—种基于特高压工程的图像识别算法研究

阐述提出一种基于特高压工程的图像识别算法，通过对原始图像高斯低通滤波、平滑、亮度拉伸以及增强预处理，降低原始图像噪声，并且使图像亮度增强，探讨选取色调、饱和度以及亮度作为图像特征向量，利用模糊数据自相关函数对特高压工程图像特征进行提取。在此基础上对将图像特征向量映射到图像上，并且对特高压工程图像特征进行匹配，识别到图像中的目标。     

基于模糊识别的乳腺超声辅助诊断算法

近年来,乳腺肿块的发病率逐年上升,乳腺癌位居女性癌症发病率的首位。超声检查是筛查和早期鉴别诊断乳腺肿块的主要方法,但是由于超声成像方式及影像本身的模糊性,因此其误诊率一直较高。现有的乳腺超声计算机诊断系统通常只区分肿块的良恶性,难以诊断常见的肿块病变性质,不利于疾病的正规诊疗。本文提出一种基于模糊模式识别的乳腺肿块超声影像的计算机辅助诊断算法,可为临床医生制定诊疗方案提供参考,提高了初步诊断的准确率,能够为相关领域的应用研究提供借鉴。     

基于条件信息卷积生成对抗网络的图像识别

传统的图像识别方法需要大量有标签样本进行训练，且模型训练难以达到稳定。针对这些问题，结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络（C-Info-DCGAN）。模型增加图像的类别信息和潜在信息作为输入数据，然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用，并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明，该方法能够加快模型训练收敛速度，并有效提高图像识别的准确率。     

一种基于深度学习的产品分类统计方法的研究

对于流水线上多类产品不规则混合放置条件下的统计问题,利用基于faster R-CNN和改进的深度卷积网络结合的图像识别方法,实现了对产品的在线分类计数。首先利用faster R-CNN方法获取图像中产品的位置信息,然后用改进的深度卷积网络对图像进行特征提取,将产品区域的位置信息映射到最后一层特征图上,再用ROI池化对产品区域特征进行尺度归一化,把归一化后的产品特征输入softmax分类器识别,从而实现了分类统计。实验结果表明,该方法能够在工业生产中实现多类混线产品在线自动分类统计。     

基于卷积神经网络的葡萄叶片氮含量识别方法

为实现对葡萄叶片氮素含量快速、便捷的识别，在卷积神经网络VGG-16网络结构基础上，将数据增广后的图像按不同梯度划分进行模型训练，通过十折交叉验证法探究最佳的训练集与验证集分配比例，并构建4个不同深度的网络模型进行训练对比，采用全局平均池化代替全连接层约简网络参数量。训练结果表明，氮含量梯度设为0.70%、0.35%和0.175%时，室内简单背景识别准确率分别为85.9%、76.2%和71.1%；晴天室外复杂背景下识别准确率分别为44.6%、35.0%和30.4%。研究结果表明利用VGG-16建立的网络学习模型对葡萄叶片氮含量识别提供了一种新的便捷方法，对农业信息化和智能化技术应用具有一定促进作用。     

基于主成分分析法和极限学习机的尿沉渣图像识别算法研究

针对尿沉渣中的有形成分进行检测和分析,提出结合主成分分析(PCA)和极限学习机(ELM)的识别和统计方法。该方法通过PCA对样本进行特征提取和降维后输入到ELM进行训练,根据训练得出的模型与未经PCA处理的样本训练的模型进行检测效果对比。实验结果表明,使用PCA处理后的样本训练得出的模型具有更高的识别准确度和稳定性,同时训练时间大幅减少。     

基于机器学习识别与标记分水岭分割的盲道图像定位

视觉导盲仪是一种旨在解决盲人出行困难的导盲设备，为了实现视觉导盲仪诱导盲人找到盲道并沿盲道行走，提出了一种基于机器学习识别与标记分水岭分割的盲道图像定位算法，通过离线训练与在线的识别、分割来定位盲道区域。首先对盲道图像进行视角变换的预处理，根据盲道的地面方程将变化的倾斜视角转换为固定的俯视视角，消除射影变换带来的失真；然后利用局部二进制模式描述子提取鸟瞰图的纹理特征，以自适应增强学习算法离线训练盲道识别分类器；进而利用分类器对鸟瞰图像进行在线识别，粗略确定盲道区域；最后将识别结果进行形态学处理后作为标记，利用标记分水岭算法得到精确分割的盲道区域并定位盲道中心线。在研制的视觉导盲仪上进行验证，结果表明盲道定位准确率达到了95.44%，速度平均每秒8帧，具有高准确率的同时达到实时性要求，为盲道的准确三维定位提供了必要条件。