基于极线校正的亚像素相位立体匹配方法

针对双目结构投影光栅相位法三维测量系统中立体匹配的效率与精度问题,提出了基于极线校正的亚像素相位立体匹配方法。首先,通过外极线校正算法将双目立体视觉几何结构校正为平视双目标准几何结构,使匹配点对在左右相机上的成像点位于同一水平线上。然后,采用双线性内插法获取校正后新相位图像对,并提出一种基于相位区域匹配的立体匹配算法,获得初始匹配点。最后,提出采用最小二乘拟合将初始匹配点附近3×3邻域内的相似度量拟合为一个二次曲面,然后求解得到该曲面的局部最小值,得到与待匹配点相位相同的右摄像机匹配点坐标。通过对标准平板平面度进行测量与精度分析,表明该方法能够快速、准确的实现立体匹配。     

联合蚁群算法和PCNN的脑部MRI图像分割方法

采用蚁群算法(ACO)联合脉冲耦合神经网络(PCNN)的脑部磁共振成像(MRI)图像分割方法。其中利用ACO解决了PCNN参数设置困难的问题,同时能够克服图像的低对比度和噪声对图像分割的影响,实现图像的精确分割。首先利用ACO的全局搜索能力,以图像信息熵与灰度期望值的和作为ACO的目标函数,对PCNN的3个关键参数β、αE和VE进行设定;然后基于PCNN简化模型,结合最大熵值准则对脑部MRI图像进行分割;最后对分割结果进行面积滤波,得到最终的分割结果。实验结果表明,本文方法能够实现脑部MRI图像的自动分割,具有较高的精度和较强的鲁棒性。对于没有噪声的图像,本文方法分割结果的平均正确提取率达到97.0%以上,平均错误提取率达到0.4%以下,平均杰卡德相似系数达到94.8%以上;对于添加了不同级别噪声的图像,本文方法的分割效果也优于FCM和自适应PCNN。     

基于相位一致性的织物起球图像分割

纺织品起球客观评级是纺织品性能测试数字化的重要组成部分.毛球分割是纺织品起球客观评级中的关键步骤,分割结果直接影响评级的精度.目前方法大多利用图像的灰度信息,易受图像亮度和对比度变化以及光照不均匀等因素影响.针对这些问题,研究了基于相位一致性检测的分割算法.该算法基于Log Ga-bor滤波器计算相位一致性,对检测结果进行加权阈值分割.实验结果表明,该方法能获得令人满意的分割结果,提高了织物起球客观评级系统的实用性.     

火锅等汤底普含亚硝酸盐食蒜葱利于降解致癌物

亚硝酸盐是亚硝胺类化合物的前体物质。在人体胃的酸性环境中,亚硝酸盐可以转化为亚硝胺,可诱发癌症。近日,陕西西安营养学会的专家对市面上与麻辣烫、冒菜、串串香以及火锅等食品的汤底进行了实验检测,结果显示普遍含有亚硝酸盐。     

一种基于相位信息的图像对称性检测方法

本文介绍一种新的检测图像对称性的方法。它使用原始图像的相位信息,而不使用图像梯度信息。由于相位信息的稳定性和重要性,该方法具有很强的鲁棒性,不受图像亮度、对比度和旋转的影响。它能检测镜像对称性,旋转对称性和曲线对称性,不需要图像分割等任何预处理。实验结果证明了该方法的有效性和鲁棒性。     

基于短时傅里叶变换的纺织材料纤维取向度测量方法

为了更准确地表征纺织材料的纤维取向分布,基于纺织材料纤维扫描电镜(SEM)图像,提出了一种利用短时傅里叶变换的纺织材料纤维取向度测量方法.把纤维图像看作总体非平稳、局部平稳的信号,首先通过对纤维图像加窗并使窗口平移覆盖整个时域,实现纤维图像的短时傅里叶变换;然后选取频谱图中的感兴趣区域;接着统计频谱图中感兴趣区域沿不同方向角的能量并找出每个子块中纤维的主方向;最后对所有子块的主方向进行统计得到纺织材料纤维取向度.对4个样品的测试结果表明:使用本文方法得到的测量结果与传统的FFT方法测量结果相比较,90°方向和180°方向的纤维比例平均分别减少14.75%和15.25%,说明本文方法能有效减少边界效应,更准确地表征纺织材料纤维的取向度.     

X射线线阵探测器校正与滤波

针对X射线线阵探测器像素响应不均而造成X射线图像产生竖条纹,以及由探测器本身和外界产生噪声干扰的问题,提出了一种新型的校正与滤波模型,解决了传统校正方法因忽略噪声影响而使得校正完成后数据波动较大的问题。结合X射线特性及X射线线阵探测器的成像原理,分析了像素响应不均时的输出特性及噪声,建立了改进的两点校正算法与基于偏微分方程的半隐式差分滤波模型。实验证明,分辨率为19 216的X射线线阵探测器在经过该模型校正后,有效地解决了像素响应不均的问题,抑制了噪声的影响,在位深为16 bit的情况下,平均均方误差低于五个灰度级,提高了X射线图像检测的质量。     

三维人脸库数据还原处理

利用北京工业大学多媒体与智能软件技术实验室创建的中国人彩色三维人脸数据库中所提供的三维人脸数据，还原到规格化前的三维人脸数据，并建立了几何图与纹理图的双向映射关系．这一研究对于后续研究时的三维人脸数据操作具有重要意义．     

结合通道空间加权特征金字塔网络的白细胞检测与分割

白细胞的准确检测和精确分割是一项具有挑战性的医学图像处理任务.在显微镜下获取的白细胞图像会受到染色杂质的影响,且白细胞种类繁多、形态各异、类间差别小,还存在相互重叠相互粘连的现象,导致细胞边缘无法被准确分割,上述问题一直都是白细胞图像检测和分割的难点.针对以上问题,基于Mask R-CNN提出了结合注意力机制多尺度特征融合的白细胞检测方法.在Mask R-CNN结构的基础上,在特征金字塔网络(FPN)模块中融合了注意力机制模块,提出了通道空间加权特征金字塔网络.该结构不仅可以学习特征图中重要通道特征的权重大小,还可以学习层中重要特征区域的表示.同时,在网络结构中加入了Skip-FPN模块,该模块通过短连接融合更多白细胞的底层细节信息,从而更准确地检测白细胞,更精确地进行白细胞的形态分割.实验结果表明,所提方法具有良好的检测与分割性能.在Kaggle开源数据集下,所提方法对白细胞检测的指标mAP值达到了98.25％,与改进前相比提高了1.25％;分割的平均精度mIoU值达到了89.30％,与改进前相比提高了0.002％.     

基于筛选评估准则的非正面人脸合成方法

针对传统方法合成的正面人脸图像中信息丢失和变形的问题,提出了一种基于筛选评估准则的非正面人脸图像合成方法.人脸筛选评估准则融合了脸部对称性、正脸差异水平和人脸水平扭转角度3方面信息,其中人脸水平扭转角度利用细节上的眼部信息来评价人脸的正面水平,而脸部对称性和正脸差异水平分别对人脸的左右和垂直方向进行整体评价,综合这三方面信息可有效地排除低质量侧脸图像对合成正脸图像的干扰.首先进行标记点检测跟踪,然后基于此对同一人的多幅侧脸图像进行筛选,最后进行插值运算合成正面人脸,并在FERET图像库中对该方法进行实验验证.结果表明:通过本文筛选准则可有效滤除合成中低质量、强干扰的侧脸图像,可降低姿态问题对人脸识别精度的干扰,最终合成精确逼近真实正面人脸的合成图像.