连续,轮廓信息更符合人类的视觉认知,去掉了无效的细节纹理,更有利于唐卡图像后续研究。     

计算机辅助绘制黑白唐卡EI北大核心CSCD

唐卡是佛教文化中一种独具特色的绘画艺术形式,构图复杂、绘制精细,黑白唐卡是其中一个独特的分支.针对手工绘制黑白唐卡物体表面的明暗渐变非常耗时耗力的问题,提出一个计算机辅助绘制黑白唐卡的系统.首先对输入的唐卡黑白线条图物体区域进行颜色标记;然后针对区域内部从一条边界向其他边界由暗变亮的物体,综合区域遮挡关系和几何特征提取线条两侧明暗特征;再针对区域内部从边界向内部由暗变亮的物体,通过距离变换或人工交互设置物体灰度控制图像;最后将明暗特征和控制图像代入泊松方程求解,得到黑白唐卡中各类物体精细明暗渐变.文中给出了黑白唐卡的绘制效果.     

基于样本块的唐卡图像修复技术研究

图像的修复技术已成为图像工程领域的一个新的活跃研究方向,本文主要目的就是研究如何更好地实现图像损伤区域的修复,并根据受损图像周围的有效信息用图像修复算法自动进行修复。本文在基于样本块修复算法的基础上,对算法所具有的不足之处,建立了唐卡图像库,采用基于图像颜色特征检索唐卡图像,用检索到最相似图像区域来修复图像破损区域,使唐卡图像的修复更加完美。     

聚类分析在非监督图像分类中的应用研究

为了提高聚类分析在非监督计算机图像分类中的应用效果,将设计并实现的基于密度和自适应密度可达聚类分析算法应用于图像分类.通过与K-means和层次聚类对图像分类效果的实验对比,证明了基于密度和自适应密度可达聚类分析算法在非监督计算机图像分类中具有良好的应用效果.     

基于局部特征的图像快速分类算法

基于内容的图像快速分类是Web图像实时搜索和过滤的基础。通过分析图像特征分布特点,提出一个基于局部特征的图像快速分类算法。与目前算法相比,该算法仅需对图像的局部区域扫描分析,即可得到其颜色、纹理、形状等特征,并利用Bayesian分类器来实现图像的快速自动分类。相关对比实验证实,该算法能够快速、准确地实现图像分类。     

基于最大熵和局部优先度的裂痕唐卡分割

为数字化修复唐卡文物,需先解决破损区域分割问题。针对裂痕型唐卡破损区域破损程度不等,与邻近区域颜色有反差的特点,提出基于最大熵和局部优先度的算法。首先采用最大熵阈值法分割破损唐卡灰度图像,去除伪破损区域,得到破损程度较深区域;然后采用本文提出的新算法—基于局部优先度的过渡区算法分割唐卡灰度图像,去除伪破损区域,得到破损区域的过渡区区域;合并这两类区域得到最终的分割结果。实验结果表明本文算法不仅能对破损唐卡实现有效分割,对壁画等其他破损图像也能很好分割。该算法具有一定的有效性和鲁棒性。     

基于统计模式识别的真假印鉴图像模拟分类

介绍一个模拟分类真假印鉴图像的计算机实现系统。在该系统中，标准印鉴和被测印鉴的图像采用二值图像模拟输入，经过对两种二值图像进行配准，获得两者之间的最佳配准关系系数，采用统计模式识别的方法对被测印鉴的直假进行分类。     

基于样本块的破损唐卡图像修复算法的改进

基于样本块的修复算法由于能同时有效地修复图像的受损纹理和结构的优点被引入到唐卡图像的数字化保护中,而且它对特定破损唐卡图像修复效果良好,但是由于优先权计算和最佳样本块不唯一等问题的影响,算法对其他类唐卡图像修复效果不佳。针对此算法的不足,对信任度计算方法和等照线计算方法进行了改进,解决了最佳样本块不唯一的问题。实验结果证明,改进后的算法不仅能够得到令人满意的修复结果而且能够提高修复效率。     

基于深度神经网络的遥感图像分类算法综述

准确、高效的遥感图像分类是遥感图像解析的重要研究内容之一。近年来,随着机器学习技术的发展,深度神经网络日渐成为一种有效的遥感图像分类处理方法。分析了遥感图像分类目前存在的一些问题,并简要阐述了几种典型的深度神经网络的原理结构;然后根据遥感图像分类的研究现状和深度神经网络对遥感图像分类的研究现状,总结了深度神经网络在遥感图像分类技术应用中的发展趋势。     

基于深度学习的乳腺癌病理图像分类研究综述

准确、高效的乳腺癌病理图像分类是计算机辅助诊断的重要研究内容之一。随着机器学习技术的发展，深度学习日渐成为一种有效的乳腺癌病理图像分类处理方法。分析了乳腺癌病理图像分类方法及目前存在的问题；介绍了四种相关的深度学习模型，对基于深度学习的乳腺癌病理图像分类方法进行梳理，并通过实验对比分析现有模型的性能；最后对乳腺癌病理图像分类的关键问题进行了总结，并讨论了未来研究的发展趋势。