基于分类回归树和AdaBoost的眼底图像视网膜血管分割

提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.     

基于EDPN的类测试框架及测试用例生成技术的研究

针对基于状态的面向对象软件的类测试过程中存在的不可预测、不可达状态、状态组合“爆炸”和测试用例“爆炸”等问题,提出了基于EDPN模型的类测试、类的交互测试和类的层次测试框架,设计了相应的测试模型;提出了基于EDPN的有标记的唯一输入输出(UIO)测试用例的自动生成方法,生成状态转移路径序列,测试类的状态;提出了基于扩展的EDPN的状态组合的标记关联递推法,生成扩展的正交阵列表,测试类的交互;提出了基于扩展的EMDPN的协同路径(copaths)测试用例的生成方法,生成协同路径序列,测试类的层次。     

一种新的颜色聚类算法及其图象检索

为降低颜色直方图矢量的维数及解决颜色间的相似性问题,该文提出了一种新的颜色聚类算法,然后通过考察示例图象的主颜色表与数据库图象的颜色表之间的相交情况以及按比例分布情况,使图象检索结果消除了背景颜色的影响。     

基于HSI颜色模型的多层彩色细胞提取技术

为了克服传统图像分割方法在识别复杂背景下的细胞时存在的捕捉不全、噪声敏感和计数不准确的缺憾,构造了一种基于HSI空间下的细胞识别新法,通过在复杂背景图片中实选出几部分目标点的RGB模型信息,转换成优化的HIS模型,再用多图像平均法求出其H分量的直方图范围,并依之提取目标特征,实现细胞识别及计数.仿真实验结果表明:在处理染色不均、光照过强、背景复杂、细胞粘滞等特殊细胞图片,尤其是目标细胞与背景的色彩特征相似度高且多层分布的细胞图片时,方法输出的特征参数与实数吻合度高、计数准确,解决了临床应用上多层细胞难识别的问题,弥补了传统图像分割方法对此类图片处理的不足.     

基于局部图金字塔的不规则块匹配视频分割方法

跳水、体操等视频中的运动员一般着装比较单一、肤色裸露,将这种视频帧图像用图的形式表示出来可以划分为少数的几个连通分量.根据这一特点,本文提出了一种基于局部图金字塔的不规则块匹配视频分割方法,该方法首先将图像以图的数据结构表示,采用假设检验的方法来合并相邻区域的图像块.在分割得到第一帧前景区域之后,根据帧间运动的连续性,运用不规则块匹配方法找到当前帧中的前景区域,匹配准则借鉴了聚类分析中变量相关性的相关系数方法.实验结果表明,这种方法能实时地、准确地分割出跳水、体操等视频中的运动员.     

基于脉冲耦合神经网络的点云曲面去噪

 提出一种基于脉冲耦合神经网络(PCNN)的点云曲面去噪算法.该算法主要分为两步:噪声点定位和噪声点滤波.首先针对点云曲面构建一个PCNN神经网络,各个神经元的外部刺激值由邻近点的几何位置差异和法向差异构成,利用神经元输出的自适应点火捕获特性,实现了噪声点的定位;而后针对点云曲面中的噪声点,基于网格光顺中双边滤波的思想,实现噪声点的滤波,对于非噪声点,则保持原有的几何位置不变.实验结果表明,由于区分了噪声点和非噪声点,该算法较传统的点云曲面去噪算法能更加有效的去除噪声的同时并保持模型的几何特征.     

自适应异步采样运动数据压缩算法

 针对三维运动捕获系统的广泛应用,采样频率越来越高,运动数据库日益增大带来的问题,本文提出多路信号异步采样思想对运动数据进行压缩.理论上论证了在人体运动所固有的客观及主观约束条件下采用本文提出异步采样思想比同步采样能够获取更高压缩比,并针对每一路信号提出了基于三次样条的自适应重采样算法.通过大量运动实验分析了不同运动阶段的数据可压缩性,最高压缩比达到13.24,在单个标记点误差为0.5cm时,数据解压重构毫不影响视觉效果.     

一种基于图像融合的含噪图像边缘检测方法

针对含噪声图像在边缘定位、噪声抑止、弱边缘保留及边缘细节的视觉感知等方面难以兼顾的具体情况,提出了一种基于图像融合的含噪图像边缘检测方法。首先,讨论了基于小波变换模极大值的图像边缘检测法;结合数学形态学基本运算与信息熵理论,提出了改进的灰值数学形态学图像边缘检测法,并分析了其基本原理。然后,结合两种方法的优点,采用叠加运算进行图像融合最终检测到的图像边缘连续完整。最后,与传统边缘检测法、小波变换模极大值法、改进的灰值数学形态学法进行了实验对比,结果表明,本文算法优质系数最大,所花时间最少。     

基于概率关系的面部特征点定位技术方法*

基于BCD提出了一种新的面部特征点定位方法,该方法在以下三个方面扩展了传统的BCD(boosted cascade detector)：a) 建立了BCD决策响应与特征点位置之间的概率关系;b) 提出一种基于上述概率关系的特征点定位方法;c) 设计了两种最佳人脸候选区域的选择方法。解析式的BCD把人脸检测和面部特征点定位融合成一个统一的过程。实验表明其精度和速度高于平均位置法（AVG）和基于boosted classifiers的最佳命中法（BestHit）,并且它的运行速度也明显高于基于非线性优化的AA