融合邻域回归和稀疏表示的图像超分辨率重构

对于图像超分辨率重建而言,通常会将图像的整体信息作为研究对象。然而图像本身含有的大量结构信息并没有得到充分利用。为了提高超分辨率重建的效果,实现对不同特征信息的利用,提出了一种融合邻域回归和稀疏表示的图像超分辨率重构算法。依据图像所具有的低秩性对高分辨率图像进行分解,获得高分辨率图像的低秩部分和稀疏部分;将对应的低分辨率图像与高分辨率图像的低秩部分和稀疏部分进行训练,学习得到对应的特征字典;基于高分辨率图像的低秩部分和稀疏部分分别基于稀疏表示和邻域嵌入进行高分辨率重构;基于低秩矩阵恢复理论,融合邻域回归和稀疏表示重构的高分辨率图像,得到最终的高分辨率图像。在测试集Set5和Set14上将提出的算法与几种经典算法进行对比实验,可视化和量化结果均表明,相比传统超分辨率算法,提出的算法在PSNR和SSIM都有很好的提升。     

指纹图像多尺度分类字典稀疏增强

目的 自动指纹识别系统大多是基于细节点匹配的,系统性能依赖于输入指纹质量。输入指纹质量差是目前自动指纹识别系统面临的主要问题。为了提高系统性能,实现对低质量指纹的增强,提出了一种基于多尺度分类字典稀疏表示的指纹增强方法。方法 首先,构建高质量指纹训练样本集,基于高质量训练样本学习得到多尺度分类字典;其次,使用线性对比度拉伸方法对指纹图像进行预增强,得到预增强指纹;然后,在空域对预增强指纹进行分块,基于块内点方向一致性对块质量进行评价和分级;最后,在频域构建基于分类字典稀疏表示的指纹块频谱增强模型,基于块质量分级机制和复合窗口策略,结合频谱扩散,基于多尺度分类字典对块频谱进行增强。结果 在指纹数据库FVC2004上将提出算法与两种传统指纹增强算法进行了对比实验。可视化和量化实验结果均表明,相比于传统指纹增强算法,提出的方法具有更好的鲁棒性,能有效改善低质量输入指纹质量。结论 通过将指纹脊线模式先验引入分类字典学习,为拥有不同方向类别的指纹块分别学习一个更为可靠的字典,使得学习到的分类字典拥有更可靠的脊线模式信息。块质量分级机制和复合窗口策略不仅有助于频谱扩散,改善低质量块的频谱质量,而且使得多尺度分类字典能够成功应用,克服了增强准确性和抗噪性之间的矛盾,使得块增强结果更具稳定性和可靠性,显著提升了低质量指纹图像的增强质量。     

线性投影分析在指纹方向场提取中的应用研究

指纹方向场提取是自动指纹识别系统中的重要环节,是解决自动指纹识别中的某些关键技术的基础.对基于点梯度的方向场提取中存在的问题进行了分析,提出了一种基于点梯度向量集线性投影分析的指纹方向场提取方法,能较好地提取出指纹方向场.进一步分析和解决了指纹方向场提取时准确性和抗噪性的矛盾,相对于单一窗口,提出使用复合窗口来估计指纹方向场的方法.在FVC 2000指纹数据库中的大量实验表明,该方法相比于传统的均方梯度法有更好的提取精度和鲁棒性,对于有较大噪声的低质量指纹图像仍能给出很好的方向场估计.     

基于自适应方向滤波器的指纹图像增强

指纹图像增强在自动指纹识别系统中有着非常重要的地位,是指纹识别系统研究的重点之一,根据现有方向滤波器的特点和使用,采用一种基于指纹方向图的具有大小自适应性的方向滤波器对指纹进行滤波增强,较好地解决了方向滤波器滤波时的速度和实现优化问题.     

结合滤波和深度玻尔兹曼机重构的指纹增强

指纹图像增强,是自动指纹识别系统中的重要环节.为弥补传统指纹图像增强算法的缺陷,提出一种指纹图像增强算法.在指纹块质量分级机制和复合窗口策略下,指纹图像首先在频域被具有方向选择性的方向高斯带通滤波器滤波增强;随后,二值增强指纹中的误增强区域在空域被具有方向选择性的深度玻尔兹曼机（DBM）重构.提出的方法结合了传统指纹增强算法与深度学习算法的优点,拥有很强的容错能力,能够完成对低质量指纹图像的有效增强.为了验证提出算法的性能,在公开的指纹数据库FVC2004上进行了大量实验,实验结果表明,相比于传统的指纹增强算法,提出的方法具有很强的鲁棒性,对高质量和低质量指纹均有不俗的增强表现.     

低质量指纹图像方向场提取

指纹方向场提取是自动指纹识别系统中的重要环节,是解决自动指纹识别中的某些关键技术的基础.提出一种通过线性投影分析和在sin域中用加权低阶2维勒让德多项式拟合提取指纹方向场的方法;能够解决大噪声低质量指纹图像方向场难以准确提取的问题;在FVC 2000指纹数据库中的大量实验结果表明,与已有基于梯度的指纹方向场估计算法相比,本文方法有更好的提取精度和鲁棒性,对于大噪声的低质量指纹图像能给出很好的方向场估计.     

低质量指纹图像方向场提取方法

指纹方向场提取是自动指纹识别系统中的重要环节,是解决自动指纹识别中的某些关键技术的基础。提出了一种通过线性投影分析和在sin域中用加权低阶二维勒让德多项式拟合提取指纹方向场的方法;解决了大噪声低质量指纹图像方向场难以准确提取的问题;在FVC 2000指纹数据库中的大量实验表明,与已有基于梯度的指纹方向场估计算法相比,该方法有更好的提取精度和鲁棒性,对于大噪声的低质量指纹图像能给出很好的方向场估计。     

结合频谱扩散的指纹图像滤波增强

目的 指纹图像增强是自动指纹识别系统中的重要环节,是获取可靠的指纹细节特征的基础。为了弥补指纹图像的质量缺陷,实现对低质量指纹图像的有效增强,提出一种基于块质量评价和块频谱匹配滤波器的块频谱扩散指纹增强方法。方法 首先,基于块内点方向一致性参数,给出了块质量评价结果;然后,研究了复合窗口频谱扩散特性,完成了基于一次模糊K均值聚类、一阶自适应带宽的2维巴特沃斯带通滤波器和2维高斯窗的块频谱匹配滤波器设计;最后,依据块质量等级的高低,应用块频谱匹配滤波器对复合窗口的块频谱进行滤波增强。结果 选取FVC 2004指纹库中的大量指纹图像进行了实验,实验结果表明,该方法对高质量和低质量指纹图像均有良好的增强效果。结论 本文方法对指纹的脊线方向和频率等参数依赖较弱,拥有很强的容错能力。实验结果验证了该方法在指纹图像增强中的有效性,可适用于高质量和低质量的指纹图像增强。     

融合深度残差网络和字典学习的肺炎检测

由于空气污染与吸烟等原因, 肺炎已成为人类死亡率最高的疾病之一. 随着机器学习与深度学习技术在医疗图像检测上的应用, 为临床专家诊断各类疾病提供了帮助. 但由于缺少有效的配对肺部X射线数据集, 以及现有针对肺炎检测的方法均采用不是针对肺炎任务的普遍分类模型, 难以发现肺炎图像与正常图像的细微差别, 导致识别失败. 为此, 本文通过数据裁剪、旋转等方式扩充数据集中的正常图像; 再使用50层深度残差网络对胸部X射线中的浅层肺炎特征进行学习; 然后, 通过两层字典对残差网络学习到的肺炎特征进行更深度的抽象和学习, 发现不同肺部图像之间的微小差别; 最后, 融合残差网络和字典学习提取到的多级肺炎特征, 构建肺炎检测模型. 为了验证算法的有效性, 在Chest X-ray肺炎数据集上评估肺炎检测模型的性能. 根据测试结果, 本文提出模型的检测准确率为97.12%; 指标测试中, 精度与召回率之间的调和平均数上的得分为97.73%. 与现有方法相比, 获得了更高的识别精度.     

基于嵌入式uClinux的远程监控系统

该文提出了一种基于ARM-uClinux和Web技术的嵌入式远程监控系统,讨论了系统的具体技术及实现方案,该系统可以实现远程数据的现场采集,经以太网口通过网络将采集到的数据传送给远程用户。通过Web浏览器远程用户可以对远程数据访问并做出相应的远程控制决策。