基于脊椎MRI中改进型ICA-AAMs椎体分割的腰椎图像分析

提出一种基于腰椎MRI分割的图像分析框架。针对PCA对数据细节描述能力的不足,用ICA代替PCA同时进行形状和纹理模型建模,并对独立分量快速排序,形成基于独立分量分析的改进型主动外观模型(ICA-AAMs),分割MRI中椎体;以分割结果基础,使用MDL准则获得腰椎生理曲线的最佳拟合函数,用该曲线曲率来计算腰椎前凸角,通过椎终板间的倾斜灰度投影来分析椎间盘退行性变化。实验表明,改进型ICA-AAMs的腰椎椎体分割具有更高的精度,在此基础上腰部生理参数定量分析也更为准确客观。系统不但以提供客观的量化信息的方式减轻了医生重复繁琐的工作,而且可以不断拓展,为计算机辅助诊断腰部疾病打下基础。     

基于PLB总线的H.264整数变换量化软核的设计

提出了在FPGA上实现H.264中整数变换量化的方法,设计了基于动态数据宽度和流水线技术的软核(IP),在处理速度和硬件资源方面分别进行优化。此软核作为PowerPC的一个硬件加速模块在Xilinx Virtex-ⅡPRO中进行了验证。实验表明,在目前较难使用软件方法实现高分辨率图像实时编码的情况下,本文设计的软核能够提供2110MPixels/s的编码速率,完全适应实时编码。     

基于PCI总线的图象采集卡的开发与应用

本文介绍了一种通用的基于ＰＣＩ总线的图象采集卡的硬件结构、软件开发包,以及基于ＭＦＣ的图象处理应用软件的开发,并给出了部分程序的源代码。     

基于多特征子空间与核学习的行人再识别

行人再识别指的是在无重叠视域多摄像机监控系统中, 匹配不同摄像机视域中的行人目标.针对当前基于距离测度学习的行人再识别算法中存在着特征提取复杂、训练过程复杂和识别效果差的问题, 我们提出一种基于多特征子空间与核学习的行人再识别算法.该算法首先在不同特征子空间中基于核学习的方法得到不同特征子空间中的测度矩阵以及相应的相似度函数, 然后通过比较不同特征子空间中的相似度之和来对行人进行识别.实验结果表明, 本文提出的算法具有较高的识别率, 其中在VIPeR数据集上, RANK1达到了40.7%, 且对光照变化、行人姿态变化、视角变化和遮挡都具有很好的鲁棒性.     

大规模图像集中的代表性图像选取

针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题,提出了一种基于互近邻一致性和近邻传播的代表性图像选取算法,为每个查询选取与其相关的不同语义主题的图像集合. 该算法利用互近邻一致性调整图像间的相似度,再进行近邻传播（AP）聚类将图像集分为若干簇,最后通过簇排序选取代表性图像簇并从中选取中心图像为代表性图像. 实验表明,本文方法的性能超过基于K-means的方法和基于Greedy K-means的方法,所选图像能直观有效地概括源图像集的内容,并且在语义上多样化.     

全局多极团的分层关联多目标跟踪

目的 由于背景的复杂性,光照的多变性以及目标的相关性等因素的影响,使得多目标跟踪算法的鲁棒性相对较差。目前,在多目标跟踪问题中面临的主要挑战包括：遮挡、误检、目标运动的复杂性以及由于目标具有相似的外观特征所引起的模糊性。针对以上问题,提出一种基于全局多极团的分层关联多目标跟踪算法。方法 该方法以数据关联中的全局关联为依托,基于分层和网络流思想,跟踪采用两层框架,每一层中均利用较短的轨迹片段形成更长的轨迹,根据网络流思想,首先构建网络的无向图,其中无向图的结点是由几个轨迹片段构成的,无向图权值的确定是利用目标的运动模型和外观模型的线性组合得到,然后借助聚合虚拟结点处理目标之间的遮挡问题,接着重点加入空间约束以解决身份转换的问题。最后利用最大二值整数规划在叠加片段上求解无向图,同时得到多个极大团。结果 实验在公共数据集上进行,通过在TUD-Stadmitte、TUD-Crossing、PETS2009、Parking Lot 1、Parking Lot 2、Town Center这6个数据集上验证,该方法对各个数据集跟踪准确度均有提高,其中针对数据集TUD-Stadmitte提高了5%以上,针对数据集Town Center处理的身份转换数量减少了12个。结论 本文依据数据关联思想,提出一种全局多极团的分层关联多目标跟踪算法,其中重点加入的空间约束能有效地处理多目标跟踪问题,尤其涉及遮挡问题,效果更佳。在智能视频监控领域中该方法具有实际应用价值。     

应急救援物资多目标分配与调度问题建模与求解

应急救援物资多目标分配和调度集成优化是灾害应急决策中的一个难点问题.为此, 构建一种面向多储备点、多发放点、多种应 急救援物资的并发分配与调度多目标优化模型, 提出一种基于二维NSGA-II与蚁群优化的混合智能搜索算法.在所提算 法中, 设计二维二进制编码、个体修正策略以解决多发放点之间潜在的应急救援物资 冲突, 并改进蚁群优化中的信息素全局更新策略以实现多个调度路径的同时优化.对比实验 结果表明, 所提出的混合算法可以在合理的时间内给出更高质量的应急救援物资分配和调度方案.     

基于局部描述子的人体行为识别

提出一种新的局部时空特征描述方法对视频序列进行识别和分类。结合SURF和光流检测图像中的时空兴趣点,并利用相应的描述子表示兴趣点。用词袋模型表示视频数据,结合SVM对包含不同行为的视频进行训练和分类。为了检测这种时空特征的有效性,通过UCF YouTube数据集进行了测试。实验结果表明,提出的算法能够有效识别各种场景下的人体行为。     

联合骨架与边界特征的平面形状分解

在形状分析及其相关应用中,将形状分解成有意义的几个部分往往具有重要意义。骨架与轮廓都蕴含了丰富的物体形状全局与局部信息。提出一种联合骨架与边界特征的平面形状分解方法。该算法引入符合视觉特性的弯曲度比率作为约束,获得可控的分解结果以满足不同细节尺度的要求。算法充分利用对轮廓进行离散曲线演化时得到的信息,避免几个重要的部分被合并为一个整体。由于采用了鲁棒的骨架生成方法,使得算法对较高噪声干扰具有一定的鲁棒性,且能使得一个重要的部分不被进一步误分解。以MPEG7形状库等形状为实验对象,对算法的有效性进行了验证。分解实验结果均较为符合人类的主观感觉,同时对噪声污染的形状也具有较为鲁棒的结果。     

单帧焦炭显微图像分辨率提升的学习方法研究

针对焦炭显微光学组织成分多样性,及传统学习方法处理新样本效果差、计算复杂度高等局限,提出一种新的两步学习图像分辨率提升方法。通过动态改变训练样本和协方差矩阵特征向量,改进传统主成分分量学习算法,获取保持全局特征的高分辨率估计图像。为补充局部细节信息,对图像残差作重叠分块处理,提出基于残差块的加权近邻线性嵌入流形学习算法,实现无特征量提取预测补偿。最后经合成获分辨率提升图像。实验结果验证本文方法较其他方法可获得更高的峰值信噪比和更好的可视化效果,为焦炭显微光学组织成分的分类识别奠定良好基础。