偏最小二乘回归分析与特征融合在图像识别中的应用

为了更有效地进行图像识别,对同一模式的不同特征进行融合是有效途径。讨论了偏最小二乘法及其改进算法、特征融合方法在图像识别中的应用。首先讨论了偏最小二乘法的基本原理和非迭代偏最小二乘法、基于共轭正交的偏最小二乘法用于特征抽取的原理和特点,给出了三种特征融合方法,在ORL与Yale人脸库上的实验结果表明进行对用PLS抽取的特征融合后可以有效地进行图像识别。     

基于BPNN局部位移场拟合的心脏形变计算模型

加标记的心脏核磁共振图像（tagged MRI）提供了一种非介入性的方法来跟踪心肌组织的运动,通过对MRI中tag线的分割可以获得在心动周期不同时刻的多帧稀疏的tag线位移信息．如何借助这些信息近似恢复整个心脏的运动是一个具有挑战性的课题．提出了一种新颖的心脏形变计算模型：由tag线交点信息通过BE神经网建立描述连续位移场的局部拟合函数;再通过对位移场函数的迭代求解心肌质点的运动,实现心脏形变计算．实验表明模型具有物理意义明确、算法简单和计算精度高的特点．     

典型相关分析的理论及其在特征融合中的应用

利用典型相关分析的思想,提出了一种基于特征级融合的组合特征抽取新方法．首先,探讨了将典型分析用于模式识别的理论构架,给出了其合理的描述．即先抽取同一模式的两组特征矢量,建立描述两组特征矢量之间相关性的判据准则函数,然后依此准则求取两组典型投影矢量集,通过给定的特征融合策略抽取组合的典型相关特征并用于分类．其次,解决了当两组特征矢量构成的总体协方差矩阵奇异时,典型投影矢量集的求解问题,使之适合于高维小样本的情形,推广了典型相关分析的适用范围．最后,从理论上进一步剖析了该方法之所以能有效地用于识别的内在本质．该方法巧妙地将两组特征矢量之间的相关性特征作为有效判别信息,既达到了信息融合之目的,又消除了特征之间的信息冗余,为两组特征融合用于分类识别提出了新的思路．在肯考迪亚大学CENPARMI手写体阿拉伯数字数据库和FERET人脸图像数据库上的实验结果证实了该方法的有效性和稳定性,而且识别结果优于已有的特征融合方法及基于单一特征进行识别的方法．     

基于水平集的3D左心室表面重建

提出了基于分层2D MRI图像重建3D左心室表面的算法．分层2D MRI图像能够跟踪左心室边界在成像平面内的变形,但由于缺少层问数据,层间边界形变的信息难以获取．为了重建左心室的形状,使用基于形变模型的方法：首先建立变形曲面的动力学方程;再将成像坐标系中的图像平面映射到重建坐标系,根据图像数据构造外力,使用平均曲率构造变形曲面的弹性力,然后用水平集数值解法求解动力学方程以重建左心室的表面．实验结果证明了算法的有效性．     

心脏核磁共振图像标记线的Bayesian跟踪方法

标记线跟踪是对心脏进行三维运动重建的前提,提出了基于Bayesian方法的标记线跟踪算法．算法在使用活动网格模型进行跟踪的基础上,通过预测网格节点的位置建立Markov随机场（MRF）模型,并使用EM算法将节点按是否在心室内加以分类．根据不同类别的网格节点在跟踪过程中所应起到的作用,设计不同的先验分布及似然函数,使用迭代条件模式（ICM）最大后验概率（MAP）求解网格结点坐标．对多序列心脏收缩期核磁共振图像的实验表明,算法能较准确地对网格节点进行分类,从而能在未给定心脏的内外轮廓的情况下准确地跟踪标记线;并且由于考虑到了网格模型的Markov性质．在跟踪过程中保持了网格的拓扑形状．     

数据挖掘技术在故障诊断中的应用

数据挖掘技术是当今计算机信息技术的一项新兴技术,它综合运用了人工智能、计算智能、模式识别、数理统计等先进技术,从大量数据中挖掘和发现有价值和隐含的知识.研究了数据挖掘的主要方法和它在故障诊断中的应用.     

高斯混合模型改进的活动轮廓模型MRI分割

引入高斯混合模型逼近图像的直方图概率,利用遗传算法的全局优化特性求解高斯混合模型的参数,以提高参数精度;由此构造新的活动轮廓模型约束项.在新的约束项作用下,活动轮廓模型可以有效地减少噪声的影响,防止从弱边界泄漏.对左心室核磁共振图像的分割实验表明,该模型具有较好的分割效果.     

基于几何模型的SAR图像斑点噪声的抑制

斑点噪声的抑制一直是合成孔径雷达(SAR)图像处理的重要研究课题。本文利用几何模型对合成孔径雷达图像进行滤波。通过对几何模型除噪性能进行分析,提出了一个数值计算的改进格式。新的迭代格式能较好地保留图像的边缘、尖点和细节信息。最后对合成孔径雷达图像进行去噪实验,与小波阈值除噪、Lee滤波进行比较具有更好的滤波效果。     

基于核特征距离的局部活动轮廓模型

提出了一种基于核特征距离局部活动轮廓分割模型。在模型中使用核特征距离来构造局部拟合能量,从而可以获取精确的局部图像特征,可以分割存在灰度不均匀的图像。并通过引入水平集规范项以避免水平集演化的重新初始化,提高了分割的效率。实验结果表明,本模型可以很好地克服灰度不均匀性,同时在分割精度上有了较大的提升,特别是分割速度比LBF模型快1.3～1.5倍。     

法国教育随笔

在一个经济发达的社会里,教育是怎样来适应社会的需求,学校是怎样培养学生以适应社会需求的?这个问题是我在法国进修期间很注意观察了解、经常思考,并与法国同行一起讨论的问题。